CN111385273B - 一种物联网业务流程识别方法、装置、电子设备及介质 - Google Patents
一种物联网业务流程识别方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN111385273B CN111385273B CN201811643258.8A CN201811643258A CN111385273B CN 111385273 B CN111385273 B CN 111385273B CN 201811643258 A CN201811643258 A CN 201811643258A CN 111385273 B CN111385273 B CN 111385273B
- Authority
- CN
- China
- Prior art keywords
- data packet
- internet
- things
- coap
- service flow
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/06—Notations for structuring of protocol data, e.g. abstract syntax notation one [ASN.1]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种物联网业务流程识别方法、装置、电子设备及介质,用以解决现有技术中无法获知物联网业务流程中交互的数据包所属的业务流程的问题。所述方法包括:获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
Description
技术领域
本发明主要涉及网络管理技术领域,尤其涉及一种物联网业务流程识别方法、装置、电子设备及介质。
背景技术
随着运营商将发展物联网列为未来发展战略的最高优先级,并着手开始建设全面覆盖的物联网网络,使得物联网的业务场景得到了迅速的丰富。当前,物联网业务各异,用户增长快,涉及的行业非常广。现有的物联网业务质量建模主要是基于物联网业务交互流程中端到端的信令分析,通过物联网业务流程和信令中包含的数据的人工关联分析,建立特定的物联网业务质量模型。但是物联网客户的物联网业务流程需要对运营商保密,致使通过信令分析的方式建模效率低。
因此,如何确定物联网业务交互中的数据包所属的物联网业务流程,进而提高物联网行业的业务质量建模效率是一个亟需解决的问题。
发明内容
本发明实施例提供了一种物联网业务流程识别方法、装置、电子设备及存储介质,用以解决现有技术中无法获知物联网业务流程中交互的数据包所属的业务流程的问题。
本发明实施例提供了一种物联网业务流程识别方法,所述方法包括:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
进一步地,所述获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个CoAP数据包包括:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;
采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
进一步地,获取每个CoAP数据包中的payload字段后,所述方法还包括获取以下至少一种字段的信息:
CoAP.type字段、CoAP.mid字段和CoAP.token字段。
进一步地,所述物联网业务流程识别模型的训练过程包括:
获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;
对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;
将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
进一步地,所述样本数据包组中还包括针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
进一步地,所述方法还包括:
根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;
解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
进一步地,所述物联网业务流程对应的评价指标包括以下至少一种:
物联网业务流程是否成功、业务流程开始时间、业务流程结束时间、业务流程时延大小、业务流程是否存在重传及重传次数。
本发明实施例提供了一种物联网业务流程识别装置,所述装置包括:
获取模块,用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
解析模块,用于对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
封装模块,用于针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
识别模块,用于将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
本发明实施例提供了一种电子设备,所述电子设备包括存储器和处理器:
所述处理器,用于读取所述存储器中的程序,执行下列过程:获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
进一步地,所述处理器用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
进一步地,所述处理器用于获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
进一步地,所述处理器用于针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
进一步地,所述处理器用于根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
本发明实施例提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器中存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述任一项所述方法的步骤。
