CN111371581A - 物联网卡业务异常检测的方法、装置、设备和介质 - Google Patents
物联网卡业务异常检测的方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111371581A CN111371581A CN201811601721.2A CN201811601721A CN111371581A CN 111371581 A CN111371581 A CN 111371581A CN 201811601721 A CN201811601721 A CN 201811601721A CN 111371581 A CN111371581 A CN 111371581A
- Authority
- CN
- China
- Prior art keywords
- internet
- data
- business
- things card
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000003012 network analysis Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000005477 standard model Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 206010000117 Abnormal behaviour Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 231100000279 safety data Toxicity 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种物联网卡业务异常检测的方法、装置、设备和介质。该方法包括:确定物联网卡分析数据中的物联网卡业务特征数据,物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据;根据物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法;基于业务分析模型,确定物联网卡业务异常。根据本发明的实施例,能够精准的对物联网卡异常业务进行检测,得到更加精准的检测结果。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种物联网卡业务异常检测的方法、装置、设备和介质。
背景技术
物联网卡是运营商应用在物联网业务中的用户身份识别卡(SubscriberIdentification Module,SIM)卡,大量的物联网卡被应用于物联网业务,面向电力、金融、交通等行业。但是如果物联网卡被违规使用,就可能会出现使用物联网卡进行电信诈骗等违法行为。
目前,对于物联网卡业务异常的检测通常利用短信内容监测的方法。但是如果被违规使用的物联网卡没有发送短信的行为,则利用短信内容监测的方法就无法对物联网卡业务异常进行有效的检测。
因此,目前存在无法精准进行物联网卡业务异常检测的技术问题。
发明内容
本发明实施例提供了一种物联网卡业务异常检测的方法、装置、设备和介质,能够精准的进行物联网卡业务异常的检测。
本发明实施例的一方面,提供一种物联网卡业务异常检测的方法,该方法包括:
确定物联网卡分析数据中的物联网卡业务特征数据,物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据;
根据物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法;
基于业务分析模型,确定物联网卡业务异常。
本发明实施例的另一方面,提供一种物联网卡业务异常检测的装置,该装置包括:
特征提取模块,用于确定物联网卡分析数据中的物联网卡业务特征数据,物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据;
分析模型模块,用于根据物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法;
检测模块,用于基于业务分析模型,确定物联网卡业务异常。
根据本发明实施例的另一方面,提供一种物联网卡业务异常检测的设备,该设备包括:
处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如上述本发明实施例的任意一方面提供的物联网卡业务异常检测的方法。
根据本发明实施例的另一方面,提供一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如上述本发明实施例的任意一方面提供的物联网卡业务异常检测的方法。
本发明实施例提供的物联网卡业务异常检测的方法、装置、设备和介质。通过不同的物联网卡业务关键特征数据和不同的基础算法可以构建出适用于不同测试场景的业务分析模型。扩大了物联网卡异常业务的检测范围,同时采用多维度的物联网卡业务关键特征数据可以更加精准的对物联网卡异常业务进行检测。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本发明一实施例的物联网卡业务异常检测的方法的流程图;
图2示出本发明另一实施例的物联网卡业务异常检测的方法的流程图;
图3示出本发明另一实施例的物联网卡业务异常检测的方法示意图;
