System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及物联网,并且更具体地,涉及一种适用于物联网的智能家居安全预警方法及系统。
技术介绍
1、随着科技进步和人们对生活便利性的追求,智能家具产品作为一种新型的家庭产品出现在人们的生活中。智能家具是利用物联网技术和人工智能技术,通过集成传感器和智能控制设备,来实现智能化、自动化和智能联网的功能,以提高用户生活品质和便利度。智能家电产品包括智能洗衣机、智能电视、智能音响、智能空调、智能冰箱等众多种类。
2、智能家居作为未来家居的发展方向,已经越来越多地被广大消费者所接受。然而,随着智能家居设备的普及和广泛应用,其安全问题也越来越受到关注。
3、智能家居存在的安全隐患,如下包括:
4、设备漏洞:许多智能家居设备存在安全漏洞,黑客可以通过漏洞远程控制设备,甚至窃取个人信息、破坏家庭设备等。
5、网络攻击:智能家居设备通常通过互联网进行通信,黑客可以通过网络攻击,破坏设备的通信功能,甚至控制整个智能家居系统。
6、数据泄露:智能家居设备通常存储着用户的个人数据,黑客可以通过漏洞等手段窃取数据,造成用户的隐私泄露和个人财产损失。
7、随着智能家居市场的不断扩大和安全问题的日益突出,未来智能家居的发展将更加注重安全性。一方面,智能家居设备的设计和生产将更加注重安全性,加强安全标准和审核机制;另一方面,智能家居的安全性将更加智能化和自适应,通过人工智能技术实时监测和防范安全风险。
技术实现思路
1、针对上述问题,本专利
2、基于安全网关设备采集物联网与智能家居的历史交互数据,对所述历史交互数据进行预处理,并针对所述预处理后的历史交互数据,进行特征向量的提取,得到所述预处理后的历史交互数据的特征向量,并基于所述特征向量生成特征向量集;
3、将所述特征向量集上传至云端服务器,在所述云端服务器中,以所述特征向量集作为预先建立的安全预警数据模型的输入数据,对所述安全预警模型进行训练,得到决策模型;
4、通过云端服务器,将所述决策模型下发至安全网关设备,令所述安全网关设备对所述决策模型进行学习,使所述安全网关设备得到安全预警模型;
5、基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,当所述安全预警模型监测到所述交互数据为异常数据或异常指令数据时,发出报警。
6、可选的,历史交互数据,包括:历史异常数据、历史异常指令数据和历史安全数据。
7、可选的,对所述交互数据进行预处理,具体为:对所述交互数据进行归一化处理。
8、可选的,特征向量,包括:历史异常数据的特征向量,历史异常指令的特征向量和历史安全数据的特征向量。
9、可选的,在所述云端服务器中,基于云端服务器的分类算法,建立安全预警数据模型。
10、可选的,决策模型用于识别历史异常指令的特征向量和历史安全数据的特征向量。
11、可选的,基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,包括:
12、获取所述物联网与所述智能家居的交互数据,对所述交互数据进行预处理后,得到归一化的交互数据,并提取出所述归一化的交互数据的特征向量,将所述特征向量输入至所述安全预警模型中,基于所述安全预警模型对所述特征向量进行识别,以确定所述特征向量对应的交互数据为安全数据、异常数据或异常指令数据。
13、可选的,基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,还包括:
14、若确定特征向量所对应的交互数据不属于如下中的任意一种数据:安全数据、异常数据或异常指令数据,则将所述特征向量所对应的交互数据,作为异常数据,并发出报警;
15、并对所述特征向量所对应的交互数据进行识别,以将识别后的特征向量所对应的交互数据作为安全数据、异常数据或异常指令数据,并提取出所述特征向量所对应的交互数据的特征向量,以所述特征向量对安全预警模型进行更新。
16、再一方面,本专利技术还提出了一种适用于物联网的智能家居安全预警系统,包括:
17、特征提起单元,用于基于安全网关设备采集物联网与智能家居的历史交互数据,对所述历史交互数据进行预处理,并针对所述预处理后的历史交互数据,进行特征向量的提取,得到所述预处理后的历史交互数据的特征向量,并基于所述特征向量生成特征向量集;
18、决策单元,用于将所述特征向量集上传至云端服务器,在所述云端服务器中,以所述特征向量集作为预先建立的安全预警数据模型的输入数据,对所述安全预警模型进行训练,得到决策模型;
19、学习单元,用于通过云端服务器,将所述决策模型下发至安全网关设备,令所述安全网关设备对所述决策模型进行学习,使所述安全网关设备得到安全预警模型;
20、报警单元,用于基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,当所述安全预警模型监测到所述交互数据为异常数据或异常指令数据时,发出报警。
21、可选的,历史交互数据,包括:历史异常数据、历史异常指令数据和历史安全数据。
22、可选的,对所述交互数据进行预处理,具体为:对所述交互数据进行归一化处理。
23、可选的,特征向量,包括:历史异常数据的特征向量,历史异常指令的特征向量和历史安全数据的特征向量。
24、可选的,在所述云端服务器中,基于云端服务器的分类算法,建立安全预警数据模型。
25、可选的,决策模型用于识别历史异常指令的特征向量和历史安全数据的特征向量。
26、可选的,基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,包括:
27、获取所述物联网与所述智能家居的交互数据,对所述交互数据进行预处理后,得到归一化的交互数据,并提取出所述归一化的交互数据的特征向量,将所述特征向量输入至所述安全预警模型中,基于所述安全预警模型对所述特征向量进行识别,以确定所述特征向量对应的交互数据为安全数据、异常数据或异常指令数据。
