空天地农业环境监测系统恶意软件的传播和控制方法技术方案

空天地农业环境监测系统恶意软件的传播和控制方法，属于农业物联网技术领域，空天地农业环境监测系统恶意软件的传播和控制方法，包括以下步骤：S1构建空天地农业环境监测系统，S2构建SEIR传染病模型，S3针对恶意软件传播的最优控制策略，S4基于深度学习拟合最优控制策略，对恶意软件的传播进行实时控制，本文首先构建出空天地农业环境监测系统，然后引入SEIR传染病模型对系统恶意软件传播进行建模和分析，利用庞德里亚金极值原理求解得到针对恶意软件传播的最优控制策略，最后使用深度学习拟合最优控制策略，对系统恶意软件传播进行实时控制，防止破坏设备以及保护数据，防止恶意软件窃取数据。意软件窃取数据。意软件窃取数据。

【技术实现步骤摘要】
空天地农业环境监测系统恶意软件的传播和控制方法


[0001]本专利技术属于农业物联网
，具体是空天地农业环境监测系统恶意软件的传播和控制方法。

技术介绍

[0002]现代农业将物联网，无线通信，云计算，智能控制等相关技术融合起来，发展成为“智慧农业”。农业环境监测是一个非常重要的研究方向，环境和农作物的各项数据和指标关乎农作物的生长和农场的收益。监测的内容包括：环境的温湿度，光照度，二氧化碳浓度；土壤的温湿度，PH值，EC值等；农作物的大小，长势，虫害情况等。由于农场环境的复杂性，卫星技术和无人机辅助监测技术近年来在农业环境监测中取得不错的效果。在大规模或者地势复杂偏僻的农场中，卫星可以对农场不同区域的面积，作物的长势，环境地势等做测量和计算，还可以起到快速通信的作用；无人机由于其高机动性和便携性也能有效地执行监测任务，它可以从空中监测农作物的大小长势和虫害情况，可以和农场的地面无线传感器网络通信，作为多功能的中继节点，实现地面无线传感器网络和卫星、基站的远距通信任务。
[0003]地面无线传感器网络，无人机，卫星和基站等多方数据传输和通讯时，必然存在恶意软件的入侵和传播，恶意软件会窃取我们的数据，甚至破坏各设备导致部分功能不可用，所以对农业环境监测系统恶意软件的传播进行严格的控制是必要的。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了空天地农业环境监测系统恶意软件的传播和控制方法，解决了上述的问题。
[0006](二)技术方案
[0007]为实现上述所述目的，本专利技术提供如下技术方案：空天地农业环境监测系统恶意软件的传播和控制方法，包括以下步骤：
[0008]S1：构建空天地农业环境监测系统；
[0009]S2：构建SEIR传染病模型；
[0010]S3：针对恶意软件传播的最优控制策略；
[0011]S4：基于深度学习拟合最优控制策略，对恶意软件的传播进行实时控制。
[0012]优选的，所述S1构件监测系统的组成部分具体有卫星、无人机网络以及地面无线传感器网络：
[0013]卫星的作用是基于对大规模农场各个农作物区域面积进行测算，同时为无人机提供定位和导航服务；
[0014]无人机的作用是基于对地面无线传感器网络通讯，收集传感器的监测数据，带回基站分析，对某些能量过低的传感器进行无线充电，延长它们的使用寿命，携带摄像头对农作物的大小长势，虫害情况进行监测；
[0015]地面无线传感器的作用是基于无线传感器布置在大规模农场的各个区域，传感器之间可以相互通信，自组织成一定拓扑结构的无线传感器网络，协调完成监测任务，传感器可对地面环境的温湿度，光照度，二氧化碳浓度进行监测，对土壤的温湿度，PH值，EC值等进行监测，监测数据可以暂时储存在传感器内部。
[0016]优选的，所述卫星、无人机以及地面无线传感器之间的关系为每个地面无线传感器与相对应区域的无人机通信连接在一起，且卫星与无人机之间通信连接在一起。
[0017]优选的，所述S2构建SEIR传染病模型中的具体模型为双层的SEIR传染病模型，分别为无人机网络和地面无线传感器网络上下两层的传播模型，且无人机网络和地面无线传感器网络两层模型存在交叉感染现象；
[0018]无人机和地面无线传感器节点的状态有四种，均为易感节点、潜伏节点、已感染节点以及康复节点，其中，易感节点表示此节点尚未感染恶意软件，但容易受到入侵；
[0019]潜伏节点表示此节点已被感染但是恶意软件正在潜伏，尚未进行传播和破坏；
[0020]已感染节点表示此节点已被感染，并且恶意软件正在进行传播和破坏；
[0021]康复节点表示此节点打了补丁，可防御和清除恶意软件。
[0022]优选的，所述无人机网络和地面无线传感器网络交叉感染产生的交叉感染率分为两种，分别为无人机对地面无线传感器的交叉感染率β
21
以及地面无线传感器对无人机的交叉感染率β
12
；
[0023]无人机对地面无线传感器的交叉感染率为β
21
，此区域被感染的无线传感器易感节点数量为已感染无人机的数量为I1(t)，则整个区域被感染的无线传感器易感节点数量为令