图4示出本发明一实施例的物联网卡业务异常检测的装置的结构示意图;
图5示出能够实现根据本发明实施例的物联网卡业务异常检测的方法和装置的计算设备的示例性硬件架构的结构图;
图6示出本发明一实施例的物联网卡业务异常检测的系统结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图,详细描述根据本发明实施例的物联网卡业务异常检测的方法、装置、设备和介质。应注意,这些实施例并不是用来限制本发明公开的范围。
下面通过图1至图3详细介绍根据本发明实施例的物联网卡业务异常检测的方法。
为了更好的理解本发明,下面结合图1对本发明一实施例的物联网卡业务异常检测的方法进行详细说明,图1是示出本发明一实施例的物联网卡业务异常检测的方法的流程图。
如图1所示,本发明实施例中的物联网卡业务异常检测的方法100包括以下步骤:
S110,确定物联网分析数据中的物联网卡业务特征数据,物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据。
具体的,业务运营支撑系统(BOSS)BOSS基础数据可以是包括用卡单位数据、发卡单位数据和发卡信息数据。BOSS业务数据可以是包括语音话单数据、短信话单数据和流量话单数据。
上网日志数据可以是包括上网日志平台解析得到的上网日志数据,例如访问互联网协议地址(Internet Protocol,IP)、端口、统一资源定位符(Uniform ResourceLocator,URL)和应用程序(Application,APP)信息。
情报信息可以包括从第三方情报库中导入的威胁情报数据,例如:包括互联网协议(Internet Protocol Address,IP)信誉库内的数据信息、统一资源定位符(UniformResource Locator,URL)信誉库内的数据信息或国际移动设备识别码(InternationalMobile Equipment Identity,IMEI)数据库内的数据信息。
在本发明的一个实施例中,首先,可以从物联网原始数据中提取出物联网卡分析数据。接下来,将每个物联网卡分析数据进行统一的格式处理。
在本发明的另一个实施例中,还可以将具有空属性的物联网卡分析数据进行属性填写。
物联网卡业务关键特征数据可以包括:短信外访出度、数据外访出度、语音外访出度中的至少一个、账单数据、单次通信量、访问对象类别、活跃位置间隔、单天活跃时长和周期通信量。
在本发明的一个实施例中,将物联网卡分析数据根据预设特征标签进行分类,得到物联网卡业务特征数据。其中,预设特征标签可以包括:账单特征标签、通信间隔特征标签和访问对象特征标签。
在本发明实施例中,通过将物联网卡分析数据按照预设标签进行分类得到物联网卡业务特征数据,便于后续利用物联网卡业务特征数据进行异常业务的检测。
S120,根据物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法。
具体的,业务分析模型可以包括:行业场景识别模型、行为相似模型、行为关联模型、行业标准模型和物联卡同比标准模型。
在本发明的一个实施例中,基于不同的物联网卡业务特征数据以及不同的基础算法构建不同的业务分析模型。作为一个具体的示例,基于账单数据、分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法可以得到行为相似模型。
在本发明的一个实施例中,基于不同的业务分析模型,全面的去检测物联网卡不同的特征行为,从而可以得到更加精准的物联网卡业务异常检测结果。
S130,基于业务分析模型,确定物联网卡业务异常。
在本发明的一个实施例中,可以是首先确定与业务分析模型关联的物联网卡业务特征数据。其次,基于业务分析模型将业务检测标准数据和业务分析模型关联的物联网卡业务特征数据进行比对,确定物联网卡业务异常。
基于业务分析模型,将物联网卡业务特征数据和检测标准数据进行业务分析。得到业务异常的物联网卡号,并确定该物联网卡业务异常。其中,检测标准数据可以是流量特征标准数据、短信特征标准数据和语音特征标准数据。
业务分析可以是数据突变检测分析、数据关联分析和数据统计分析。
作为一个具体的示例,可以是首先将物联网卡业务特征数据作为训练数据,将检测标准数据作为目标数据,训练行业识别分类器。其次,利用训练后的行业识别分类器来对物联网卡业务特征数据进行行业分类。
在对应用于不同行业的物联网卡进行数据突变检测分析时,检测的标准可以是同比标准和环比标准。同比标准是指应用在同一个行业中的所有物联网卡在相同的时间下其业务关键特征数据和检测标准数据的偏差是否大于预设阈值。环比标准指的是一张物联网卡在不同的时间下其业务关键特征数据和检测标准数据的偏差是否大于预设阈值。该方法可以用于物联网卡挪用异常的检测。
在对应用于不同行业的物联网卡进行数据关联分析时,将物联网卡业务关键数据进行关联,同时将关联后的物联网卡业务数据与情报信息进行比较。如果一个物联网卡号的业务数据同情报信息比较后发现,该物联网卡同时发生了多种异常的行为,则该物联网卡的异常程度就更高。该方法可以用来找出高危异常的物联网卡。
在对应用于不同行业的物联网卡进行数据统计分析时,统计物联网卡的行为数据,找出偏离正常行为数值的异常行为数据。例如大量的机卡分离异常行为数据和/或大量的换卡异常行为数据。该方法主要是为物联网卡的异常检测提供参照。
同时还可以利用检测标准数据来检测物联网卡是否被应用到了非物联网业务当中。
