【技术实现步骤摘要】
本专利技术涉及异常检测技术，尤其涉及一种基于物联网的电子设备异常数据检测方法及系统。
技术介绍
1、随着物联网技术的快速发展，越来越多的电子设备通过网络相互连接，形成了一个庞大的信息交换和数据处理平台。这些设备不断产生大量数据，这些数据不仅包括正常运行时的数据，也包括可能指示设备故障或性能下降的异常数据。因此，对这些数据进行有效的监测和分析，对于保障设备运行的可靠性、安全性及时发现和预防潜在问题至关重要。
2、在物联网环境中，传统的数据检测方法面临着多方面的挑战。首先，由于连接的设备种类繁多，数据类型复杂多样，使得对数据进行统一的处理和分析变得困难。其次，物联网设备产生的数据量巨大，传统的数据处理方法难以实时有效地处理这些数据，容易造成数据处理瓶颈。再次，异常数据的检测往往需要高度的灵敏度和准确性，而传统方法在面对复杂和动态变化的数据环境时，往往难以满足这一要求。
技术实现思路
1、本专利技术实施例提供一种基于物联网的电子设备异常数据检测方法及系统，至少能够解决现有技术中部分问题。
2、本专利技术实施例的第一方面，
3、提供基于物联网的电子设备异常数据检测方法，包括：
4、从物联网中电子设备的传感器收集设备运行数据，分别确定本地服务器和云服务器对所述设备运行数据的检测耗时，选择所述检测耗时最短的服务器进行异常检测，如果选择所述云服务器，则基于约定的关键词和公钥，通过关键词加密算法，分别将所述设备运行数据加密成全文密文，以及将所述关键词
5、所述云服务器接收所述密文数据包，从所述密文数据包中分离出关键词密文，基于关键词解密算法对所述密文数据包进行解密，得到所述设备运行数据；
6、基于训练完成的异常检测模型，将所述设备运行数据输入所述异常检测模型，得到异常数据结果，其中，所述异常检测模型通过对预设的训练集合构建决策树，在多个决策树中通过投票决策，选择检测结果，基于所述训练集合的原始标签与所述检测结果的适配度，应用动态参数筛选网络调节所述异常检测模型的参数，直到所述适配度满足预设的适配度阈值。
7、在一种可选的实施方式中，
8、从物联网中电子设备的传感器收集设备运行数据，分别确定本地服务器和云服务器对所述设备运行数据的检测耗时，选择所述检测耗时最短的服务器进行异常检测，如果选择所述云服务器，则基于约定的关键词和公钥，通过关键词加密算法，分别将所述设备运行数据加密成全文密文，以及将所述关键词加密成关键词密文，所述全文密文和所述关键词密文组合成密文数据包，上传至所述云服务器包括：
9、确定待加密的关键词和公钥，使用哈希函数对所述关键词和公钥进行哈希运算，得到哈希结果；
10、使用密钥生成函数结合所述哈希结果确定密钥；
11、采用伪随机数生成器生成随机数，将所述随机数和所述密钥进行结合，并且通过异或操作生成关键词密文；
12、所述全文密文和所述关键词密文组合成密文数据包，上传至所述云服务器。
13、在一种可选的实施方式中，
14、所述云服务器接收所述密文数据包，从所述密文数据包中分离出关键词密文，基于关键词解密算法对所述密文数据包进行解密，得到所述设备运行数据包括：
15、从物联网云存储服务中接收包含文件密文和关键词密文的数据包，从数据包中提取关键词密文；
16、使用已知的公钥和关键字，按照先前定义的哈希函数生成陷门；
17、使用密钥生成函数，构建陷门；
18、执行异或操作，恢复原始的加密结果；
19、重建伪随机数，以恢复关键词密文；
20、再次使用哈希函数对预期的关键字进行哈希运算，使用接收者的私钥对密文进行解密，得到所述设备运行数据。
21、在一种可选的实施方式中，
22、使用密钥生成函数，构建陷门包括：
23、选择两个具有双线性对的群 g 1， g 2和目标群 g t；
24、选择 g 1的生成元 g以及 g 2的生成元 h；
25、确定双线性映射 e：；
26、选择随机值 x作为私钥；
27、对加密的关键词 kw进行哈希处理得到 h(kw)∈ g 1；
28、使用私钥和双线性对构建陷门：
29、；
30、其中， t kw表示陷门， h()表示哈希函数。
31、在一种可选的实施方式中，