本发明实施例提供了一种计算机可读存储介质,其存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行上述任一项所述方法的步骤。
本发明实施例提供了一种物联网业务流程识别方法、装置、电子设备及存储介质,所述方法包括:获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。由于在本发明实施例中,通过获取第一物联网设备和物联网监控平台间传输的CoAP数据包的payload字段,并对该payload字段进行封装得到第一数据包,将第一数据包输入到预先训练完成的物联网业务流程识别模型中,从而确定了设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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为本发明实施例1提供的一种物联网业务流程识别方法的过程示意图;
图2为本发明实施例2提供的采用dpkt解析数据包的得到的数据结构示意图;
图3为本发明实施例2提供的采用dpkt解析数据包的过程示意图;
图4为本发明实施例3提供的采用数据增强算法获取随机样本数据包组的示意图;
图5为本发明实施例3提供的卷积神经网络的结构示意图;
图6为本发明实施例4提供的一种物联网业务流程识别方法的流程图;
图7为本发明实施例4提供的样本数据包组中数据的存储方式示例图;
图8为本发明实施例4提供的样本数据包组的存储路径示例图;
图9为本发明实施例4提供的物联网业务识别模型的训练方法示意图;
图10为本发明实施例4提供的样本数据包组的中数据格式的示例图;
图11为本发明实施例4提供的测试数据的存储路径示例图;
图12为本发明实施例4提供的运行物联网业务流程识别模型的方法示意图;
图13为本发明实施例4提供的物联网业务流程评价的输出结果示意图;
图14为本发明实施例5提供的一种物联网业务流程识别装置的结构示意图;
图15为本发明实施例6提供的一种电子设备;
图16为本发明实施例7提供的一种电子设备。
具体实施方式
下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
图1为本发明实施例提供的一种物联网业务流程识别方法的过程示意图,该过程包括以下步骤:
S101:获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议(CoAP)数据包。
为了解决现有技术中无法通过物联网业务交互流程的数据进行物联网业务流程识别的问题,在本发明实施例中,通过获取物联网设备和物联网监控平台之间的CoAP数据包的payload字段,来确定该设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程类别。
首先,针对某个第一物联网设备,获取该第一物联网设备和物联网监控平台之间传输的每个CoAP数据包,具体的,可以预设一定的时间长度,比如10分钟,30分钟等,在该设定时间长度内,获取第一物联网设备和物联网监控平台之间传输的多个CoAP数据包。
S102:对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段。
在获取了设定时间长度内,第一物联网设备和物联网监控平台之间传输的每个CoAP数据包之后,因为该CoAP数据包的payload字段中存储了关键数据信息,因此可以对该CoAP数据包进行解析,获取该CoAP数据包的payload字段。
其中对CoAP数据包的解析过程为现有技术,在本发明实施例中不再赘述,比如可以通过采用dpkt数据包解析程序来解析每个CoAP数据包。
S103:针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包。
在解析完所有的CoAP数据包之后,为了方便在进行业务流程识别时,使物联网业务流程识别模型可以准确获取到输入的数据包的关键数据信息,针对每个CoAP数据包,按照预设的封装格式,对解析得到的payload字段进行封装。具体的该预设的封装格式可以是采用字典数据结构的格式,将按照预设封装格式封装好的payload字段确定为第一数据包。
具体采用字典数据结构进行payload字段的封装为现有技术,在本发明实施例中不再赘述。
S104:将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
为了确定每个CoAP数据包所属的物联网业务流程的标识信息,也就是确定具体的物联网的业务流程,在采用上述方式得到封装的第一数据包之后,将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,该物联网业务流程识别模型会根据每个第一数据包中包含的payload字段确定该第一数据包对应的CoAP数据包所属的物联网业务流程。
具体的,可以每个物联网业务流程都有其对应的标识信息,物联网业务流程不同,标识信息不同。以智能灯杆为例,该智能灯杆所包含的物联网业务流程包括:开灯、关灯、调光,因此可以开灯的标识信息为0、关灯的标识信息为1、调光的标识信息为2。
在将封装好的每个第一数据包输入到预先训练好的物联网业务流程识别模型中,该物联网业务流程识别模型可以输出设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息,比如1。也就是说该设定时间长度内第一物联网设备与物联网监控平台间传输的数据包是在进行关灯的业务流程。
由于在本发明实施例中,通过获取第一物联网设备和物联网监控平台间传输的CoAP数据包的payload字段,并对该payload字段进行封装得到第一数据包,将第一数据包输入到预先训练完成的物联网业务流程识别模型中,从而确定了设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
实施例2:
为了获取物联网设备和物联网监控平台之间的CoAP数据包,在上述实施例的基础上,在本发明实施例中,所述获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个CoAP数据包包括:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;
