【技术实现步骤摘要】
一种基于边缘计算的区域异常监测方法
本专利技术涉及区域异常监测
，尤其涉及一种基于边缘计算的区域异常监测方法。
技术介绍
随着IOT(物联网)的发展，设备大规模接入物联网，在终端设备上产生的海量数据在提供商业价值的同时，也对大数据风控提出了新的挑战，即在保证隐私的同时监测异常数据。经检索，中国公开号为CN109947079A公开了一种基于边缘计算的区域异常检测方法和边缘，其包括：边缘计算设备获取接入所述边缘计算设备的多个物联网设备采集的监控特征数据，其中所述多个物联网设备属于同一指定区域；将所述多个物联网设备的监控特征数据作为异常检测随机森林模型的输入，以预测所述指定区域是否发生异常，其中，所述异常检测随机森林模型包括基于所述多个物联网设备的监控特征数据分别训练得到的多颗随机森林决策树。上述专利由于使用整个数据集合进行建模分析，由于监测数据的数量较多，整个数据库较大，直接利用集合建模分析，可能会导致数据异常点的漏提，从而无法保证数据的准确性和全面性。
技术实现思路
本专利技术的目的是...
【技术保护点】
1.一种基于边缘计算的区域异常监测方法，其特征在于，包括如下步骤：/nS1：边缘计算设备获取接入边缘计算设备的多个物联网设备采集的监控特征数据；/nS2：预设所用处理模型，并将采集到的监控特征数据输入到模型中；/nS3：进行边缘计算，并且分析异常数据；/nS4：身份验证，验证操作人员身份信息；验证成功后，可通过边缘计算设备读取异常数据信息。/n
【技术特征摘要】
1.一种基于边缘计算的区域异常监测方法，其特征在于，包括如下步骤：
S1：边缘计算设备获取接入边缘计算设备的多个物联网设备采集的监控特征数据；
S2：预设所用处理模型，并将采集到的监控特征数据输入到模型中；
S3：进行边缘计算，并且分析异常数据；
S4：身份验证，验证操作人员身份信息；验证成功后，可通过边缘计算设备读取异常数据信息。
2.根据权利要求1所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述S3中，边缘计算方法包括基于特征数据直接距离的边缘计算方法和基于特征数据直接密度的的边缘计算方法。
3.根据权利要求2所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述基于特征数据直接距离的边缘计算方法包括如下步骤：
S11:将所有监控特征数据输入数据集S中，并将数据集S中的某一个数据点称为，代表所述数据点横纵坐标值；
S12：如果数据点满足特定性质，采用异常数据点的横纵坐标值来代替，表示所有的基于统计的异常数据点。
4.根据权利要求3所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述
S12中，特定性质为：数据集中有数据点与数据点的距离大于，其算法为：基于索引的
方法依赖多维索引结构，通过对最近邻查询或数据点为中心的范围查询的回答来实现
寻找所有数据点基于多为索引结构R-trees或kd-tree算法复杂度是，其中
是维数，是数据点数，代表数据点。
5.根据权利要求2所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述基于特征数据直接密度的的边缘计算方法包括：
S21：对象P的距离称为，对任一的自然数，定义P的距离及为P和某个对象之间的距离，此处数据点需要满足预设条件；
S22：对象P的距离邻域称为，给定的P的距离为，P的距离邻域包含所有与P的距离不超过的对象，即；
S23：对象P相对于O的可达距离，给定自然数k，对象P相对于对象O的可达距离为，对象P的局部可达密度为对象P与他的
MinPts-邻域的平均可达距离的倒数，即；
S24：对象P的局部异常点因子：
；
S25：对象P的局部异常点因子表示P的异常点程度，局部异常点因子越大，就认为他更可能是异常点，反之则可能性小，簇内靠近核心店的对象LOF接近于1，就不被认为是局部异常点，而处于簇的边缘或者是簇的外面的对象LOF相对较大。
6.根据权利要求5所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述
S21中，预设条件为至少存在个对象。
7.根据权利要求1所述的一种基于边缘计算的区域异常监测方法，其特征在于，所述S3中边缘计算方法为高维数据的异常点检测，其步骤为：
S31：将数据空间的每一维分成个等深度区间；所谓等深度区间是指将数据一社...
【专利技术属性】
技术研发人员：张春林，李利军，李春青，刘如君，
申请(专利权)人：北京东方通科技股份有限公司，北京东方通软件有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。