【技术实现步骤摘要】
本专利技术涉及异常检测，特别涉及一种基于节点可信度的设备异常检测方法。
技术介绍
1、随着计算机技术的持续进步工业控制计算机(ipc)已在众多工业生产领域扮演着重要角色，其目的在于降低生产成本、优化能源利用效率、提升产品质量以及工作效能。然而，由于环境的多变性、硬件故障的突发、软件运行的异常等因素，ipc在运行过程中易出现多种异常状况，这无疑会对工业智能化系统的稳定性和可靠性产生重大影响。
2、在工业化生产环境中，随着设备运作产生的大量数据，传统模式通常是将这些数据传输至云服务器进行集中处理，随后将处理结果反馈至对应的设备。这种模式无疑增加了中心服务器的负担，并且在数据传输过程中易出现时延，这与工业生产中对数据处理实时的要求形成了矛盾。
3、因此，本专利技术提供一种基于节点可信度的设备异常检测方法，以解决现有技术中存在的问题。
技术实现思路
1、本专利技术目的是：提供一种基于节点可信度的设备异常检测方法，以解决现有技术中运维平台异常检测过程中，云端数据处理量大，容易出现时延，导致效率低和误报等问题。
2、本专利技术的技术方案是：一种基于节点可信度的设备异常检测方法，包括：
3、获取设备内部环境状态、设备与云服务中心的交互状态以及设备与设备的通信状态；
4、基于获取的设备的三方运行状态，提取表征设备三方运行状态的特征参数，具体为：设备内部环境特征参数，设备与云服务中心的交互特征参数以及设备与设备的通信特征参数；
6、根据所述直接信任值、所述间接信任值和所述包转发信任值，获得对所述设备的综合信任度；
7、通过综合信任度与预设信任阈值的比较结果，判断设备是否异常。
8、优选的，计算直接信任值的过程包括：
9、根据厂区内设备的分布，采集目标厂区内设备的内部环境状态；
10、并将采集的设备的内部环境状态传输至边缘设备，所述边缘设备通过边缘计算的方式筛选提取设备内部环境特征参数；
11、将所述设备内部环境特征参数导入构建于所述边缘设备内部的第一信任评估模型，获取所述设备的直接信任值。
12、优选的，所述内部环境特征参数设置为设备的cpu利用率、内存利用率以及磁盘利用率；
13、所述cpu利用率为在给定时间内，实用的cpu资源百分比；
14、cpu利用率计算公式为：cpu利用率(％)＝(cpu使用时间/cpu总时间)x100；
15、所述内存利用率为在给定时间内，使用的内存资源百分比；
16、内存利用率计算公式为：内存利用率(％)＝(已用内存/总内存)x100；
17、所述磁盘利用率为在给定时间内，使用磁盘资源百分比；
18、磁盘利用率计算公式为：磁盘利用率(％)＝(已用磁盘空间/总磁盘空间)x100)。
19、优选的，所述第一信任评估模型基于设备的内部环境特征参数计算设备的所述直接信任值，计算公式为：
20、td＝n(t),n(f)
21、其中
22、
23、
24、t表示实体可信，f表示实体不可信；
25、由据证理论，用n1，n2，n3分别表示当前实体的cpu利用率、内存利用率和硬盘利用率，td表示直接信任值；
26、所述直接信任值是在当前环境下，整合能够影响实体自身状况的影响因素因素的前提下，而获得的对实体可信任的程度。
27、aij(i＝1,2,3，j＝1,2,3)表示对应实体的信任概率。
28、优选的，在设备的云服务中心的平台内构建有第二信任评估模型和第三信任评估模型；
29、基于云服务中心的服务信息记录，采集设备与云服务中心的交互状态，以提取设备与云服务中心的交互特征参数；将所述设备与云服务中心的交互特征参数导入所述第二信任评估模型，获取所述设备的间接信任值；
30、基于设备通信记录，采集设备的通信状态，以提取设备与设备的通信特征参数；将所述设备与设备的通信特征参数导入所述第三信任评估模型，获取所述设备的包转发信任值；
31、所述设备与云服务中心的交互特征参数为设备与云服务中心的交互次数和交互成功率；所述通信特征参数为数据包转发率。
32、优选的，间接信任值计算公式为：
33、