[0024]地面无线传感器对无人机的交叉感染率为β
12
，此区域被感染的无人机易感节点数量为其中Ω表示此区域含有无线传感器已感染节点的概率，无人机易感节点的数量为S1(t)，则整个区域被感染的无人机易感节点数量为令β
12
＝Ωεξ。
[0025]优选的，所述S3针对恶意软件传播的最优控制策略中具体采用庞德里亚金极值原理，其中基于庞德里亚金极值原理设计最优控制策略的具体步骤为：
[0026]列出系统的微分方程；
[0027]构建目标函数；
[0028]基于目标函数和状态方程构建Hamiltonian函数；
[0029]根据Hamiltonian函数求解协态方程；
[0030]求解协态变量的横截条件；
[0031]最优控制率的求解。
[0032]优选的，所述S4基于深度学习拟合最优控制策略中深度学习方法采用了编码器
‑
解码器结构并且使用了卷积神经网络和长短期记忆网络，简称ED CNN
‑
LSTM模型。
[0033]优选的，所述ED CNN
‑
LSTM模型的具体设计步骤为：
[0034]离线求解最优控制策略，生成数据库；
[0035]搭建ED CNN
‑
LSTM模型；
[0036]离线训练和测试ED CNN
‑
LSTM模型。
[0037]优选的，所述离线训练和测试ED CNN
‑
LSTM模型中离线设计好的深度学习模型ED CNN
‑
LSTM上传到在线的空天地农业环境监测系统中，可以精确拟合最优控制策略，对恶意软件的传播进行实时控制。
[0038](三)有益效果
[0039]与现有技术相比，本专利技术提供了空天地农业环境监测系统恶意软件的传播和控制方法，具备以下有益效果：
[0040]1.本文设计了一种基于最优控制和深度学习对空天地农业环境监测系统恶意软件传播的控制方法，本文首先构建出空天地农业环境监测系统，然后引入SEIR传染病模型对系统恶意软件传播进行建模和分析，利用庞德里亚金极值原理求解得到针对恶意软件传播的最优控制策略，最后使用深度学习拟合最优控制策略，对系统恶意软件传播进行实时控制，防止破坏设备以及保护数据，防止恶意软件窃取数据。
[0041]2.离线设计好的深度学习模型ED CNN
‑
LSTM可以精确拟合最优控制策略，将此模型上传到在线的空天地农业环境监测系统中，当系统运行时，ED CNN
‑
LSTM模型获取到系统各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.空天地农业环境监测系统恶意软件的传播和控制方法，其特征在于，包括以下步骤：S1：构建空天地农业环境监测系统；S2：构建SEIR传染病模型；S3：针对恶意软件传播的最优控制策略；S4：基于深度学习拟合最优控制策略，对恶意软件的传播进行实时控制。2.根据权利要求1所述的空天地农业环境监测系统恶意软件的传播和控制方法，其特征在于：所述S1构件监测系统的组成部分具体有卫星、无人机网络以及地面无线传感器网络：卫星的作用是基于对大规模农场各个农作物区域面积进行测算，同时为无人机提供定位和导航服务；无人机的作用是基于对地面无线传感器网络通讯，收集传感器的监测数据，带回基站分析，对某些能量过低的传感器进行无线充电，延长它们的使用寿命，携带摄像头对农作物的大小长势，虫害情况进行监测；地面无线传感器的作用是基于无线传感器布置在大规模农场的各个区域，传感器之间可以相互通信，自组织成一定拓扑结构的无线传感器网络，协调完成监测任务。3.根据权利要求2所述的空天地农业环境监测系统恶意软件的传播和控制方法，其特征在于：所述卫星、无人机以及地面无线传感器之间的关系为每个地面无线传感器与相对应区域的无人机通信连接在一起，且卫星与无人机之间通信连接在一起。4.根据权利要求3所述的空天地农业环境监测系统恶意软件的传播和控制方法，其特征在于：所述S2构建SEIR传染病模型中的具体模型为双层的SEIR传染病模型，分别为无人机网络和地面无线传感器网络上下两层的传播模型，且无人机网络和地面无线传感器网络两层模型存在交叉感染现象；无人机和地面无线传感器节点的状态有四种，均为易感节点、潜伏节点、已感染节点以及康复节点，其中，易感节点表示此节点尚未感染恶意软件，但容易受到入侵；潜伏节点表示此节点已被感染但是恶意软件正在潜伏，尚未进行传播和破坏；已感染节点表示此节点已被感染，并且恶意软件正在进行传播和破坏；康复节点表示此节点打了补丁，可防御和清除恶意软件。5.根据权利要求4所述的空天地农业环境监测系统恶意软件的传播和控制方法，其特征在于：所述无人机网络和地面无线传感器网络交叉感染产生的交叉感染率分为两种，分别为无人机对地面无线传感器的交叉感染率β
21
以及地面...

【专利技术属性】
技术研发人员：刘贵云，张杰钊，梁忠伟，钟晓静，程乐峰，刘晓初，
申请(专利权)人：广州大学，
类型：发明
国别省市：