一种基于大数据的计算机外接设备检测系统及方法技术方案

本发明专利技术公开了一种基于大数据的计算机外接设备检测系统及方法，涉及计算机设备检测技术领域，一种基于大数据的计算机外接设备检测系统包括计算机、外接设备、数据库和外接设备检测系统，所述外接设备检测系统包括：数据请求模块、数据调取模块、中央控制模块、数据收集模块、数据处理模块、危险系数判断模块、数据检测模块、安全预警模块、异常处理模块和恶意设备识别模块。本发明专利技术在计算机获取外接设备中存储的数据时，对外接设备中的数据进行异常检测，对危险系数高的数据进行安全报警并对其进行修复，排除安全风险后存入数据库中，可有效防止异常数据对计算机造成损害。防止异常数据对计算机造成损害。防止异常数据对计算机造成损害。

【技术实现步骤摘要】
一种基于大数据的计算机外接设备检测系统及方法


[0001]本专利技术涉及计算机设备检测
，尤其涉及一种基于大数据的计算机外接设备检测系统及方法。

技术介绍

[0002]计算机的外部设备包括输入输出设备和外存储器。外储存器是指除计算机内存及CPU缓存以外的储存器，可用于存放暂时不用的程序和数据；外储存器能长期保存信息，并且不依赖于电来保存信息（断电后仍然能保存数据），但是由机械部件带动，速度与CPU相比就显得慢的多。
[0003]常见的外存储器包括软盘：软磁盘使用柔软的聚酯材料制成原型底片，在两个表面涂有磁性材料，常用软盘直径为3.5英寸，存储容量为1.44MB.软盘通过软盘驱动器来读取数据；U盘：U盘也被称为“闪盘”，可以通过计算机的USB口存储数据，与软盘相比，由于U盘的体积小、存储量大及携带方便等诸多优点，U盘已经取代软盘的地位；硬盘：硬磁盘是由涂有磁性材料额铝合金原盘组成的，每个硬盘都由若干个磁性圆盘组成；磁带存储器：磁带也被称为顺序存取存储器SAM，它存储容量很大，但查找速度很慢，一般仅用作数据后备存储，计算机系统使用的磁带机有3中类型：盘式磁带机、数据流磁带机及螺旋扫描磁带机；光盘存储器：光盘指的是利用光学方式进行信息存储的圆盘，它应用了光存储技术，即使用激光在某种介质上写入信息，然后再利用激光读出信息，光盘存储器可分为:CD
‑
ROM、CD
‑
R、CD
‑
RW、和DVD
‑
ROM等。
[0004]但在实际的使用过程中，在进行外接设备获取存储信息时，经常会出现外接设备内含病毒的情况，从而使计算机中毒的现象，因此，提出的一种基于大数据的计算机外接设备检测系统及方法。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种基于大数据的计算机外接设备检测系统及方法，以检测计算机获取外接设备存储数据时的数据异常情况。
[0006]本专利技术的目的是通过以下技术方案来实现的：一种基于大数据的计算机外接设备检测系统，包括计算机、外接设备和数据库，所述外接设备与计算机连接用于对计算机进行存储扩充，所述计算机获取外接设备中存储的数据并存入数据库，还包括外接设备检测系统，包括：数据请求模块，连接在计算机与中央控制模块之间，用于对外接设备进行数据获取时发送请求信息；数据调取模块，连接在外接设备与中央控制模块之间，用于在接收到数据请求信号后对外接设备进行数据调取；中央控制模块，用于接收数据请求模块发出的请求信息，并发出调取信号控制数据调取模块获取外接设备的数据；
数据收集模块，与中央控制模块连接，用于将获取到的外接设备数据进行收集；数据处理模块，与数据收集模块连接，用于对收集到的数据信息进行预处理，然后进行数据降维并去除冗余数据；危险系数判断模块，与数据检测模块连接，用于对处理好的数据进行危险系数的判断；数据检测模块，用于根据危险系数对数据进行进一步检测，控制安全预警模块和异常处理模块做出响应；安全预警模块，与数据检测模块连接，用于在检测到异常数据时进行安全预警；异常处理模块，与数据检测模块连接，用于对异常数据进行数据恢复；恶意设备识别模块，与数据检测模块连接，用于对恶意设备进行识别并将其加入黑名单存储在数据库，并控制数据请求模块不再对黑名单中设备进行响应。
[0007]进一步地，所述数据处理模块包括预处理子模块、特征值计算子模块、协方差矩阵计算子模块和特征提取子模块，预处理子模块用于对采集到的数据进行预处理；特征值计算子模块用于对预处理后的数据进行特征值及其平均值进行计算：将预处理后的数据设置为M个样本，每个样本有N维特征，每一个特征都有各自的特征值，求每个特征的平均值：；协方差矩阵计算子模块用于根据计算得到的特征值及其平均值构造协方差矩阵：对所有特征进行去中心化，即去均值，得到M个样本在这N维特征下的协方差矩阵，其中对角线上分别是特征和的方差，非对角线上是协方差，的计算公式为；特征提取子模块用于根据计算得到的协方差矩阵计算特征值及其对应的特征向量，选择最大的前k个特征值和相对应的特征向量进行投影，即对数据完成特征提取：根据特征方程求出其特征值及其对应的特征向量，其中，为特征值，为其对应的特征向量，选择最大的前k个特征值和相对应的特征向量进行投影，投影即为降维的过程，将原始特征从高维度降低到低维度，对数据特征进行提取。
[0008]进一步地，所述危险系数判断模块包括历史评级子模块、异常类型判断子模块、影响因子计算子模块和危险系数评定子模块，历史评级子模块用于根据大量的历史数据，预先对异常数据设置评级；异常类型判断子模块用于对传输进来的数据进行异常类型的判断；影响因子计算子模块用于确定异常数据对系统的影响程度；危险系数评定子模块用于根据异常数据对系统的影响程度确定危险系数。
[0009]进一步地，所述的恶意设备识别模块包括异常统计子模块、恶意识别子模块和结果处理子模块，异常统计子模块用于将异常数据及类型进行统计分析；恶意识别子模块用于当异常数据的数量及类型达到恶意设备判定条件时，将当前设备标记为恶意设备；结果
处理子模块用于构建恶意设备黑名单，并发送给所述数据请求模块和数据库。
[0010]一种基于大数据的计算机外接设备检测方法，具体步骤如下：S1：计算机在需要使用外接设备内存储的信息时，向中央控制模块发送数据调取请求信号；S2：中央控制模块接收到调取请求信号从外接设备进行数据调取到内存；S3：调取数据过程中，中央控制模块控制数据收集模块对传输来的数据进行收集；S4：将收集到的数据传输到数据处理模块，利用主成分分析法对数据进行特征提取并去除冗余数据；S5：将处理后的数据传输到危险系数判断模块，对数据的风险进行评估；S6：在数据危险系数较高时，安全预警模块发出警报，异常处理模块对异常数据进行处理，排除安全风险，然后将调取的数据存储在数据库中；数据危险系数低时，直接将调取的的数据存储在数据库中；S7：恶意设备识别模块根据危险系数对设备进行识别，将识别为恶意设备的外接设备加入黑名单并存储在数据库中，下次再接收到该恶意设备的请求将不再进行响应。
[0011]进一步地，所述的数据处理模块应用主成分分析方法进行特征提取具体步骤如下：S41：将预处理后的数据设置为M个样本，每个样本有N维特征，每一个特征都有各自的特征值；S42：求每个特征的平均值：；S43：对所有特征进行去中心化，即去均值，得到M个样本在这N维特征下的协方差矩阵，其中对角线上分别是特征和的方差，非对角线上是协方差，的计算公式为；S44：得到协方差矩阵后，根据特征方程求出其特征值及其对应的特征向量；其中，为特征值，为其对应的特征向量，选择最大的前k个特征值和相对应的特征向量进行投影，投影即为降维的过程，将原始特征从高维度降低到低维度，对数据特征进行提取。
[0012]进一步地，所述的将处理后的数据传输到危险系数判断模块，对数据的风险进行评估的具体步骤为：S51：通过大量的历史数据，预先对历史异常数据类型设置评级；S52：判本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的计算机外接设备检测系统，包括计算机、外接设备和数据库，所述外接设备与计算机连接用于对计算机进行存储扩充，所述计算机获取外接设备中存储的数据并存入数据库，其特征在于，还包括外接设备检测系统，包括：数据请求模块，连接在计算机与中央控制模块之间，用于对外接设备进行数据获取时发送请求信息；数据调取模块，连接在外接设备与中央控制模块之间，用于在接收到数据请求信号后对外接设备进行数据调取；中央控制模块，用于接收数据请求模块发出的请求信息，并发出调取信号控制数据调取模块获取外接设备的数据；数据收集模块，与中央控制模块连接，用于将获取到的外接设备数据进行收集；数据处理模块，与数据收集模块连接，用于对收集到的数据信息进行预处理，然后应用主成分分析方法进行数据降维并去除冗余数据；危险系数判断模块，与数据检测模块连接，用于对处理好的数据进行危险系数的判断；数据检测模块，用于根据危险系数对数据进行进一步检测，控制安全预警模块和异常处理模块做出响应；安全预警模块，与数据检测模块连接，用于在检测到异常数据时进行安全预警；异常处理模块，与数据检测模块连接，用于对异常数据进行数据恢复；恶意设备识别模块，与数据检测模块连接，用于对恶意设备进行识别并将其加入黑名单存储在数据库，并控制数据请求模块不再对黑名单中设备进行响应。2.根据权利要求1所述的一种基于大数据的计算机外接设备检测系统，其特征在于：所述数据处理模块包括预处理子模块、特征值计算子模块、协方差矩阵计算子模块和特征提取子模块，预处理子模块用于对采集到的数据进行预处理；特征值计算子模块用于对预处理后的数据进行特征值及其平均值进行计算：将预处理后的数据设置为M个样本，每个样本有N维特征，每一个特征都有各自的特征值，求每个特征的平均值：；协方差矩阵计算子模块用于根据计算得到的特征值及其平均值构造协方差矩阵：对所有特征进行去中心化，即去均值，得到M个样本在这N维特征下的协方差矩阵，其中对角线上分别是特征和的方差，非对角线上是协方差，的计算公式为；特征提取子模块用于根据计算得到的协方差矩阵计算特征值及其对应的特征向量，选择最大的前k个特征值和相对应的特征向量进行投影，即对数据完成特征提取：根据特征方程求出其特征值及其对应的特征向量，其中，为特征值，为其对应的特征向量，选择最大的前k个特征值和相对应的特征向量进行投影，投影即为降维的过程，将原始特征从高维度降低到低维度，对数据特征进行提取。3.根据权利要求1所述的一种基于大数据的计算机外接设备检测系统，其特征在于：所
述危险系数判断模块包括历史评级子模块、异常类型判断子模块、影响因子计算子模块和危险系数评定子模块，历史评级子模块用于根据大量的历史数据，预先对异常数据设置评级；异常类型判断子模块用于对传输进来的数据进行异常类型的判断；影响因子计算子模块用于确定异常数据对系统的影响程度；危险系数评定子模块用于根据异常数据对系统的影响程度确定危险系数。4.根据权利要求1所述的一种基于大数据的计算机外接设备检测系统，其特征在于：所述的恶意设备识别模块包括异常统计子模块、恶意识别子模块和结果处理子模块，异常统计子模块用于将异常数据及类型进行统计分析；恶意识别子模块用于当异常数据的数量及类型达到恶意设备判定条件时，将当前...

【专利技术属性】
技术研发人员：王洪平，杜娟，
申请(专利权)人：南充职业技术学院，
类型：发明
国别省市：