一种用于物联网数据的风险识别预警方法技术

本发明专利技术公开了一种用于物联网数据的风险识别预警方法

【技术实现步骤摘要】
一种用于物联网数据的风险识别预警方法、系统及存储介质


[0001]本专利技术属于风险识别预警
，具体的说是一种用于物联网数据的风险识别预警方法
、
系统及存储介质
。

技术介绍

[0002]随着物联网技术的发展，人们的省会越来越依赖于智能设备和物联网技术，随之而来的是物联网设备产生很多数据，这些数据是物联网设备在运行时产生的，对判断物联网设备是否会发现故障
、
识别风险具有很大的帮助作用，目前根据物联网数据来识别物联网设备是否会发现故障
、
识别风险的方法较少，且准确率较低，不能达到预期的效果
。
[0003]如授权公告号为
CN107563757B
的中国专利公开了一种数据风险控制的方法及装置，涉及互联网
，主要目的在于解决针对单笔交易数据进行风险防控的风险控制体系，无法对分散的批量交易数据进行风险识别的问题，快速
、
准确地识别出批量交易数据中存在的风险
。
该专利技术的技术方案包括：对预定时间段内的批量交易数据按照第一属性进行分类；针对每个类别的批量交易数据分别根据第二属性生成对应的用于识别批量交易数据中存在风险的图的图指标；将不同类别的批量交易数据对应的所述图指标分别输入到对应的风险识别模型，根据模型输出结果得到输入图指标对应的批量交易数据是否有风险
。
[0004]如授权公告号为
CN110675263B
的中国专利公开了交易数据的风险识别方法以及装置，其中所述交易数据的风险识别方法包括：通过采用埋点的方式获取用户的待识别埋点交易数据，并调用风险防控应用中采用埋点的方式获取到的至少一个风险交易场景特征群的埋点操作数据；然后将所述待识别埋点交易数据以及所述埋点操作数据按照数据的产生时间先后顺序依次进行排序以实现所述待识别埋点交易数据和所述埋点操作数据的结合，再通过将结合后的所述待识别埋点交易数据和埋点操作数据输入预先训练的风险识别模型以对所述待识别埋点交易数据进行风险识别，最后根据所述风险识别模型输出的风险识别结果对所述待识别埋点交易数据进行风险防控
。