采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
本发明实施例中,在进行物联网业务流程识别的时候,基于的是CoAP数据包,而第一物联网设备和物联网监控平台之间传输的数据包可能是CoAP数据包,也可能非CoAP数据包,因此需要从第一物联网设备和物联网监控平台之间传输的所有的数据包中筛选出CoAP数据包。
在获取到设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包之后,将获取的每个数据包采用IP数据报的格式进行分析。如果当前采用IP数据报分析的数据包的顶层协议为UDP协议,那么则通过IP数据报获取该数据包的UDP报文。根据该UDP报文,确定该UDP报文的源端口号,如果该源端口号为5783,则认为当前采用IP数据包的格式分析的数据包为CoAP数据包。
具体的,在本发明实施例中,可以采用dpkt代码进行IP数据报格式的分析的方法,对CoAP数据包的获取及解析过程进行详细描述。其中dpkt是python中轻量化的数据包解析模块,通过代码批量解析数据包的特征,调用dpkt进行数据包解析的主要操作目的是从流数据中解析到每个数据包的关键特征信息并存储为如图2所示的格式。由图2可见,该图共包含三列信息,其中从左边数(图中所示左右)第一列为获取的每个CoAP数据包的编号,该编号按照获取数据包的时间顺序标注;第二列buf_data为解析每个CoAP数据包得到的转换为十进制保存的payload字段;第三列为解析每个CoAP数据包得到的CoAP_Type字段,以图中编号为0对应的一行数据为例,第一列0为CoAP数据包的编号、第二列[0,224,252,6,95,56,0,225,252,69,43,…]为解析编号为0的CoAP数据包得到的转换为十进制保存的payload字段、第三列3为解析编号为0的CoAP数据包得到的CoAP_Type字段。在本发明实施例中,采用dpkt获取CoAP数据包并解析的具体处理过程如图3所示:
1、调用dpkt.pcap.Reader()依次读取包含有每个数据包的.cap标准文件,并获取每个数据包的包头时间戳;
2、使用dpkt.ethernet.Ethernet()解析获得以太帧eth;
3、通过eth.data的方式访问其每个数据包的协议属性,从而采用IP数据报的格式对获取的数据包按照时间的顺序进行分析;
4、根据IP数据报的格式,确定对应数据包的ip.p,进而确定ip.p的协议属性值,如果ip.p等于17,则说明该数据包的顶层协议是UDP协议,此时通过IP数据报对应的ip.data获得UDP报文;
如果ip.p不等于17,则采用IP数据报的格式对分析下一个数据包;
5、判断获取的UDP报文的源端口号是否等于5683,如果UDP报文源端口号是5683,则当前采用IP数据报格式分析的数据包为CoAP数据包;
如果UDP报文源端口号不是5683,则读取下一个数据包,返回步骤2;
6、调用parse_data()方法将获取的CoAP数据包对应的UDP报文转换为可读的字符串,读取UDP报文的payload字段等包含关键属性的字段;
7、使用字典数据结构将CoAP数据包中的payload字段进行封装得到第一数据包并存储。
本发明实施例中,通过采用IP数据报的格式对每个数据包进行分析,从而确定传输的每个数据包是否为CoAP数据包,方便进行后续业务流程的识别。
实施例3:
为了实现对物联网业务流程的识别,在上述各实施例的基础上,在本发明实施例中,所述物联网业务流程识别模型的训练过程包括:
获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一业务流程的数据包;
对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;
将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
为了得到更精确的物联网业务流程识别模型,需要获取大量的样本数据对该物联网业务流程识别模型进行训练。具体的,可以获取多个第二物联网设备和物联网监控平台之间传输的数据包组成的样本数据包组,为了保证物联网业务流程识别模型训练的正常进行,该组成一个样本数据包组的所有数据包均属于同一业务流程,并且每个样本数据包组均携带自身所属业务流程的标识信息。
具体的,在本发明实施例中,通过与物联网设备厂商的行业调研,获取指定物联网行业的关键业务流程,从而进行物联网设备的手动触发测试,在设备厂商配合的情况下,获取物联网厂商的后台操作权限,记录手动测试时的结果。如表1所示,该表1以智能灯杆设备为例,记录了针对该智能灯杆设备,在设定时间长度内对该智能灯杆设备进行测试。其中该预设时间长度为从17:56到18:25,以5分钟左右的时间为间隔,人为进行测试,并记录手动测试时的结果,获取该智能灯杆设备与物联网监控平台之间传输的每个数据包,将处于同一业务流程的数据包确定为一个样本数据包组,并为每个业务流程的样本数据包组标识不同的标识信息,比如开灯为0、关灯为1、调光为2等。
表1
针对每个样本数据包组,对该样本数据包组中的每个数据包进行数据包解析,比如可以采用dpkt数据解析代码,对每个数据包进行解析,得到该数据包的payload字段;并针对每个数据包,按照预设的封装格式,对解析得到的payload字段进行封装,具体的可以采用字典数据结构的格式,将按照预设封装格式封装好的payload字段确定为第二数据包。
在对每个样本数据包组中的数据包进行解析之后,就可以对该物联网业务识别模型进行训练了。具体的,可以根据每个样本数据包组中的每个第二数据包、该样本数据包组中的数据包所属业务流程的标识信息,确定该样本数据包组对应的样本特征向量,将每个样本数据包组对应的样本特征向量输入到物联网业务识别模型中,根据该物联网业务识别模型的输出、及每个样本数据包组中的数据包所属业务流程的标识信息对该物联网业务流程识别模型进行训练。
由于NB-IoT行业采用的是轻量级的CoAP协议,物联网行业的各个交互流程都比较简单,很难通过常用的数据包或者其他标识符来进行区分,也很难通过提取数据包的各种特征来进行业务流程识别,因此传统的机器学习算法都不适用,这是因为传统的机器学习算法需要输入已提取好的特征。并且能作为关键业务流程识别的输入需要包含payload字段的CoAP数据包,但是CoAP数据包的特点是很难直接翻译,且输入长度不一致,payload字段位置不一致,payload字段长度也不一致。因此,在本发明实施例中,采用了深度学习网络(CNN,卷积神经网络)。