在本发明实施例中,通过不同的业务分析模型,可以对物联网卡进行多方面的业务检测。同时还可以针对具体的行业来细分检测场景,进而可以得到更加精准的物联网卡业务异常的检测结果。
在本发明的另一个实施例中,物联网卡业务异常检测的方法100还包括:
S140,获取业务分析引擎和确定基础分析算法。
在本发明的一个实施例中,业务分析引擎可以是计算引擎(spark),基础分析算法可以是分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法。
在本发明的另一个实施例中,还可以是获取结构化查询语言(Structured QueryLanguage,SQL)、spark、分布式文件系统(Hadoop Distributed File System,HDFS)以及附加段寄存器(Extra Segment,ES)。同时还可以提供元数据管理、组建管理以及运行监控。
其中,元数据管理可以灵活管理数据表单,支持数据采集的断点续传,数据传输的校验。并提供统一的接口以方便接入新的数据,为扩大数据存储容量做准备。
组建管理可以是对采集组件,分析组件,存储组件灵活管理,提供组件升级,组件重启等功能。
运行监控可以是实时监控各组件的运行状态即系统资源的利用情况。
通过上述实施例所述的物联网卡业务异常检测的方法,根据多方面的检测数据,结合不同的基础算法构建业务分析模型,利用检测模型依据不同行业的检测场景对物联网卡进行业务异常的检测,进而可以得到更加精准的物联网卡检测结果。
为了便于理解,图2示出了本发明另一实施例的物联网卡业务异常检测的方法的流程图。图2与图1相同的步骤使用相同的编号。
如图2所示,识别用户的方法200和图1所示的物联网卡业务异常检测的方法100相同的步骤,在此不再赘述。本发明实施例中的物联网卡业务异常检测的方法200还包括以下步骤:
S210,确定物联网卡业务异常的物联网卡的风险报告。
在本发明的一个实施例中,态势是指从时间、空间、资产等维度,对物联网资产和各种安全风险的发展现状、历史、趋势等进行图标形式的可视化展示。具体的,风险报告可以是安全态势报告、物联网卡资产态势报告以及物联网卡异常态势报告。
在本发明实施例中,通过对物联网卡业务异常进行进一步的分析,得到风险报告,可以整体上反映出该物联网卡的业务状态,可以更加清楚地了解该物联网卡业务异常的情况。同时还可以基于风险报告对物联网卡的业务状态进行预测。
S220,对物联网卡业务异常的物联网卡进行安全处理。
在本发明的一个实施例中,安全处理可以是关停使用业务异常的物联网卡或是提醒相关物联网卡单位。
在本发明的另一个实施例中,通过上述实施例所述的物联网卡业务异常检测的方法还可以得到业务异常的物联网卡号。基于得到的业务异常的物联网卡号还可以进行人工审核确认。通过人工进行二次审核可以进一步更加精准的得到物联网卡异常业务的检测结果。
在本发明的又一个实施例中,如图3所示,图3是示出本发明一实施例的物联网卡业务异常检测的方法示意图。
具体的,首先需要对物联网卡分析数据进行统一的格式化处理。其次,基于预设的特征标签进行特征提取。接下来基于基础算法和不同的物联网卡业务关键特征数据构建分析模型。通过上述分析模型得到的业务异常的物联网卡还需要进行人工审核和确认,最终按照业务异常类型输出安全警告。
下面通过图4详细介绍根据本发明实施例的物联网卡业务异常检测的装置,物联网卡业务异常检测的装置与物联网卡业务异常检测的方法相对应。
图4示出了本发明一实施例的物联网卡业务异常检测的装置的结构示意图。
如图4所示,物联网卡业务异常检测的装置400包括:
特征提取模块410,用于确定物联网卡分析数据中的物联网卡业务关键特征数据,物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据;
分析模型模块420,用于根据物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法;
检测模块430,用于基于业务分析模型,确定物联网卡业务异常。
通过上述实施例所述的物联网卡业务异常检测的装置,通过特征提取模块410和分析模型模块420,可以构建不同的业务分析模型。基于不同的业务分析模型,全面的去检测物联网卡不同的特征行为,从而可以得到更加精准的物联网卡业务异常检测结果。通过检测模块430,通过不同的业务分析模型,可以对物联网卡进行多方面的业务检测。同时还可以针对具体的行业来细分检测场景,进而可以得到更加精准的物联网卡业务异常的检测结果。
在本发明的一个实施例中,特征提取模块410具体用于基于预设特征标签对物联网卡分析数据进行分类,得到物联网卡业务特征数据,物联网卡业务特征数据包括:短信外访出度、数据外访出度和语音外访出度中的至少一个、账单数据、单次通信量、访问对象类别和周期通信量。
物联网卡分析数据包括以下数据中的至少一种:BOSS基础数据、BOSS业务数据、上行日志数据和情报数据。
其中,BOSS基础数据包括:使用物联网卡的单位数据、发放物联网的单位数据和物联网卡的信息数据。BOSS业务数据包括:物联网卡的语音话单、物联网卡的短信话单和物联网卡的流量话单。上行日志数据包括:物联网卡的IP、端口信息和URL。情报信息包括:IP信誉库信息、URL信誉库信息和IMEI数据库信息。
在本发明的一个实施例中,检测模块430具体用于基于业务分析模型,将物联网卡业务特征数据和检测标准数据进行分析,确定物联网卡业务异常。
在本发明的另一个实施例中,物联网卡业务异常检测的装置400还包括:
数据获取模块440,用于获取业务分析引擎和确定基础分析算法。
报告模块450,用于确定物联网卡业务异常的物联网卡的风险报告。
在本发明实施例中,通过报告模块450生成物联网卡的风险报告,可以整体上反映出该物联网卡的业务状态,可以更加清楚地了解该物联网卡业务异常的情况。同时还可以基于风险报告对物联网卡的业务状态进行预测。
安全处理模块460,用于对物联网卡业务异常的物联网卡进行安全处理。
图5示出了能够实现根据本发明实施例的物联网卡业务异常检测的方法和装置的计算设备的示例性硬件架构的结构图。
如图5所示,计算设备500包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505、以及输出设备506。其中,输入接口502、中央处理器503、存储器504、以及输出接口505通过总线510相互连接,输入设备501和输出设备506分别通过输入接口502和输出接口505与总线510连接,进而与计算设备500的其他组件连接。
具体地,输入设备501接收来自外部的输入信息,并通过输入接口502将输入信息传送到中央处理器503;中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器504中,然后通过输出接口505将输出信息传送到输出设备506;输出设备506将输出信息输出到计算设备500的外部供用户使用。
也就是说,图5所示的计算设备也可以被实现物联网卡业务异常检测的设备,该物联网卡业务异常检测的设备可以包括:存储有计算机可执行指令的存储器;以及处理器,该处理器在执行计算机可执行指令时可以实现结合图1至图4描述的物联网卡业务异常检测的方法和装置。
在本发明的另一实施例中,如图6所示,图6是示出本发明一实施例的物联网卡业务异常检测的系统结构示意图。
具体的,本发明实施例中的物联网卡业务异常检测的系统结构示意图包括安全数据中心、安全分析子平台以及安全态势管理子平台。
安全数据中心用于将物联网原始数据进行存储与初步的整理,然后进入到安全分析子平台进行进一步的分析,将分析的结果输出到安全态势管理子平台进行展示。安全数据中心还为安全分析子平台提供相应的接口和资源。例如:SQL,spark,HDFS,ES。安全数据中心同时还可以提供元数据管理,组建管理以及运行监控的功能。
安全分析子平台用于对物联网卡业务异常进行分析,包括基础算法库和各种业务异常分析引擎。其中,分析引擎包括业务画像引擎,突变检测引擎,滥用检测引擎,业务分类引擎,机卡分离检测引擎以及其他异常检测引擎。
安全分析子平台同时还可以提供引擎管理和运行监控的功能,其中,引擎管理用于灵活加入新的检测引擎,以适应更多的检测场景。同时,还可以灵活的对每种引擎的算法进行升级与调试。运行监控可以用于灵活监控每种引擎的运行状态,包括是否正确运行,是否死机等。
安全态势管理子平台用于提供态势呈现功能,并进行威胁预警与风险通告。其中,态势呈现功能从时间、空间、资产等维度,对物联网资产和各种安全风险的发展现状、历史、趋势等进行图标形式的可视化展示。呈现的内容可以包括:全景安全态势、卡资产态势以及卡异常态势。
本发明实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现本发明实施例提供的物联网卡业务异常检测的方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而设备体系结构并不脱离本发明的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明的范围由所附权利要求而非上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
Claims (13)
1.一种物联网卡业务异常检测的方法,其特征在于,包括:
确定物联网卡分析数据中的物联网卡业务特征数据,所述物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据;
根据所述物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,所述基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法;
基于所述业务分析模型,确定物联网卡业务异常。
2.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,所述确定物联网卡分析数据中的物联网卡业务特征数据之前,还包括:
获取业务分析引擎和确定所述基础分析算法。
3.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,所述物联网卡分析数据包括业务运营支撑系统BOSS基础数据,其中,所述BOSS基础数据包括:使用物联网卡的单位数据、发放物联网的单位数据和物联网卡的信息数据;
所述物联网卡分析数据包括BOSS业务数据,其中,所述BOSS业务数据包括:物联网卡的语音话单、物联网卡的短信话单和物联网卡的流量话单;
所述物联网卡分析数据包括上行日志数据,其中,所述上行日志数据包括:物联网卡的互联网协议地址IP、端口信息和统一资源定位符URL;
物联网卡分析数据包括情报数据,其中,所述情报信息包括:IP信誉库信息、URL信誉库信息和国际移动设备识别码IMEI数据库信息。