技术实现思路

[0005]针对现有技术的不足，本专利技术提出了一种用于物联网数据的风险识别预警方法
、
系统及存储介质，采集物联网设备产生的数据，并对物联网设备数据进行预处理，利用卷积神经网络模型，基于物联网设备数据，对物联网设备的风险进行识别，对识别出的风险进行评估，根据风险的严重程度和出现的概率进行分级，根据风险评估结果和分级结果，发送预警信息给系统和管理人员，并提供相应的措施进行处理或防范，持续监测物联网数据，基于物联网数据实时对物联网设备进行风险识别和预警
。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种用于物联网数据的风险识别预警方法，包括以下步骤：
[0008]步骤
S1
：采集物联网设备产生的数据，并对物联网设备数据进行预处理；
[0009]步骤
S2
：利用卷积神经网络模型，基于物联网设备数据，对物联网设备的风险进行
识别；
[0010]步骤
S3
：对识别出的风险进行评估，根据风险的严重程度和出现的概率进行分级；
[0011]步骤
S4
：根据风险评估结果和分级结果，发送预警信息给系统和管理人员，并提供相应的措施进行处理或防范；
[0012]步骤
S5
：持续监测物联网数据，基于物联网数据实时对物联网设备进行风险识别和预警
。
[0013]具体的，所述步骤
S1
中的物联网设备产生的数据包括设备机械特性数据
。
[0014]具体的，所述步骤
S1
中的预处理包括数据清洗，去除异常值和补正缺失值
。
[0015]具体的，所述步骤
S2
的具体步骤为：
[0016]步骤
S201
：设定设备物联网数据为
Q
，，其中，表示第
m
种机械特性，表示第
m
种机械特性的历史数据集合，，表示第
m
种机械特性的第
n
个历史数据；
[0017]步骤
S202
：利用训练好的风险识别神经网络，对设备物联网数据的特征进行提取，并将提取的特征输入归一化函数中，得到归一化的特征值，将归一化的特征值输入风险识别神经网络模型中，对物联网设备风险进行识别
。
[0018]具体的，所述步骤
S202
中的风险识别神经网络为
LeNet
－5卷积神经网络
。
[0019]具体的，所述步骤
S3
的具体步骤为：
[0020]步骤
S301
：对物联网设备的第
i
种机械特性风险值进行计算，物联网设备的每一种机械特性风险值的计算公式为：，其中，表示物联网设备的每一种机械特性风险值，
i
表示第
i
种机械特性，表示第
i
种机械特性的历史数据中的最大值，表示第
i
种机械特性的历史数据中最大值所对应的正常值，表示第一次监测到的第
i
种机械特性的最大值和正常值的差值；
[0021]步骤
S302
：计算物联网设备的风险值，计算公式为：，其中，表示物联网设备的风险值，
p
表示发生故障的概率，，表示物联网设备在使用期间发生的故障次数，表示物联网设备使用次数；
[0022]步骤
S303
：根据物联网设备的风险值，对风险的严重程度进行划分，划分公式为：，其中，表示风险的严重程度，
1、2、3
和4分别表示Ⅰ、Ⅱ、Ⅲ和Ⅳ级风险
。
[0023]一种用于物联网数据的风险识别预警系统，包括：物联网数据采集模块，物联网数据预处理模块，风险识别评估模块，风险预警模块，实时监测模块；
[0024]所述物联网数据采集模块，用于采集物联网设备的机械特性数据；
[0025]所述物联网数据预处理模块，用于对采集物联网设备的机械特性数据进行数据清
洗，去除异常值和补正缺失值；
[0026]所述风险识别评估模块，用于根据采集物联网设备的机械特性数据，对物联网设备的风险进行识别，并对物联网设备的风险值进行计算和风险程度评估；
[0027]所述风险预警模块，用于根据评估的风险程度，进行预警，并提供相应的措施进行处理或防范；
[0028]所述实时监测模块，用于实时监测物联网设备，采集物联网数据，进行预处理，风险识别和评估，并预警
。
[0029]具体的，所述风险识别评估模块包括风险识别单元和风险评估单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于物联网数据的风险识别预警方法，其特征在于，包括以下步骤：步骤
S1
：采集物联网设备产生的数据，并对物联网设备数据进行预处理；步骤
S2
：利用卷积神经网络模型，基于物联网设备数据，对物联网设备的风险进行识别；步骤
S3
：对识别出的风险进行评估，根据风险的严重程度和出现的概率进行分级；步骤
S4
：根据风险评估结果和分级结果，发送预警信息给系统和管理人员，并提供相应的措施进行处理或防范；步骤
S5
：持续监测物联网数据，基于物联网数据实时对物联网设备进行风险识别和预警
。2.
如权利要求1所述的一种用于物联网数据的风险识别预警方法，其特征在于，所述步骤
S1
中的物联网设备产生的数据包括设备机械特性数据
。3.
如权利要求2所述的一种用于物联网数据的风险识别预警方法，其特征在于，所述步骤
S1
中的预处理包括数据清洗，去除异常值和补正缺失值
。4.
如权利要求3所述的一种用于物联网数据的风险识别预警方法，其特征在于，所述步骤
S2
的具体步骤为：步骤
S201
：设定设备物联网数据为
Q
，，其中，表示第
m
种机械特性，表示第
m
种机械特性的历史数据集合，，表示第
m
种机械特性的第
n
个历史数据；步骤
S202
：利用训练好的风险识别神经网络，对设备物联网数据的特征进行提取，并将提取的特征输入归一化函数中，得到归一化的特征值，将归一化的特征值输入风险识别神经网络模型中，对物联网设备风险进行识别
。5.
如权利要求4所述的一种用于物联网数据的风险识别预警方法，其特征在于，所述步骤
S202
中的风险识别神经网络为
LeNet
－5卷积神经网络
。6.
如权利要求5所述的一种用于物联网数据的风险识别预警方法，其特征在于，所述步骤
S3
的具体步骤为：步骤
S301
：对物联网设备的第
i
种机械特性风险值进行计算，物联网设备的每一种机械特性风险值的计算公式为：，其中，表示物联网设备的每一种机械特性风险值，
i
表示第
i
种机械特性，表示第
i
种机械特性的历...

【专利技术属性】
技术研发人员：顾亮，李峰，
申请(专利权)人：南京怡晟安全技术研究院有限公司，
类型：发明
国别省市：