图5为采用CNN算法的网络架构图,包含9个卷积层(Convolutional layer),一个池化层(Pooling layer),一个Dropout层、一个全连接层(Dense layer)和一个激活层(Activation layer)。其中第1-9层都是一维卷积层,在图5中用”conv1d_”表示,通过不断加宽通道数目和降低数据的维度,提取数据包中各种潜在的复杂特征,其输入是当前卷积层对应的数据长度和通道数,输出是经过此卷积层后对应的数据长度和通道数,以第6层“conv1d_6”为例,输入通道数为32,本身数据长度为8,而经过此卷积层后输出通道数为32,本身数据长度降维到4。第10层为平均池化层。该层的输入数据为卷积层的输出,输入通道数为256,本身数据长度为2,而经过此层后输出通道数为256,本身数据长度直接通过求均值运算变成1。第11层为Dropout层,Dropout将训练过程中每次更新参数时按一定概率随机断开输入神经元,用来降低在模型训练时候的过拟合,对数据本身的宽度和长度不会造成影响。第12层为全连接层,与第13层激活层相配合,直接输出当前输入数据通过CNN模型后各个不同关键业务流程的概率。
为了进一步提高物联网业务流程识别模型训练的准确性,在本发明实施例中还采用了数据增强的方法,扩大获取的样本数据包组的数量。由于用来做物联网业务流程识别的数据是CoAP数据包中的payload字段,因此为了产生足够多的数据,采用基于CoAP协议的特定的数据增强算法。在本发明实施例中,为保持payload字段不变,而用其他字段随机填充,如图4所示,其填充长度基于CoAP协议的数据规律,在25到29字节之间随机生成。例如智能灯杆经过现场测试,完成了826次流程手动测试,同时采集的CoAP数据包为600多个,开灯流程、关灯流程、调光流程等关键行为的数据包各200多个,通过上述数据增强方法,将开灯流程、关灯流程、调光流程的数据包分别增加到20000多个。
本发明实施例中,通过采集大量的样本数据包组,获取每个样本数据包组中的每个数据包的payload字段,并对该payload字段封装得到第二数据包,将每个第二数据包及该样本数据包组中的数据包所属业务流程的标识信息,输入到预设的物联网业务流程识别模型中,根据该物联网业务流程识别模型的输出和样本数据包组中的数据包所属业务流程的标识信息对该物联网业务流程识别模型进行训练,以得到更精确的物联网业务流程识别模型。
实施例4:
为了获知物联网业务流程的数据传输情况,在上述各实施例的基础上,在本发明实施例中,所述方法还包括:
根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;
解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值;
其中,所述物联网业务流程对应的评价指标包括以下至少一种:
物联网业务流程是否成功、业务流程开始时间、业务流程结束时间、业务流程时延大小、业务流程是否存在重传及重传次数。
在通过采用训练好的物联网业务流程识别模型确定获取的设定时间长度内的CoAP数据包所属的物联网业务流程之后,为了了解在该设定时间长度内第一物联网设备进行的业务流程的具体情况,在本发明实施例中,预先保存了每个物联网业务流程对应的评价指标,具体的,可以根据每个物联网业务流程对应的标识信息,将该标识信息及该标识信息对应的物联网业务流程的评价指标一一对应存储。该评价指标可以是物联网业务流程是否成功、业务流程开始时间、业务流程结束时间、业务流程时延大小、业务流程是否存在重传及重传次数中的任意一种或几种。
根据物联网业务流程识别模型输出的物联网业务流程的标识信息,确定该标识信息对应的物联网业务流程的评价指标,将该评价指标作为目标评价指标。为了确定每个目标评价指标的目标评价指标值,由于上述实施例中采用了dpkt的方式对每个CoAP数据包进行了解析,并得到了该CoAP数据包的payload字段、CoAP.type字段、CoAP.mid字段和CoAP.token字段及该每个字段的信息,因此在计算目标评价指标值时,可以根据得到的每个CoAP数据包中的字段信息来确定。
具体的,以智能灯杆行业为例,对该智能灯杆行业的物联网业务流程的各项目标评价指标值的确定进行详细说明。如表2所示,该智能灯杆行业的业务流程包括:关灯、开灯、调光、上报状态等,针对该智能灯杆行业的业务流程,在本发明实施例中,保存了以下几种评价指标,包括:物联网业务流程是否成功、业务流程开始时间、业务流程结束时间、业务流程时延大小、业务流程是否存在重传及重传次数。
流程名称 | 开始时间 | 业务是否成功 | 重传次数 | 结束时间 | 时延(ms) |
关灯 | 14:18:11 | 失败 | 2 | ||
关灯 | 15:35:02 | 成功 | 1 | 15:35:41 | 38678 |
上报状态 | 15:35:59 | 成功 | 0 | 15:36:03 | 4070 |
上报状态 | 15:36:41 | 成功 | 0 | 15:36:44 | 2376 |
上报状态 | 15:39:41 | 成功 | 0 | 15:39:48 | 6967 |
开灯 | 15:40:02 | 成功 | 0 | 15:40:07 | 5077 |
上报状态 | 15:40:18 | 成功 | 0 | 15:40:21 | 3027 |
上报状态 | 15:44:41 | 成功 | 0 | 15:44:46 | 5225 |
其他 | 15:45:02 | 成功 | 0 | 15:45:05 | 2743 |
关灯 | 16:21:10 | 失败 | 1 | ||
开灯 | 18:30:02 | 失败 | 2 | ||
调光 | 18:50:02 | 成功 | 2 | 18:52:26 | 143665 |
表2
在根据解析得到数据包中各字段的信息确定各目标指标值时,可以按照以下描述的方式进行确定。
a)物联网业务流程是否成功:在读取到已识别业务流程的CoAP数据包的首报文时间后的10分钟内,如果存在到该已识别业务流程的首报文响应消息,则判断此次物联网业务流程为成功;
b)业务流程开始时间:读取已识别业务流程的CoAP数据包的首报文时间,将该首报文的时间作为业务流程的开始时间;