4.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,所述确定物联网卡分析数据中的物联网卡业务特征数据,包括:
基于预设特征标签对所述物联网卡分析数据进行分类,得到所述物联网卡业务特征数据,
所述物联网卡业务特征数据包括:短信外访出度、数据外访出度和语音外访出度中的至少一个、账单数据、单次通信量、访问对象类别和周期通信量。
5.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,所述基于所述业务分析模型,确定所述物联网卡业务异常,包括:
基于所述业务分析模型和业务检测标准数据将所述物联网卡业务特征数据进行分析,确定物联网卡业务异常。
6.根据权利要求5所述物联网卡业务异常检测的方法,其特征在于,所述基于所述业务分析模型,确定所述物联网卡业务异常,包括:
确定与所述业务分析模型关联的物联网卡业务特征数据;
基于所述业务分析模型将所述业务检测标准数据和所述业务分析模型关联的物联网卡业务特征数据进行比对,确定所述物联网卡业务异常。
7.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,所述业务分析模型包括以下模型中的至少一个:行业场景识别模型、行为相似模型、行为关联模型、行业标准模型和物联卡同比标准模型。
8.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,还包括:
确定所述物联网卡业务异常的物联网卡的风险报告。
9.根据权利要求1所述物联网卡业务异常检测的方法,其特征在于,还包括:
对所述物联网卡业务异常的物联网卡进行安全处理。
10.一种物联网卡业务异常检测的装置,其特征在于,包括:
特征提取模块,用于确定物联网卡分析数据中的物联网卡业务特征数据,所述物联网卡分析数据包括以下数据中的至少一种:业务运营支撑系统BOSS基础数据、BOSS业务数据、上行日志数据和情报数据;
分析模型模块,用于根据所述物联网卡业务特征数据和基础分析算法构建业务分析模型,其中,所述基础算法包括:分类判定算法、聚类分析算法、社交网络分析算法和统计学习算法;
检测模块,用于基于所述业务分析模型,确定物联网卡业务异常。
11.根据权利要求10所述一种物联网卡业务异常检测的装置,其特征在于,还包括:
数据获取模块,用于获取业务分析引擎和确定所述基础分析算法。
12.一种物联网卡业务异常检测的设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-9任意一项所述物联网卡业务异常检测的方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-9任意一项所述物联网卡业务异常检测的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811601721.2A CN111371581A (zh) | 2018-12-26 | 2018-12-26 | 物联网卡业务异常检测的方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811601721.2A CN111371581A (zh) | 2018-12-26 | 2018-12-26 | 物联网卡业务异常检测的方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111371581A true CN111371581A (zh) | 2020-07-03 |
Family
ID=71210228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811601721.2A Pending CN111371581A (zh) | 2018-12-26 | 2018-12-26 | 物联网卡业务异常检测的方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111371581A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001756A (zh) * | 2020-08-24 | 2020-11-27 | 北京道隆华尔软件股份有限公司 | 异常电信业务场景的确定方法、装置、计算机设备 |
CN113723788A (zh) * | 2021-08-20 | 2021-11-30 | 北京亚鸿世纪科技发展有限公司 | 基于多维度关联检测模型的物联网卡风险识别方法及系统 |
CN114143227A (zh) * | 2021-10-25 | 2022-03-04 | 国网山西省电力公司阳泉供电公司 | 一种物联网卡异常状态监测预警方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107968730A (zh) * | 2016-10-19 | 2018-04-27 | 中国电信股份有限公司 | 监测物联网卡被盗用的方法和系统 |
CN207408782U (zh) * | 2017-10-31 | 2018-05-25 | 贵州力创科技发展有限公司 | 一种物联网sim卡的状态监控装置 |