28、可选的,基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,还包括:
29、若确定特征向量所对应的交互数据不属于如下中的任意一种数据:安全数据、异常数据或异常指令数据,则将所述特征向量所对应的交互数据,作为异常数据,并发出报警;
30、并对所述特征向量所对应的交互数据进行识别,以将识别后的特征向量所对应的交互数据作为安全数据、异常数据或异常指令数据,并提取出所述特征向量所对应的交互数据的特征向量,以所述特征向量对安全预警模型进行更新。
31、再一方面,本专利技术还提供了一种计算设备,包括:一个或多个处理器;
32、处理器,用于执行一个或多个程序;<本文档来自技高网...
【技术保护点】
1.一种适用于物联网的智能家居安全预警方法,其特征在于,所述方法包括:
2.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述历史交互数据,包括:历史异常数据、历史异常指令数据和历史安全数据。
3.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述对所述交互数据进行预处理,具体为:对所述交互数据进行归一化处理。
4.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述特征向量,包括:历史异常数据的特征向量,历史异常指令的特征向量和历史安全数据的特征向量。
5.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述在所述云端服务器中,基于云端服务器的分类算法,建立安全预警数据模型。
6.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述决策模型用于识别历史异常指令的特征向量和历史安全数据的特征向量。
7.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述基于所述安全网关设备的安全预警模型,对所述物联网与所述智能
8.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,还包括:
9.一种适用于物联网的智能家居安全预警系统,其特征在于,所述系统包括:
10.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述历史交互数据,包括:历史异常数据、历史异常指令数据和历史安全数据。
11.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述对所述交互数据进行预处理,具体为:对所述交互数据进行归一化处理。
12.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述特征向量,包括:历史异常数据的特征向量,历史异常指令的特征向量和历史安全数据的特征向量。
13.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述在所述云端服务器中,基于云端服务器的分类算法,建立安全预警数据模型。
14.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述决策模型用于识别历史异常指令的特征向量和历史安全数据的特征向量。
15.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,包括:
16.根据权利要求9所述的适用于物联网的智能家居预警系统,其特征在于,所述基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,还包括:
17.一种计算机设备,其特征在于,包括:
18.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1-8中任一所述的方法。
...【技术特征摘要】
1.一种适用于物联网的智能家居安全预警方法,其特征在于,所述方法包括:
2.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述历史交互数据,包括:历史异常数据、历史异常指令数据和历史安全数据。
3.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述对所述交互数据进行预处理,具体为:对所述交互数据进行归一化处理。
4.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述特征向量,包括:历史异常数据的特征向量,历史异常指令的特征向量和历史安全数据的特征向量。
5.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述在所述云端服务器中,基于云端服务器的分类算法,建立安全预警数据模型。
6.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述决策模型用于识别历史异常指令的特征向量和历史安全数据的特征向量。
7.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,包括:
8.根据权利要求1所述的适用于物联网的智能家居预警方法,其特征在于,所述基于所述安全网关设备的安全预警模型,对所述物联网与所述智能家居的交互数据进行监测,还包括:
9.一种适用于物联网的智能家居安全预警系统,其特征在于,所述系统包括:
10.根据权...
【专利技术属性】
技术研发人员:张玮,宁红宙,戴大鑫,王永宝,赵永宽,许立华,
申请(专利权)人:航天信息股份有限公司,
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。