c)业务流程结束时间:读取已识别业务流程的首报文响应消息的时间,将该首报文响应消息的时间作为业务流程的结束时间;
d)业务流程时延大小:业务流程的结束时间减去业务流程开始时间,即使用已识别业务的CoAP数据包的首报文响应消息的时间减去已识别业务的CoAP数据包的首报文时间,得到的时间差值即为业务流程时延大小,单位为ms,如果时延大于10分钟,则记为无效字段;
e)业务流程是否存在重传:判断CoAP数据包解析后得到的字段CoAP.type为Confirmable的报文中CoAP.MID及CoAP.TOKEN均一致的报文是否存在,如果存在,则该业务流程有重传行为,可以将有重传行为的标识信息记录为1,没有重传行为的标识信息记录为0;
f)业务流程的重传次数:判断CoAP数据包解析后得到的字段CoAP.type为Confirmable的报文中CoAP.MID及CoAP.TOKEN均一致的报文是否存在,如果存在,则该业务流程有重传行为,并记录CoAP.MID及CoAP.TOKEN相同的报文的总个数,将重传次数的标识信息记录为相同报文的个数;如果没有重传行为则记录为0;
在本发明实施例中,通过解析获取的每个CoAP数据包,确定每个CoAP数据包的字段的信息,并根据每个CoAP数据包的字段的信息,确定了预设的各项物联网业务评价指标的指标值。
下面以一个具体的实施例对上述各实施例进行详细说明,包括以下步骤:
如图6所示,通过离线训练的方式获取物联网业务流程识别模型,在离线训练过程中,首先采集大量的样本数据包组,通过数据增强、数据解析等过程,将得到的含有payload字段的封装后的数据包及对应的样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中开始训练。
在进行物联网业务流程识别时,采集的测试数据需为同一行业的数据,比如智能灯杆行业的业务流程分类则必须使用智能灯杆行业的数据。将用于测试的数据包输入到上述训练完成的物联网业务流程识别模型中,识别测试数据包所归属的业务流程,并通过预先自定义设置的评价指标,确定每个评价指标的值。
步骤1.原始数据的获取。
通过手动测试的方式,获取原始数据包(即样本数据包组),将原始数据包转换为CSV文件,并且文件命名名称需要为非中文,且不能包含空格。该原始数据包中,应去除掉文件中的测试日期,测试时间,测试行为流程名称,测试结果记录(标识为失败的不用处理)这些表头字段,只保留数据信息,并将测试结果记录的成功或失败字段统一用数字替换,比如将成功用1表示,失败用0表示(这个字段不能随意变更数字规则),如图7所示;
步骤2:物联网业务流程识别模型的训练。
在本发明实施例中,样本数据包组存放的路径为“Parameters.csv”。比如需要开展智能灯杆行业内业务流程的识别,则将智能灯杆数据.cap文件放置在“D:\00IoTTool\00IoTModelData\01lightdata”这个路径下,如图8所示。
运行预先编写的“Model_Generated.exe”文件,训练该物联网业务流程识别模型,可以有两种执行方式,如图9所示。
A、直接双击此“Model_Generated.exe”文件;
B、也可以在cmd窗口下定位到exe文件所在的文件夹路径(本文示例在D:\00IoTTool\01IoTServiceMode\Service_Mode_Train),然后执行Model_Generated.exe命令运行。
根据训练该模型的原始数据量的大小,“Model_Generated.exe”运行一段时间(分钟或小时或天级别)后,会输出1个有效文件“Model_In_Used.hdf5”为可用于物联网业务流程识别的模型文件,其他文件为过程文件,不用关注;
步骤3:物联网业务流程识别。
为了完成物联网业务流程的识别,将上一章节行业模型训练阶段产生的“Model_In_Used.hdf5”这个文件复制到物联网业务流程识别执行文件“Flow_Test.exe”所在的目录下。
然后在“Flow_Test.exe”所在的目录下创建“Parameters.csv”文件,其中在本发明实施例中提供的编辑规则如下,如图10所示,以智能灯杆业务流程为例:
第一行:存放用于测试的.cap文件数据的文件夹地址,为绝对地址,且不能有中文。示例中为“D:\00IoTTool\00IoTModelData\test。
第二行:数据标签的种类,按照标签化文件“label_01.csv”中标识出的业务流程分类数目填。示例中智能灯杆行业按照关灯、开灯、调光、状态上报三个业务流程,则此处填写数字4。
第三行:表示当前训练行业的类型,如果此行业包含的业务类型主要为服务器向客户端下发指令的业务流程,则配置为1;如果是客户端向服务器上报信息的业务,配置为-1。示例中灯杆行业主要是指令下发类业务,则此处填写数字1。
第四行到第七行是关键业务名称以及对应的数字标识。(具体行数取决于第三行设置的业务流程种类数目)。
第八行是训练的行业内业务分类模型的文件名称,此处示例中为Model_In_Used.hdf5。
最后将需要进行业务流程识别的CoAP数据包放置在指定的文件夹下“D:\00IoTTool\00IoTModelData\test”,如图11所示。
将用于测试的数据放置在指定目录之后,运行可执行“Flow_Test.exe”文件,进行测试数据的物联网业务流程识别,如图12所示,有两种执行方法;
A、直接双击“Flow_Test.exe”文件运行;
B、也可以在cmd窗口下定位到exe文件所在的文件夹路径(本文示例在D:\00IoTTool\01IoTServiceMode\Service_Mode_Show),然后执行Flow_Test.exe命令运行。
当“Flow_Test.exe”文件会运行完毕后,会输出一个有效文件“LastResults.csv”,其他文件为过程文件,如图13所示,其中“LastResults.csv”中包含的字段说明:
A列)流程名称:表示物联网业务流程分类结果;
B列)开始时间:对应的业务流程关键报文开始时间;
C列)重传次数:此次业务流程是否存在重传行为及重传次数;
D列)物联网业务流程是否成功:此次业务流程是否成功;
E列)结束时间:对应的业务流程关键报文结束时间;
F列)时延(ms):此次业务流程关键报文开始时间和结束时间的时间戳差值,单位为毫秒;
G列)所属文件:标识用于此次业务流程识别的数据包是从哪个.cap文件中读取到的。
