一种分布式物联网设备异常检测方法技术

本发明专利技术涉及一种分布式物联网设备异常检测方法，属于物联网领域。该方法是先学习异常数据潜在特征分布，并进行特征校正与特征判别，获取高质量的重构数据，均衡正常数据与异常数据比例，并通过所述均衡后的数据指导异常检测网络的训练，输出判别门限，对异常数据进行识别。然后采用基于动态模型选择的联邦学习算法，计算每一个模型的置信度，动态选择本地模型上传至中央服务器进行模型聚合。本发明专利技术能够实现物联网场景下高维且不均衡数据的高精度异常检测，保障模型的泛化能力。保障模型的泛化能力。保障模型的泛化能力。

【技术实现步骤摘要】
一种分布式物联网设备异常检测方法


[0001]本专利技术属于物联网领域，涉及一种分布式物联网设备异常检测方法。

技术介绍

[0002]物联网是指通过信息传感设备，按照约定的协议，将任何物体与网络相连，通过信息传播媒介进行信息交互和通信。物联网的目的是实现不受地点、时间限制，长期快速的连接，如智慧家居、智慧城市、智慧交通等应用环境中的移动设备。5G时代的到来为物联网的发展提供了众多技术支持，5G标准的制定能够很好地满足物联网的需求，网速、容量、安全性等，推动了无人驾驶技术的发展，助力工业物联网的发展，加速物联网虚拟现实领域的发展。
[0003]物联网不断发展，大量设备以及用户导致移动数据剧增的需求，提出高容量、超低延迟、向最终用户提供更好的服务质量与用户体验等要求。催生了诸如波束成形，大规模MIMO和密集微小区等复杂的技术，但是，这些技术增加了系统架构的复杂性，使得网络异常检测过于复杂化，尤其是处理大网络中的间歇性硬件故障以及配置错误，给异常检测带来了以下挑战：1)海量的未标记数据战；2)数据不均衡；3)高维数据相互异构。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式物联网设备异常检测方法，其特征在于，该方法具体包括以下步骤：S1：获取物联网设备高维时间序列数据，并对其进行预处理；将预处理后的异常数据作为训练集；S2：对训练集进行异常数据进行特征提取，特征校正和异常特征判别，获取重构异常数据；S3：将数据扩充后的训练集与原始数据等量混合，作为验证集，指导异常检测网络的训练；计算原始数据的潜在特征分布与重构数据的潜在特征分布的相对熵，判定重构数据与原始数据偏差程度。2.根据权利要求1所述的分布式物联网设备异常检测方法，其特征在于，步骤S1中，对高维时间序列数据进行预处理，具体包括以下步骤：S11：数据归一化处理：采用标准化公式对数据进行归一化处理；S12：对原始数据使用Kmeans聚类算法和PCA降维处理进行降维聚类；S13：两次滑窗处理。3.根据权利要求1所述的分布式物联网设备异常检测方法，其特征在于，步骤S3中，所述异常检测网络是采用改进的自编码网络，在潜在特征层引入对抗机制，即在潜在特征层中添加一个鉴别器，并添加一致性增强约束和收缩约束，确保网络对异常数据产生合理一致的潜在表示并将所有输入数据都映射到类似的位置。4.根据权利要求3所述的分布式物联网设备异常检测方法，其特征在于，步骤S3中，改进的自编码网络的编解码器部分由两个功能网络组成，用于计算数据的潜在特征分布。5.根据权利要求1或3所述的分布式物联网设备异常检测方法，其特征在于，步骤S3中...

【专利技术属性】
技术研发人员：唐伦，张月，王恺，陈前斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：