32、所述异常检测模型通过对预设的训练集合构建决策树，在多个决策树中通过投票决策，选择检测结果，基于所述训练集合的原始标签与所述检测结果的适配度，应用动态参数筛选网络，进行所述异常检测模型的参数调节，直到所述适配度满足预设的适配度阈值包括：
33、对所述训练集合中的每一个样本进行标注，确定样本原始标签；
34、基于所述设备运行数据，确定运行指标特征，构建特征集合；
35、根据预设的模型参数，初始化异常检测模型；
36、从所述训练集合中随机抽取样本子集，以所述样本子集作为根节点，创建决策树；
37、从所述特征集合中按照预设的特征子集大小，随机选取所述运行指标特征，构建特征子集，基于所述特征子集，确定所述运行指标特征的分裂阈值，通过对所述分裂阈值进行评估，对所述决策树进行节点分裂；
38、重复进行所述节点分裂，直到决策树的深度满足预设的深度阈值，完成决策树构建；
39、在多个决策树中通过投票决策，选择检测结果，基于所述训练集合的原始标签与所述检测结果的适配度，应用动态参数筛选网络，进行所述异常检测模型的参数调节，直到所述适配度满足预设的适配度阈值。
40、在一种可选的实施方式中，
41、所述方法还包括：
42、计算每个边缘节点处理生产数据所需要的资源调度时间如下公式所示：
43、；
44、其中， t i表示任务 本文档来自技高网...
【技术保护点】
1.基于物联网的电子设备异常数据检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，从物联网中电子设备的传感器收集设备运行数据，分别确定本地服务器和云服务器对所述设备运行数据的检测耗时，选择所述检测耗时最短的服务器进行异常检测，如果选择所述云服务器，则基于约定的关键词和公钥，通过关键词加密算法，分别将所述设备运行数据加密成全文密文，以及将所述关键词加密成关键词密文，所述全文密文和所述关键词密文组合成密文数据包，上传至所述云服务器包括：
3.根据权利要求1所述的方法，其特征在于，所述云服务器接收所述密文数据包，从所述密文数据包中分离出关键词密文，基于关键词解密算法对所述密文数据包进行解密，得到所述设备运行数据包括：
4.根据权利要求3所述的方法，其特征在于，使用密钥生成函数，构建陷门包括：
5.根据权利要求1所述的方法，其特征在于，所述异常检测模型通过对预设的训练集合构建决策树，在多个决策树中通过投票决策，选择检测结果，基于所述训练集合的原始标签与所述检测结果的适配度，应用动态参数筛选网络，进行所述异常检测模型的参
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.基于物联网的电子设备异常数据检测系统，用于实现前述权利要求1-6中任一项所述的基于物联网的电子设备异常数据检测方法，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
...【技术特征摘要】
1.基于物联网的电子设备异常数据检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，从物联网中电子设备的传感器收集设备运行数据，分别确定本地服务器和云服务器对所述设备运行数据的检测耗时，选择所述检测耗时最短的服务器进行异常检测，如果选择所述云服务器，则基于约定的关键词和公钥，通过关键词加密算法，分别将所述设备运行数据加密成全文密文，以及将所述关键词加密成关键词密文，所述全文密文和所述关键词密文组合成密文数据包，上传至所述云服务器包括：
3.根据权利要求1所述的方法，其特征在于，所述云服务器接收所述密文数据包，从所述密文数据包中分离出关键词密文，基于关键词解密算法对所述密文数据包进行解密，得到所述设备运行数据包括：
4.根据权利要求3所述的方法，其特征在于，使用密钥生成函...
【专利技术属性】
技术研发人员：付强，刘伟，郏金鹏，
申请(专利权)人：常州满旺半导体科技有限公司，
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。