实施例5:
基于相同的技术构思,本发明实施例提供一种物联网业务流程识别装置。本发明实施例提供的装置如图14所示,该装置包括:
获取模块1401,用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
解析模块1402,用于对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
封装模块1403,用于针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
识别模块1404,用于将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
进一步地,所述获取模块1401,具体用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
进一步地,所述装置还包括训练模块1405,用于获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
进一步地,所述训练模块1405,还用于针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
进一步地,所述装置包括评价模块1406,用于根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
实施例6:
在上述各实施例的基础上,本发明实施例还提供了一种电子设备1500,如图15所示,包括存储器1501和处理器1502;
所述处理器1502,用于读取所述存储器1501中的程序,执行下列过程:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
在图15中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器1502代表的一个或多个处理器和存储器1501代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。
可选的,处理器1502可以是CPU(中央处埋器)、ASIC(Application SpecificIntegrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或CPLD(Complex Programmable Logic Device,复杂可编程逻辑器件)。
所述处理器用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
所述处理器用于获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
所述处理器用于针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
所述处理器用于根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
实施例7:
在上述各实施例的基础上,本发明实施例还提供了一种电子设备1600,如图16所示,包括:处理器1601、通信接口1602、存储器1603和通信总线1604,其中,处理器1601,通信接口1602,存储器1603通过通信总线1604完成相互间的通信;
所述存储器1603中存储有计算机程序,当所述程序被所述处理器1601执行时,使得所述处理器1601执行如下步骤:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
进一步地,所述处理器用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
进一步地,所述处理器用于获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
所述处理器用于针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
进一步地,所述处理器用于根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口1602用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字指令处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例8:
在上述各实施例的基础上,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行时实现如下步骤:
所述存储器中存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
进一步地,所述处理器用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
进一步地,所述处理器用于获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
所述处理器用于针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
进一步地,所述处理器用于根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
对于系统/装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
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一个操作与另一个实体或者另一个操作区分开来,而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全应用实施例、或结合应用和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (15)
1.一种物联网业务流程识别方法,其特征在于,所述方法包括:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
2.如权利要求1所述的方法,其特征在于,所述获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个CoAP数据包包括:
获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;
采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
3.如权利要求1所述的方法,其特征在于,获取每个CoAP数据包中的payload字段后,所述方法还包括获取以下至少一种字段的信息:
CoAP.type字段、CoAP.mid字段和CoAP.token字段。
4.如权利要求1所述的方法,其特征在于,所述物联网业务流程识别模型的训练过程包括:
获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;
对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;
将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
5.如权利要求4所述的方法,其特征在于,所述样本数据包组中还包括针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;
解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
7.如权利要求6所述的方法,其特征在于,所述物联网业务流程对应的评价指标包括以下至少一种:
物联网业务流程是否成功、业务流程开始时间、业务流程结束时间、业务流程时延大小、业务流程是否存在重传及重传次数。
8.一种物联网业务流程识别装置,其特征在于,所述装置包括:
获取模块,用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;
解析模块,用于对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;
封装模块,用于针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;
识别模块,用于将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器:
所述处理器,用于读取所述存储器中的程序,执行下列过程:获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个受限制应用协议CoAP数据包;对每个CoAP数据包进行解析,获取每个CoAP数据包中的payload字段;针对每个CoAP数据包,按照预设的封装格式,将该CoAP数据包中的payload字段封装为第一数据包;将封装后的每个第一数据包输入到预先训练完成的物联网业务流程识别模型中,确定所述设定时间长度内第一物联网设备和物联网监控平台间传输的数据包所属的物联网业务流程的标识信息。
10.如权利要求9所述的电子设备,其特征在于,所述处理器用于获取设定时间长度内第一物联网设备和物联网监控平台间传输的每个数据包;采用IP数据报的格式对每个数据包进行分析,如果采用IP数据报分析的当前的数据包的顶层协议为UDP协议,则通过所述IP数据报获取UDP报文;如果该UDP报文的源端口号为5783,则将当前分析的包含该UDP报文的数据包确定为CoAP数据包。
11.如权利要求9所述的电子设备,其特征在于,所述处理器用于获取每个样本数据包组,其中所述样本数据包组中的每个数据包为第二物联网设备和物联网监控平台间传输的,进行同一物联网业务流程的数据包;对每个样本数据包组,获取该样本数据包组中每个数据包的payload字段,针对该样本CoAP数据包组中的每个数据包,按照预设的封装格式,将该样本数据包组中的每个数据包的payload字段封装为第二数据包;将每个样本数据包组中的每个第二数据包、及该样本数据包组中的数据包所属业务流程的标识信息输入到物联网业务流程识别模型中,对该物联网业务流程识别模型进行训练。
12.如权利要求11所述的电子设备,其特征在于,所述处理器用于针对每个样本数据包组生成的增强样本数据包组,其中每个增强样本数据包组为针对样本数据包组,采用基于CoAP协议的数据增强算法,保持该样本数据包组中的每个数据包的payload字段不变生成的。
13.如权利要求9所述的电子设备,其特征在于,所述处理器用于根据保存的每个物联网业务流程对应的评价指标,确定所述标识信息的物联网业务流程对应的目标评价指标;解析每个CoAP数据包中的字段的信息,确定所述标识信息的物联网业务流程的目标评价指标值。
14.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
所述存储器中存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1-7任一项所述方法的步骤。
15.一种计算机可读存储介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述程序在所述电子设备上运行时,使得所述电子设备执行权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643258.8A CN111385273B (zh) | 2018-12-29 | 2018-12-29 | 一种物联网业务流程识别方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643258.8A CN111385273B (zh) | 2018-12-29 | 2018-12-29 | 一种物联网业务流程识别方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111385273A CN111385273A (zh) | 2020-07-07 |
CN111385273B true CN111385273B (zh) | 2022-07-01 |
Family
