一种基于物联网异常检测方法技术

本发明专利技术属于物联网异常检测技术领域，具体涉及一种基于卷积神经网络的基于物联网的异常检测方法。本发明专利技术包括：输入待检测的物联网数据，将数据分成测试数据集和训练数据集；利用独热编码数字化处理待检测的物联网中的特征；对待检测的物联网数据进行标准化处理；建立卷积神经网络模型；通过嵌入层将经过独热编码数字化处理的稀疏向量压缩为密集向量；将训练数据集输入到卷积神经网络模型中进行训练；将测试数据集输入到判定合格的卷积神经网络模型中，得到检测数据结果。本发明专利技术的异常检测准确率更高，对于模型训练的时间更短，预测精度更高，可以广泛应用于物联网异常检测等方面。

【技术实现步骤摘要】
一种基于物联网异常检测方法
本专利技术属于物联网异常检测
，具体涉及一种基于卷积神经网络的基于物联网的异常检测方法。
技术介绍
目前物联网主要用于工业领域，同时也作为其他行业的新型动力，如智慧城市、智慧家庭等，为海量的信息资源、服务资源、应用资源提供开放共享化平台。通过物联网平台，所有用户都可以和权限范围以内的设备进行互动，物联网资源得到广泛利用。全球物联网的规模不断扩大，从2008年的500亿美元上升至2018年的近1510亿美元。物联网技术在各行业渗透速率不断加速，在生成新的技术的同时也在促进者新的业务变革，尤其针对企业数字化转型的作用越来越明显，例如在物联网赋能下，共享经济催生了共享单车、共享充电宝、共享按摩椅等中低价值资产领域。物联网作为网络信息时代的典型代表，被中国企业越来越广泛地应用，在实现“智慧地球”中起着重要作用，促进智能控制快速进入发展阶段。但在物联网推动行业发展方便民众生活的同时，平台的安全测评方面尚不成熟，物联网攻击已成为今年三大热点安全话题之一。CNCERT检测发现利用僵尸网络发起的DDoS攻击在2018年本文档来自技高网...

【技术保护点】
1.一种基于物联网的异常检测方法，其特征在于，包括如下步骤：/n(1)输入待检测的物联网数据，将数据分成测试数据集和训练数据集；/n(2)利用独热编码数字化处理待检测的物联网中的特征；/n(3)经过步骤(2)处理的对待检测的物联网数据的特征进行标准化处理；/n(4)建立卷积神经网络模型；/n(5)通过嵌入层将经过独热编码数字化处理的稀疏向量压缩为密集向量；/n(6)将训练数据集输入到卷积神经网络模型中进行训练；/n(7)将测试数据集输入到判定合格的卷积神经网络模型中，得到检测数据结果。/n

【技术特征摘要】
1.一种基于物联网的异常检测方法，其特征在于，包括如下步骤：
(1)输入待检测的物联网数据，将数据分成测试数据集和训练数据集；
(2)利用独热编码数字化处理待检测的物联网中的特征；
(3)经过步骤(2)处理的对待检测的物联网数据的特征进行标准化处理；
(4)建立卷积神经网络模型；
(5)通过嵌入层将经过独热编码数字化处理的稀疏向量压缩为密集向量；
(6)将训练数据集输入到卷积神经网络模型中进行训练；
(7)将测试数据集输入到判定合格的卷积神经网络模型中，得到检测数据结果。


2.根据权利要求1所述的一种基于物联网的异常检测方法，其特征在于，所述的对待检测的物联网数据进行标准化处理包括：由于检测的物联网数据中的特征值存在明显区别，通过卷积神经网络模型选取高于阈值Ω的特征，删除低于阈值Ω的数字指标，对物联网数据进行离差标准化线性变换，使离差标准化线性变换后的物联网数据落入[0,1]区间内，物联网数据的线性关系不变。


3.根据权利要求2所述的一种基于物联网的异常检测方法，其特征在于，
离差标准化线性变换公式如下：



其中，是离差标准化线性前的向量；是离差标准化线性变换后的向量。


4.根据权利要求2所述的一种基于物联网的异常检测方法，其特征在于，建立卷积神经网络模型包括：所述的卷积神经网络模型包含1个嵌入层、5个全连接层和3个1维卷积层，其中嵌入层是物联网前馈型神经网络，对于嵌入层的每个神经单元有一个信号向量集合T，嵌入层中节点i权重和偏移为αi和βi，第i个神经元的输出Pi如下：



其中，act为激活函数；所述的嵌入层为：是...

【专利技术属性】
技术研发人员：李贤波，
申请(专利权)人：广州鹄志信息咨询有限公司，
类型：发明
国别省市：广东;44