本申请提供的一种实时安全性的评估方法及装置，方法包括：获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化；以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果；根据预先设定的决策阈值和所述安全评估结果，确定安全性评估结果。通过KernelSHAP方法，在广泛学习系统结构的基础上确定新收集的监测数据流的重要性，减少近似误差造成的负面影响，将漂移检测和适应性与生成的解释的排序偏好相结合，从而更好地预测实时安全评估任务的结果。的结果。的结果。
【技术实现步骤摘要】
一种实时安全性的评估方法及装置
[0001]本专利技术涉及实时安全性评估
，尤其涉及一种实时安全性的评估方法及装置。
技术介绍
[0002]实时安全评估是工业过程中的重要任务，通过对系统进行持续监测和实时安全评估，在发现安全隐患时能够及时发出警报并进行响应，使得工程师和维护人员能够迅速处理安全隐患问题。传统的安全评估方法可以分为两类：定性分析和定量分析。定性分析采用定性信息进行安全评估，利用信息融合和模糊理论方法来完成任务。定量分析使用性能和状态数据进行安全评估。
[0003]然而在非平稳环境中，评估模型需要检测到重大变化并及时提供有效响应，否则可能会带来不可逆转的损害。因此，进一步研究这些方法在非平稳环境下评估系统安全的有效性至关重要。虽然分块级实时安全评估能最大化利用数据中隐含的统计信息。然而，在实际的分块级实时安全评估任务中，存在许多需要解决的挑战，包括增量模型的更新策略、数据流的失衡性质、有限的注释预算、检测和适应不同的概念漂移等。
技术实现思路
[0004]本专利技术提供一种实时安全性的评估方法及装置，用于减少近似误差造成的负面影响，将漂移检测和适应性与生成的解释的排序偏好相结合，从而更好地预测实时安全评估任务的结果。
[0005]第一方面，本专利技术提供了一种实时安全性的评估方法，包括：
[0006]获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；
[0007]通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化；
[0008]以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果；
[0009]根据预先设定的决策阈值和所述安全评估结果，确定安全性评估结果。
[0010]可选地，以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果，包括：
[0011]以所述更新后的安全指标及其权重，构建初始标记数据集及其注释，并确定所述初始标记数据集中，数据与所述注释间的映射关系；
[0012]基于所述初始标记数据与所述注释间的映射关系，增量更新所述评估模型；
[0013]通过所述更新后的所述评估模型，确定所述预测安全评估结果。
[0014]可选地，通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化，包括：
[0015]基于所述数据块，生成初始解释；
[0016]通过所述KernelSHAP方法，检测所述初始解释与对应的所述安全级别信息之间的概念漂移情况；
[0017]当检测到概念漂移时，更新所述安全指标的权重变化。
[0018]可选地，通过所述KernelSHAP方法，检测所述初始解释与对应的所述安全级别信息之间的概念漂移情况，包括：
[0019]通过所述KernelSHAP方法，确定所述初始解释与所述安全指标间的相对性能；
[0020]基于所述相对性能，确定所述数据块间的排名偏差；
[0021]根据所述排名偏差和预先设定的排名偏差阈值，检测所述概念漂移情况。
[0022]第二方面，本专利技术提供了一种实时安全性的评估装置，包括：
[0023]获取模块，用于获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；
[0024]权重更新模块，用于通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化；
[0025]模型更新模块，用于以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果；
[0026]安全性评估结果确定模块，用于根据预先设定的决策阈值和所述安全评估结果，确定安全性评估结果。
[0027]可选地，所述模型更新模块包括：
[0028]映射关系确定子模块，用于以所述更新后的安全指标及其权重，构建初始标记数据集及其注释，并确定所述初始标记数据集中，数据与所述注释间的映射关系；
[0029]模型更新子模块，用于基于所述初始标记数据与所述注释间的映射关系，增量更新所述评估模型；
[0030]安全评估结果确定子模块，用于通过所述更新后的所述评估模型，确定所述预测安全评估结果。
[0031]可选地，所述权重更新模块包括：
[0032]初始解释生成子模块，用于基于所述数据块，生成初始解释；
[0033]概念漂移检测子模块，用于通过所述KernelSHAP方法，检测所述初始解释与对应的所述安全级别信息之间的概念漂移情况；
[0034]权重更新子模块，用于当检测到概念漂移时，更新所述安全指标的权重变化。
[0035]可选地，所述概念漂移检测子模块包括：
[0036]相对性能确定单元，用于通过所述KernelSHAP方法，确定所述初始解释与所述安全指标间的相对性能；
[0037]排名偏差确定单元，用于基于所述相对性能，确定所述数据块间的排名偏差；
[0038]漂移情况确定单元，用于根据所述排名偏差和预先设定的排名偏差阈值，检测所述概念漂移情况。
[0039]第三方面，本申请提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
[0040]第四方面，本申请提供一种存储介质，其上存储有计算机程序，所述计算机程序被
处理器执行时运行如上述第一方面提供的所述方法中的步骤。
[0041]从以上技术方案可以看出，本专利技术具有以下优点：
[0042]本专利技术提供了一种实时安全性的评估方法及装置，方法包括：获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化；以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果；根据预先设定的决策阈值和所述安全评估结果，确定安全性评估结果。通过KernelSHAP方法，在广泛学习系统结构的基础上确定新收集的监测数据流的重要性，减少近似误差造成的负面影响，将漂移检测和适应性与生成的解释的排序偏好相结合，从而更好地预测实时安全评估任务的结果。
附图说明
[0043]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0044]图1为本专利技术的一种实时安全性的评估方法实施例一的流程步骤图；
[0045]图2为本专利技术的一种实时安全性的评估方法实施例二的流程步骤图；
[0046]图3为在线主动学习框架下的动态模型解释本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种实时安全性的评估方法，其特征在于，包括：获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化；以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果；根据预先设定的决策阈值和所述安全评估结果，确定安全性评估结果。2.根据权利要求1所述的实时安全性的评估方法，其特征在于，以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果，包括：以所述更新后的安全指标及其权重，构建初始标记数据集及其注释，并确定所述初始标记数据集中，数据与所述注释间的映射关系；基于所述初始标记数据与所述注释间的映射关系，增量更新所述评估模型；通过所述更新后的所述评估模型，确定所述预测安全评估结果。3.根据权利要求1所述的实时安全性的评估方法，其特征在于，通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化，包括：基于所述数据块，生成初始解释；通过所述KernelSHAP方法，检测所述初始解释与对应的所述安全级别信息之间的概念漂移情况；当检测到概念漂移时，更新所述安全指标的权重变化。4.根据权利要求3所述的实时安全性的评估方法，其特征在于，通过所述KernelSHAP方法，检测所述初始解释与对应的所述安全级别信息之间的概念漂移情况，包括：通过所述KernelSHAP方法，确定所述初始解释与所述安全指标间的相对性能；基于所述相对性能，确定所述数据块间的排名偏差；根据所述排名偏差和预先设定的排名偏差阈值，检测所述概念漂移情况。5.一种实时安全性的评估装置，其特征在于，包括：获取模块，用于获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；权重更新模块，用于通过KernelSHAP方法，基于所述安全级别信息，更新所述安...
【专利技术属性】
技术研发人员：何潇，刘泽夷，
申请(专利权)人：清华大学，
类型：发明
国别省市：
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。