WO2018132183A1 (en) * | 2017-01-10 | 2018-07-19 | Qualcomm Incorporated | Network management of subscriptions for iot devices |
CN108768765A (zh) * | 2018-05-11 | 2018-11-06 | 中国联合网络通信集团有限公司 | 异常状态物联网卡稽查方法、装置及计算机可读存储介质 |
-
2018
- 2018-12-26 CN CN201811601721.2A patent/CN111371581A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107968730A (zh) * | 2016-10-19 | 2018-04-27 | 中国电信股份有限公司 | 监测物联网卡被盗用的方法和系统 |
WO2018132183A1 (en) * | 2017-01-10 | 2018-07-19 | Qualcomm Incorporated | Network management of subscriptions for iot devices |
CN207408782U (zh) * | 2017-10-31 | 2018-05-25 | 贵州力创科技发展有限公司 | 一种物联网sim卡的状态监控装置 |
CN108768765A (zh) * | 2018-05-11 | 2018-11-06 | 中国联合网络通信集团有限公司 | 异常状态物联网卡稽查方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
汤晓: "物联网业务管控平台系统设计与实现", 《中国新通信》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001756A (zh) * | 2020-08-24 | 2020-11-27 | 北京道隆华尔软件股份有限公司 | 异常电信业务场景的确定方法、装置、计算机设备 |
CN112001756B (zh) * | 2020-08-24 | 2022-07-12 | 北京道隆华尔软件股份有限公司 | 异常电信业务场景的确定方法、装置、计算机设备 |
CN113723788A (zh) * | 2021-08-20 | 2021-11-30 | 北京亚鸿世纪科技发展有限公司 | 基于多维度关联检测模型的物联网卡风险识别方法及系统 |
CN114143227A (zh) * | 2021-10-25 | 2022-03-04 | 国网山西省电力公司阳泉供电公司 | 一种物联网卡异常状态监测预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107566358B (zh) | 一种风险预警提示方法、装置、介质及设备 | |
CN108683687B (zh) | 一种网络攻击识别方法及系统 | |
KR101013264B1 (ko) | 컴퓨터 보안 위협 상황을 판정하는 방법, 장치, 컴퓨터 판독 가능한 저장 매체 및 프로세서 | |
CN108881263B (zh) | 一种网络攻击结果检测方法及系统 | |
CN109598127B (zh) | 隐私风险评估方法和装置 | |
CN113489713B (zh) | 网络攻击的检测方法、装置、设备及存储介质 | |
CN108182515B (zh) | 智能规则引擎规则输出方法、设备及计算机可读存储介质 | |
CN108090359B (zh) | 一种应用程序监测方法及应用服务器 | |
CN111371581A (zh) | 物联网卡业务异常检测的方法、装置、设备和介质 | |
CN113704328B (zh) | 基于人工智能的用户行为大数据挖掘方法及系统 | |
CN112818343B (zh) | 一种区块链大数据分析预警方法、系统及云平台 | |
CN108234426B (zh) | Apt攻击告警方法和apt攻击告警装置 | |
CN110716973A (zh) | 基于大数据的安全事件上报平台及方法 | |
CN111294347B (zh) | 一种工控设备的安全管理方法及系统 | |
CN111064719B (zh) | 文件异常下载行为的检测方法及装置 | |
CN111353138A (zh) | 一种异常用户识别的方法、装置、电子设备及存储介质 | |
CN113704772B (zh) | 基于用户行为大数据挖掘的安全防护处理方法及系统 | |
CN110807050B (zh) | 性能分析方法、装置、计算机设备及存储介质 | |
CN108804501B (zh) | 一种检测有效信息的方法及装置 | |
CN114297735A (zh) | 数据处理方法及相关装置 | |
CN113765850B (zh) | 物联网异常检测方法、装置、计算设备及计算机存储介质 | |
CN114584391B (zh) | 异常流量处理策略的生成方法、装置、设备及存储介质 | |
CN113609111A (zh) | 一种大数据测试方法及系统 | |
CN114189585A (zh) | 骚扰电话异常检测方法、装置及计算设备 | |
CN113726779A (zh) | 规则误报测试方法、装置、电子设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200703 |