34、tind表示间接信任值，j表示实体节点，
35、优选的，假设a向b应该转发x个数据包，而b实际接收到y个数据包(x≤y)，则包转发信任值计算公式为：
36、
37、tp表示包转发信任值，θ为经验值，表示设备允许的误差值，其取值大于0。
38、优选的，所述综合信任值的计算公式为：
39、t＝αtd+βtind+γtp
40、t表示综合信任值，其中α，β，γ＞0，且α+β+γ＝1,0≤t≤1。
41、优选的，所述综合信任值超出预设的所述信任阈值，则判定设备系统异常，并触发告警；所述信任阈值区间为0.4～1。
42、与现有技术相比，本专利技术的优点是：
43、(1)本专利技术基于节点信任度构建信任评估模型，通过云边结合的方式采集和处理运维平台和设备信息，获得设备特征参数、交互访问特征参数和数据转发特征参数，在边缘端和云服务中心端中，分别基于信任评估模型对相应的信任值进行计算，从多个维度(直接信任、间接信任和包转发信任)对综合信任进行评估，基于综合信任与预设的信任阈值的比较结果，判断设备和运维平台是否异常。
44、(2)通过云边协同进行数据处理，减少数据传输，减轻云端的运行压力，减小时延，提高云边协同对工业设备的监测效率和精度，能够快速准确地检测出异常，提高设备的整体可靠性。
45、(3)采用多维度的信任评估策略，包括直接信任、信任和包转发信任，确保边缘、传输和云端数据的安全性，通过综合分析信任度量，能够有效地衡量数据在各个节点和路径上的可靠性，从而保障数据的机密性、完整性和可用性。
本文档来自技高网...【技术保护点】
1.一种基于节点可信度的设备异常检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于节点可信度的设备异常检测方法，其特征在于，计算直接信任值的过程包括：
3.根据权利要求2所述的一种基于节点可信度的设备异常检测方法，其特征在于，所述内部环境特征参数设置为设备的CPU利用率、内存利用率以及磁盘利用率；
4.根据权利要求2所述的一种基于节点可信度的设备异常检测方法，其特征在于，所述第一信任评估模型基于设备的内部环境特征参数计算设备的所述直接信任值，计算公式为：
5.根据权利要求1所述的一种基于节点可信度的设备异常检测方法，其特征在于，在设备的云服务中心的平台内构建有第二信任评估模型和第三信任评估模型；
6.根据权利要求4所述的一种基于节点可信度的设备异常检测方法，其特征在于，所述间接信任值计算公式为：
7.根据权利要求6所述的一种基于节点可信度的设备异常检测方法，其特征在于，假设A向B应该转发x个数据包，而B实际接收到y个数据包(x≤y)，则包转发信任值计算公式为：
8.根据权利要求7所述的
9.根据权利要求1所述的一种基于节点可信度的设备异常检测方法，其特征在于，所述综合信任值超出预设的所述信任阈值，则判定设备系统异常，并触发告警；所述信任阈值区间为0.4～1。
...【技术特征摘要】
1.一种基于节点可信度的设备异常检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于节点可信度的设备异常检测方法，其特征在于，计算直接信任值的过程包括：
3.根据权利要求2所述的一种基于节点可信度的设备异常检测方法，其特征在于，所述内部环境特征参数设置为设备的cpu利用率、内存利用率以及磁盘利用率；
4.根据权利要求2所述的一种基于节点可信度的设备异常检测方法，其特征在于，所述第一信任评估模型基于设备的内部环境特征参数计算设备的所述直接信任值，计算公式为：
5.根据权利要求1所述的一种基于节点可信度的设备异常检测方法，其特征在于，在设备的云服务中心的平台内构建有第二...
【专利技术属性】
技术研发人员：吴戈，王小勇，王德全，王梦，马姣姣，
申请(专利权)人：苏州阿普奇物联网科技有限公司，
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。