ID=71216606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811643258.8A Active CN111385273B (zh) | 2018-12-29 | 2018-12-29 | 一种物联网业务流程识别方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111385273B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452754A (zh) * | 2021-05-25 | 2021-09-28 | 国网山东省电力公司电力科学研究院 | 一种基于CoAP协议的配电物联网网络通信系统 |
CN113364876B (zh) * | 2021-06-12 | 2022-04-19 | 四川虹美智能科技有限公司 | 基于窄带物联网的设备数据处理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111822A (zh) * | 2011-01-04 | 2011-06-29 | 南京邮电大学 | 一种基于认知技术的物联网方法 |
CN102315974A (zh) * | 2011-10-17 | 2012-01-11 | 北京邮电大学 | 基于层次化特征分析的tcp、udp流量在线识别方法和装置 |
CN103699955A (zh) * | 2013-09-06 | 2014-04-02 | 安徽科大讯飞信息科技股份有限公司 | 基于自定义分类规则的业务模型分析方法和装置 |
CN106209812A (zh) * | 2016-07-04 | 2016-12-07 | 深圳市得润车联科技有限公司 | 一种物联网终端平台数据封装的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10785247B2 (en) * | 2017-01-24 | 2020-09-22 | Cisco Technology, Inc. | Service usage model for traffic analysis |
-
2018
- 2018-12-29 CN CN201811643258.8A patent/CN111385273B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111822A (zh) * | 2011-01-04 | 2011-06-29 | 南京邮电大学 | 一种基于认知技术的物联网方法 |
CN102315974A (zh) * | 2011-10-17 | 2012-01-11 | 北京邮电大学 | 基于层次化特征分析的tcp、udp流量在线识别方法和装置 |
CN103699955A (zh) * | 2013-09-06 | 2014-04-02 | 安徽科大讯飞信息科技股份有限公司 | 基于自定义分类规则的业务模型分析方法和装置 |
CN106209812A (zh) * | 2016-07-04 | 2016-12-07 | 深圳市得润车联科技有限公司 | 一种物联网终端平台数据封装的方法 |
Non-Patent Citations (1)
Title |
---|
网络流量识别关键技术研究;林冠洲;《中国博士学位论文全文数据库信息科技辑》;20111215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111385273A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190294995A1 (en) | Method and system for training and validating machine learning in network environments | |
EP2609720B1 (en) | Method and apparatus for filtering streaming data | |
CN109344170B (zh) | 流数据处理方法、系统、电子设备及可读存储介质 | |
CN106649831B (zh) | 一种数据过滤方法及装置 | |
CN111475370A (zh) | 基于数据中心的运维监控方法、装置、设备及存储介质 | |
EP2206308A1 (en) | System and method for rule based content filtering | |
CN113271237B (zh) | 工控协议的解析方法、装置、存储介质及处理器 | |
CN111385273B (zh) | 一种物联网业务流程识别方法、装置、电子设备及介质 | |
CN110968689A (zh) | 罪名及法条预测模型的训练方法以及罪名及法条预测方法 | |
CN113283675B (zh) | 指标数据分析方法、装置、设备及存储介质 | |
CN111881024A (zh) | 一种接口测试脚本的确定方法、装置、设备及存储介质 | |
CN106708965A (zh) | 一种数据的处理方法和装置 | |
CN112882713B (zh) | 一种日志解析的方法、装置、介质及计算机设备 | |
CN107357885A (zh) | 数据写入方法及装置、电子设备、计算机存储介质 | |
CN116346456A (zh) | 业务逻辑漏洞攻击检测模型训练方法及装置 | |
CN116523284A (zh) | 基于机器学习的业务操作流程自动化评估方法、系统 | |
CN113536770A (zh) | 基于人工智能的文本解析方法、装置、设备及存储介质 | |
CN113138906A (zh) | 一种调用链数据采集方法、装置、设备及存储介质 | |
CN111858236B (zh) | 知识图谱监控方法、装置、计算机设备及存储介质 | |
CN113568836A (zh) | 多时间序列的样本特征提取方法以应用其的软件检测方法 | |
CN114693011A (zh) | 一种政策匹配方法、装置、设备和介质 | |
CN116383742A (zh) | 基于特征分类的规则链设置处理方法、系统及介质 | |
CN107562703A (zh) | 字典树重构方法及系统 | |
CN110968518A (zh) | 自动化测试日志文件的分析方法及装置 | |
CN115470854A (zh) | 信息系统故障分类方法及分类系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |