CN113568952A - 一种物联网资源数据分析方法 - Google Patents
一种物联网资源数据分析方法 Download PDFInfo
- Publication number
- CN113568952A CN113568952A CN202110871474.3A CN202110871474A CN113568952A CN 113568952 A CN113568952 A CN 113568952A CN 202110871474 A CN202110871474 A CN 202110871474A CN 113568952 A CN113568952 A CN 113568952A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- associated user
- target
- behavior
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种物联网资源数据分析方法,涉及物联网技术领域。在本申请中,首先,基于目标用户的行为信息确定目标用户是否存在异常行为;其次,在目标用户存在异常行为时,在预先构建的用户关系数据库中确定目标用户的关联用户,其中,关联用户至少为一个;然后,获取关联用户的关联用户行为信息,并基于关联用户行为信息确定关联用户是否存在异常行为,其中,关联用户行为信息用于表征关联用户的行为信息。基于上述方法,可以改善现有技术中在利用物联网资源进行数据分析以实现监控的过程中存在的监控效果不佳的问题。
Description
技术领域
本申请涉及物联网技术领域,具体而言,涉及一种物联网资源数据分析方法。
背景技术
随着物联网技术的不断发展,其应用范围也不断扩展,例如,可以通过对获取的物联网资源数据(如物联网设备采集的监控数据等)进行分析,实现对监控对象的监控。但是,经发明人研究发现,在现有的物联网监控技术中,在实现监控的过程中存在着监控效果不佳的问题。
发明内容
有鉴于此,本申请的目的在于提供一种物联网资源数据分析方法,以改善现有技术中在利用物联网资源进行数据分析以实现监控的过程中存在的监控效果不佳的问题。
为实现上述目的,本申请实施例采用如下技术方案:
一种物联网资源数据分析方法,应用于物联网资源数据分析设备,所述物联网资源数据分析方法包括:
基于目标用户的行为信息确定所述目标用户是否存在异常行为;
在所述目标用户存在异常行为时,在预先构建的用户关系数据库中确定所述目标用户的关联用户,其中,所述关联用户至少为一个;
获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为,其中,所述关联用户行为信息用于表征所述关联用户的行为信息。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述在所述目标用户存在异常行为时,在预先构建的用户关系数据库中确定所述目标用户的关联用户的步骤,包括:
在所述目标用户存在异常行为时,获取所述目标用户的目标身份信息;
基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户的步骤,包括:
获取所述物联网资源数据分析设备响应对应的管理用户进行的关联度阈值配置操作生成的身份关联度阈值信息;
在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并获取每一个所述关联身份信息与所述目标身份信息之间的身份关联度大小信息;
基于所述身份关联度大小信息和所述身份关联度阈值信息,确定出目标身份关联度大小信息,并将所述目标身份关联度大小信息对应的用户确定为所述目标用户的关联用户。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户的步骤,包括:
在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并获取每一个所述关联身份信息与所述目标身份信息之间的身份关联度大小信息;
基于所述身份关联度大小信息之间的大小关系,确定出至少一个目标身份关联度大小信息,并将所述目标身份关联度大小信息对应的用户确定为所述目标用户的关联用户。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤,包括:
确定所述关联用户的数量,得到第一用户数量;
确定所述第一用户数量与预设的用户数量阈值之间的大小关系,其中,所述用户数量阈值基于所述物联网资源数据分析设备响应对应的管理用户进行的用户数量阈值配置操作生成;
若所述第一用户数量小于所述用户数量阈值,则获取每一个所述关联用户的关联用户行为信息,并基于每一个所述关联用户行为信息分别确定对应的所述关联用户是否存在异常行为。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤,还包括:
若所述第一用户数量大于或等于所述用户数量阈值,则获取多个所述关联用户中每一个所述关联用户的关联用户行为信息;
针对每一个所述关联用户,统计该关联用户的关联用户行为信息的信息数量,得到该关联用户对应的第一信息数量;
基于每一个所述关联用户的第一信息数量,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户;
基于每一个所述目标关联用户的关联用户行为信息分别确定每一个所述目标关联用户是否存在异常行为。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述基于每一个所述关联用户的第一信息数量,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户的步骤,包括:
获取所述物联网资源数据分析设备响应对应的管理用户进行的信息数量阈值配置操作生成的信息数量阈值;
分别确定每一个所述关联用户的第一信息数量与所述信息数量阈值之间的大小关系;
将大于或等于所述信息数量阈值的每一个所述第一信息数量对应的每一个所述关联用户,确定为目标关联用户,以得到至少一个目标关联用户。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤,还包括:
若所述第一用户数量大于或等于所述用户数量阈值,则获取多个所述关联用户中每一个所述关联用户的关联用户行为信息;
针对每一个所述关联用户,对该关联用户的关联用户行为信息进行解析处理,以得到该关联用户对应的行为复杂程度信息,其中,所述行为复杂程度信息用于表征对应的关联用户具有的不同行为的数量;
基于每一个所述关联用户的行为复杂程度信息,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户;
基于每一个所述目标关联用户的关联用户行为信息分别确定每一个所述目标关联用户是否存在异常行为。
在一种可能的实施例中,在上述物联网资源数据分析方法中,所述基于每一个所述关联用户的行为复杂程度信息,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户的步骤,包括:
获取所述物联网资源数据分析设备响应对应的管理用户进行的行为复杂程度阈值配置操作生成的行为复杂程度阈值;
分别确定每一个所述关联用户的行为复杂程度信息与所述行为复杂程度阈值之间的大小关系;
将大于或等于所述行为复杂程度阈值的每一个所述行为复杂程度信息对应的每一个所述关联用户,确定为目标关联用户,以得到至少一个目标关联用户。
在一种可能的实施例中,在上述物联网资源数据分析方法中,在执行所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤之后,所述物联网资源数据分析方法还包括:
若基于所述关联用户行为信息确定所述关联用户存在异常行为,则在所述户关系数据库中确定所述关联用户的关联用户,得到至少一个新的关联用户;
获取所述新的关联用户的关联用户行为信息,并基于该新的关联用户的关联用户行为信息确定所述新的关联用户是否存在异常行为,其中,该新的关联用户的关联用户行为信息用于表征该新的关联用户的行为信息。
本申请提供的一种物联网资源数据分析方法,在确定目标用户存在异常行为时,先确定目标用户的关联用户,并获取关联用户的关联用户行为信息,使得可以基于关联用户行为信息确定关联用户是否存在异常行为,从而实现对关联用户的监控。基于此,相较于仅针对目标用户进行监控的常规技术方案,采用本申请提供的技术方案,由于在确定目标用户存在行为异常时还会确定关联用户是否存在行为异常,使得对用户的监控更为全面,监控效果更佳,从而改善现有技术中在利用物联网资源进行数据分析以实现监控的过程中存在的监控效果不佳的问题。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本申请实施例提供的物联网资源数据分析设备的结构框图。
图2为本申请实施例提供的物联网资源数据分析方法包括的各步骤的流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请实施例提供了一种物联网资源数据分析设备。其中,所述物联网资源数据分析设备可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本申请实施例(如后文所述)提供的物联网资源数据分析方法。
可选地,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)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。
并且,图1所示的结构仅为示意,所述物联网资源数据分析设备还可包括比图1中所示更多或者更少的组件,或具有与图1所示不同的配置,例如,可以包括用于与其它设备进行信息交互的通信单元。
其中,在一种可以替代的示例中,所述物联网资源数据分析设备可以是一种具备数据处理能力的服务器。
结合图2,本申请实施例还提供一种物联网资源数据分析方法,可应用于上述物联网资源数据分析设备。其中,所述物联网资源数据分析方法有关的流程所定义的方法步骤,可以由所述物联网资源数据分析设备实现。
下面将对图2所示的具体流程,进行详细阐述。
步骤S110,基于目标用户的行为信息确定目标用户是否存在异常行为。
在本实施例中,所述物联网资源数据分析设备可以先基于目标用户的行为信息确定目标用户是否存在异常行为。
步骤S120,在所述目标用户存在异常行为时,在预先构建的用户关系数据库中确定所述目标用户的关联用户。
在本实施例中,在基于步骤S110确定所述目标用户存在异常时,所述物联网资源数据分析设备可以在预先构建的用户关系数据库中确定所述目标用户的关联用户。其中,所述关联用户至少为一个。
步骤S130,获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为。
在本实施例中,在基于步骤S120确定所述关联用户之后,所述物联网资源数据分析设备可以先获取所述关联用户的关联用户行为信息,然后,基于所述关联用户行为信息确定所述关联用户是否存在异常行为。
其中,所述关联用户行为信息用于表征所述关联用户的行为信息。可以理解的是,确定所述关联用户是否存在异常行为的方式可以参照确定所述目标用户是否存在异常行为的方式,如后文所述。
基于上述方法,在确定目标用户存在异常行为时,先确定目标用户的关联用户,并获取关联用户的关联用户行为信息,使得可以基于关联用户行为信息确定关联用户是否存在异常行为,从而实现对关联用户的监控。基于此,相较于仅针对目标用户进行监控的常规技术方案,采用本申请提供的技术方案,由于在确定目标用户存在行为异常时还会确定关联用户是否存在行为异常,使得对用户的监控更为全面,监控效果更佳,从而改善现有技术中在利用物联网资源进行数据分析以实现监控的过程中存在的监控效果不佳的问题。
可以理解的是,在一种可以替代的示例中,可以基于步骤S121和步骤S122以确定所述目标用户是否存在异常行为。
步骤S121,确定与所述目标监控区域具有相似关系的其它监控区域,并获取所述其它监控区域具有的其它物联网设备采集的关联区域用户行为信息,其中,所述目标监控区域还具有目标物联网设备。
在本实施例中,在基于步骤S110判定获取到所述目标请求信息之后,所述物联网资源数据分析设备可以先确定与所述目标物联网设备所在的目标监控区域具有相似关系的其它监控区域,然后,可以获取所述其它监控区域具有的其它物联网设备采集的关联区域用户行为信息。其中,所述关联区域用户行为信息用于表征目标用户在所述其它监控区域的行为信息。
步骤S122,基于所述关联区域用户行为信息和所述目标物联网设备在所述目标监控区域对所述目标用户进行信息采集得到的目标区域用户行为信息,分析得到所述目标用户的行为分析结果。
在本实施例中,在基于步骤S121获取到所述关联区域用户行为信息之后,所述物联网资源数据分析设备可以基于所述关联区域用户行为信息和所述目标物联网设备在所述目标监控区域对所述目标用户进行信息采集得到的目标区域用户行为信息,分析得到所述目标用户的行为分析结果。
其中,所述目标区域用户行为信息用于表征所述目标用户在所述目标监控区域的行为信息。所述行为分析结果可以包括所述目标用户存在异常行为或所述目标用户不存在异常行为。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以获取所述关联区域用户行为信息:
首先,确定所述目标物联网设备所在的目标监控区域;
其次,针对预先确定的多个监控区域中所述目标监控区域以外的每一个其它监控区域,计算该其它监控区域与所述目标监控区域之间的区域相似度,并基于每一个所述其它监控区域与所述目标监控区域之间的区域相似度,确定出与所述目标监控区域具有相似关系的其它监控区域;
然后,获取与所述目标监控区域具有相似关系的其它监控区域具有的所述其它物联网设备在该其它监控区域对所述目标用户进行信息采集得到的关联区域用户行为信息,其中,获取的所述关联区域用户行为信息可以为用户历史行为信息。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以确定出与所述目标监控区域具有相似关系的其它监控区域:
首先,在预先确定的多个监控区域中,确定所述目标物联网设备所在的目标监控区域以外的每一个其它监控区域具有的其它物联网设备;
其次,获取每一个所述其它物联网设备采集相对应的其它监控区域中的区域环境得到的区域环境信息(如在所述其它监控区域中不具有用户时,拍摄得到,或者,在所述其它监控区域中具有用户时,将拍摄得到的图像信息中的用户信息予以剔除);
然后,基于所述其它监控区域的区域环境信息和所述目标监控区域的区域环境信息,确定所述其它监控区域与所述目标监控区域之间的区域相似度,并基于所述其它监控区域与所述目标监控区域之间的区域相似度,确定出与所述目标监控区域具有相似关系的其它监控区域。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以基于所述区域环境信息确定出与目标监控区域具有相似关系的其它监控区域:
第一步,针对每一个所述其它监控区域,基于该其它监控区域对应的区域环境信息包括的各固定物体(如各种建筑物、植物)构建对应的固定物体信息集合,并统计该固定物体信息集合中包括的固定物体的物体数量;
第二步,将多个所述物体数量,基于对应的固定物体信息集合中固定物体体积最大的一个固定物体的固定物体体积信息,按照物体体积从小到大的顺序进行排序,得到物体数量序列;
第三步,针对所述物体数量序列中第一个物体数量以外的每一个物体数量,计算该物体数量与前一个物体数量之间的数量差值;
第四步,在多个所述数量差值中,基于所述数量差值之间的大小关系,确定出满足预设条件的至少一个目标数量差值;
第五步,基于所述至少一个目标数量差值对应的物体数量,按照该物体数量在所述物体数量序列中的先后关系,构建物体数量目标序列,其中,所述物体数量目标序列包括所述至少一个目标数量差值对应的物体数量;
第六步,计算所述物体数量目标序列包括的多个物体数量的离散程度,得到对应的第一离散程度值,并确定该物体数量目标序列中是否存在连续的预设数量个物体数量的第二离散程度值小于第二离散程度阈值,其中,所述预设数量可以基于所述物联网资源数据分析设备响应对应的管理用户根据实际应用场景进行的配置操作生成;
第七步,基于所述第一离散程度值以及是否存在连续的预设数量个物体数量的第二离散程度值小于第二离散程度阈值的确定结果,在多个所述其它监控区域中确定出至少一个候选监控区域;
第八步,在所述至少一个候选监控区域中,确定出与所述目标监控区域具有相似关系的其它监控区域。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以确定出满足所述预设条件的至少一个目标数量差值:
首先,基于得到的多个所述数量差值按照对应物体数量在所述物体数量序列中的排序,构建数量差值变化序列,其中,所述数量差值变化序列包括多个所述数量差值;
其次,对所述数量差值变化序列包括的多个所述数量差值进行均值计算和标准差计算,得到对应的数量平均值和数量标准差值;
然后,针对所述数量差值变化序列包括的每一个数量差值,对该数量差值与所述数量平均值进行差值计算,得到该数量差值对应的数量偏离度,并确定该数量偏离度与所述数量标准差值之间的大小关系;
最后,将与所述数量标准差值之间的大小关系满足预设条件的每一个数量偏离度对应的数量差值,作为目标数量差值,例如,可以将小于所述数量标准差值的每一个数量偏离度对应的数量差值,作为目标数量差值。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以基于所述第一离散程度值和所述确定结果以确定出所述候选监控区域:
在所述第一离散程度值小于第一离散程度阈值,且所述第二离散程度值小于所述第二离散程度阈值时,将所述连续的预设数量个物体数量对应的其它监控区域确定为候选监控区域。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以在所述至少一个候选监控区域中,确定出与所述目标监控区域具有相似关系的其它监控区域:
首先,获取所述目标物联网设备采集所述目标监控区域中的区域环境得到的区域环境信息(如前所述);
其次,计算所述目标监控区域的区域环境信息与每一个所述候选监控区域的区域环境信息之间的环境相似度(如计算对应的图像之间的图像相似度,并将该图像相似度作为所述环境相似度),并将该环境相似度作为所述目标监控区域与所述候选监控区域之间的区域相似度;
然后,将大于预设的相似度阈值的每一个所述区域相似度对应的候选监控区域,确定为与所述目标监控区域具有相似关系的其它监控区域,其中,所述相似度阈值可以基于所述物联网资源数据分析设备响应对应的管理用户根据实际应用场景进行的配置操作生成。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以分析得到所述目标用户的行为分析结果:
首先,计算每两条所述关联区域用户行为信息之间的信息相似度(例如,在所述关联区域用户行为信息为拍摄的用户行为图像时,可以将图像之间的相似度作为所述信息相似度),其中,所述信息相似度用于表征两条所述关联区域用户行为信息对应用户行为之间的行为相似度;
其次,基于所述信息相似度确定多条所述关联区域用户行为信息是否满足用于进行行为分析的条件;
然后,若多条所述关联区域用户行为信息满足用于进行行为分析的条件,则基于多条所述关联区域用户行为信息,对所述目标物联网设备在所述目标监控区域对所述目标用户进行信息采集得到的目标区域用户行为信息进行分析,得到所述目标用户的行为分析结果(例如,若所述目标区域用户行为信息与多条所述关联区域用户行为信息中的多数关联区域用户行为信息相匹配,如行为都相同或对应的图像相似度大于阈值,可以认为所述目标用户的行为正常,反之,则认为所述目标用户的行为异常)。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以确定多条所述关联区域用户行为信息是否满足用于进行行为分析的条件:
首先,在多个所述信息相似度中,确定大于预设阈值的每一个所述信息相似度为目标信息相似度,并确定所述目标信息相似度在多个所述信息相似度中的占比信息,其中,所述预设阈值可以基于所述物联网资源数据分析设备响应对应的管理用户根据实际应用场景进行的配置操作生成;
其中,若所述占比信息大于占比阈值信息,则确定多条所述关联区域用户行为信息满足用于进行行为分析的条件,其中,所述占比阈值信息可以基于所述物联网资源数据分析设备响应对应的管理用户根据实际应用场景进行的配置操作生成。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以确定所述目标用户的关联用户:
首先,在所述目标用户存在异常行为时,获取所述目标用户的目标身份信息(如身份证号码等能够唯一标识用户身份的信息);
其次,基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以基于所述关联身份信息确定关联用户:
首先,获取所述物联网资源数据分析设备响应对应的管理用户进行的关联度阈值配置操作生成的身份关联度阈值信息;
其次,在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并获取每一个所述关联身份信息与所述目标身份信息之间的身份关联度大小信息(其中,该身份关联度大小信息可以在构建所述用户关系数据库时基于对应的用户进行配置确定,也可以在构建所述用户关系数据库时基于获取的用户信息分析得到);
然后,基于所述身份关联度大小信息和所述身份关联度阈值信息,确定出目标身份关联度大小信息,并将所述目标身份关联度大小信息对应的用户确定为所述目标用户的关联用户。
可以理解的是,在另一种可以替代的示例中,也可以基于以下步骤以基于所述关联身份信息确定关联用户:
首先,在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并获取每一个所述关联身份信息与所述目标身份信息之间的身份关联度大小信息(如前所述);
其次,基于所述身份关联度大小信息之间的大小关系,确定出至少一个目标身份关联度大小信息,并将所述目标身份关联度大小信息对应的用户确定为所述目标用户的关联用户,例如,可以将所述身份关联度大小信息最大的一个或多个身份关联度大小信息确定为目标身份关联度大小信息,或者,先计算各所述身份关联度大小信息的平均值,然后,将大于或等于所述平均值的每一个所述身份关联度大小信息确定为目标身份关联度大小信息。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以确定所述关联用户是否存在异常行为:
首先,确定所述关联用户的数量,得到第一用户数量;
其次,确定所述第一用户数量与预设的用户数量阈值之间的大小关系,其中,所述用户数量阈值基于所述物联网资源数据分析设备响应对应的管理用户进行的用户数量阈值配置操作生成;
然后,若所述第一用户数量小于所述用户数量阈值,则获取每一个所述关联用户的关联用户行为信息,并基于每一个所述关联用户行为信息分别确定对应的所述关联用户是否存在异常行为。
可以理解的是,在第一种可以替代的示例中,在上述示例的基础上,也可以基于以下步骤以确定所述关联用户是否存在异常行为:
首先,若所述第一用户数量大于或等于所述用户数量阈值,则获取多个所述关联用户中每一个所述关联用户的关联用户行为信息;
其次,针对每一个所述关联用户,统计该关联用户的关联用户行为信息的信息数量,得到该关联用户对应的第一信息数量;
然后,基于每一个所述关联用户的第一信息数量,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户;
最后,基于每一个所述目标关联用户的关联用户行为信息分别确定每一个所述目标关联用户是否存在异常行为。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以基于所述第一信息数量在多个所述关联用户中确定出至少一个目标关联用户:
首先,获取所述物联网资源数据分析设备响应对应的管理用户进行的信息数量阈值配置操作生成的信息数量阈值;
其次,分别确定每一个所述关联用户的第一信息数量与所述信息数量阈值之间的大小关系;
然后,将大于或等于所述信息数量阈值的每一个所述第一信息数量对应的每一个所述关联用户,确定为目标关联用户,以得到至少一个目标关联用户。
可以理解的是,在第二种可以替代的示例中,在上述示例的基础上,也可以基于以下步骤以确定所述关联用户是否存在异常行为:
首先,若所述第一用户数量大于或等于所述用户数量阈值,则获取多个所述关联用户中每一个所述关联用户的关联用户行为信息;
其次,针对每一个所述关联用户,对该关联用户的关联用户行为信息进行解析处理,以得到该关联用户对应的行为复杂程度信息,其中,所述行为复杂程度信息用于表征对应的关联用户具有的不同行为的数量,可以理解的是,具有的不同行为的数量可以是指具有不同的动作的数量,可以理解的是,在确定不同的动作的数量时,可以基于现有的动作识别模型对所述关联用户行为信息进行识别得到,所述动作识别模型可以基于预先训练神经网络得到,所述关联用户行为信息可以为图像;
然后,基于每一个所述关联用户的行为复杂程度信息,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户;
最后,基于每一个所述目标关联用户的关联用户行为信息分别确定每一个所述目标关联用户是否存在异常行为。
可以理解的是,在一种可以替代的示例中,可以基于以下步骤以基于所述行为复杂程度信息在多个关联用户中确定出至少一个目标关联用户:
首先,获取所述物联网资源数据分析设备响应对应的管理用户进行的行为复杂程度阈值配置操作生成的行为复杂程度阈值;
其次,分别确定每一个所述关联用户的行为复杂程度信息与所述行为复杂程度阈值之间的大小关系;
然后,将大于或等于所述行为复杂程度阈值的每一个所述行为复杂程度信息对应的每一个所述关联用户,确定为目标关联用户,以得到至少一个目标关联用户。
可以理解的是,在上述示例的基础上,所述物联网资源数据分析设备在执行所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤之后,即在执行步骤S130之后,所述物联网资源数据分析方法还可以包括以下步骤:
首先,若基于所述关联用户行为信息确定所述关联用户存在异常行为,则在所述户关系数据库中确定所述关联用户的关联用户,得到至少一个新的关联用户(具体方式可以参照前文对步骤S120的解释说明);
其次,获取所述新的关联用户的关联用户行为信息,并基于该新的关联用户的关联用户行为信息确定所述新的关联用户是否存在异常行为(具体方式可以参照前文对步骤S130的解释说明),其中,该新的关联用户的关联用户行为信息用于表征该新的关联用户的行为信息
综上所述,本申请提供的一种物联网资源数据分析方法,在确定目标用户存在异常行为时,先确定目标用户的关联用户,并获取关联用户的关联用户行为信息,使得可以基于关联用户行为信息确定关联用户是否存在异常行为,从而实现对关联用户的监控。基于此,相较于仅针对目标用户进行监控的常规技术方案,采用本申请提供的技术方案,由于在确定目标用户存在行为异常时还会确定关联用户是否存在行为异常,使得对用户的监控更为全面,监控效果更佳,从而改善现有技术中在利用物联网资源进行数据分析以实现监控的过程中存在的监控效果不佳的问题。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,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“包括一个……”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。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种物联网资源数据分析方法,其特征在于,应用于物联网资源数据分析设备,所述物联网资源数据分析方法包括:
基于目标用户的行为信息确定所述目标用户是否存在异常行为;
在所述目标用户存在异常行为时,在预先构建的用户关系数据库中确定所述目标用户的关联用户,其中,所述关联用户至少为一个;
获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为,其中,所述关联用户行为信息用于表征所述关联用户的行为信息。
2.根据权利要求1所述的物联网资源数据分析方法,其特征在于,所述在所述目标用户存在异常行为时,在预先构建的用户关系数据库中确定所述目标用户的关联用户的步骤,包括:
在所述目标用户存在异常行为时,获取所述目标用户的目标身份信息;
基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户。
3.根据权利要求2所述的物联网资源数据分析方法,其特征在于,所述基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户的步骤,包括:
获取所述物联网资源数据分析设备响应对应的管理用户进行的关联度阈值配置操作生成的身份关联度阈值信息;
在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并获取每一个所述关联身份信息与所述目标身份信息之间的身份关联度大小信息;
基于所述身份关联度大小信息和所述身份关联度阈值信息,确定出目标身份关联度大小信息,并将所述目标身份关联度大小信息对应的用户确定为所述目标用户的关联用户。
4.根据权利要求2所述的物联网资源数据分析方法,其特征在于,所述基于所述目标身份信息在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并基于所述关联身份信息确定关联用户的步骤,包括:
在预先构建的用户关系数据库中确定与所述目标身份信息之间建立有关联关系的关联身份信息,并获取每一个所述关联身份信息与所述目标身份信息之间的身份关联度大小信息;
基于所述身份关联度大小信息之间的大小关系,确定出至少一个目标身份关联度大小信息,并将所述目标身份关联度大小信息对应的用户确定为所述目标用户的关联用户。
5.根据权利要求1所述的物联网资源数据分析方法,其特征在于,所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤,包括:
确定所述关联用户的数量,得到第一用户数量;
确定所述第一用户数量与预设的用户数量阈值之间的大小关系,其中,所述用户数量阈值基于所述物联网资源数据分析设备响应对应的管理用户进行的用户数量阈值配置操作生成;
若所述第一用户数量小于所述用户数量阈值,则获取每一个所述关联用户的关联用户行为信息,并基于每一个所述关联用户行为信息分别确定对应的所述关联用户是否存在异常行为。
6.根据权利要求5所述的物联网资源数据分析方法,其特征在于,所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤,还包括:
若所述第一用户数量大于或等于所述用户数量阈值,则获取多个所述关联用户中每一个所述关联用户的关联用户行为信息;
针对每一个所述关联用户,统计该关联用户的关联用户行为信息的信息数量,得到该关联用户对应的第一信息数量;
基于每一个所述关联用户的第一信息数量,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户;
基于每一个所述目标关联用户的关联用户行为信息分别确定每一个所述目标关联用户是否存在异常行为。
7.根据权利要求6所述的物联网资源数据分析方法,其特征在于,所述基于每一个所述关联用户的第一信息数量,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户的步骤,包括:
获取所述物联网资源数据分析设备响应对应的管理用户进行的信息数量阈值配置操作生成的信息数量阈值;
分别确定每一个所述关联用户的第一信息数量与所述信息数量阈值之间的大小关系;
将大于或等于所述信息数量阈值的每一个所述第一信息数量对应的每一个所述关联用户,确定为目标关联用户,以得到至少一个目标关联用户。
8.根据权利要求5所述的物联网资源数据分析方法,其特征在于,所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤,还包括:
若所述第一用户数量大于或等于所述用户数量阈值,则获取多个所述关联用户中每一个所述关联用户的关联用户行为信息;
针对每一个所述关联用户,对该关联用户的关联用户行为信息进行解析处理,以得到该关联用户对应的行为复杂程度信息,其中,所述行为复杂程度信息用于表征对应的关联用户具有的不同行为的数量;
基于每一个所述关联用户的行为复杂程度信息,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户;
基于每一个所述目标关联用户的关联用户行为信息分别确定每一个所述目标关联用户是否存在异常行为。
9.根据权利要求8所述的物联网资源数据分析方法,其特征在于,所述基于每一个所述关联用户的行为复杂程度信息,对多个所述关联用户进行筛选,以在多个所述关联用户中确定出至少一个目标关联用户的步骤,包括:
获取所述物联网资源数据分析设备响应对应的管理用户进行的行为复杂程度阈值配置操作生成的行为复杂程度阈值;
分别确定每一个所述关联用户的行为复杂程度信息与所述行为复杂程度阈值之间的大小关系;
将大于或等于所述行为复杂程度阈值的每一个所述行为复杂程度信息对应的每一个所述关联用户,确定为目标关联用户,以得到至少一个目标关联用户。
10.根据权利要求1-9任意一项所述的物联网资源数据分析方法,其特征在于,在执行所述获取所述关联用户的关联用户行为信息,并基于所述关联用户行为信息确定所述关联用户是否存在异常行为的步骤之后,所述物联网资源数据分析方法还包括:
若基于所述关联用户行为信息确定所述关联用户存在异常行为,则在所述户关系数据库中确定所述关联用户的关联用户,得到至少一个新的关联用户;
获取所述新的关联用户的关联用户行为信息,并基于该新的关联用户的关联用户行为信息确定所述新的关联用户是否存在异常行为,其中,该新的关联用户的关联用户行为信息用于表征该新的关联用户的行为信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110871474.3A CN113568952A (zh) | 2021-07-30 | 2021-07-30 | 一种物联网资源数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110871474.3A CN113568952A (zh) | 2021-07-30 | 2021-07-30 | 一种物联网资源数据分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113568952A true CN113568952A (zh) | 2021-10-29 |
Family
ID=78169488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110871474.3A Withdrawn CN113568952A (zh) | 2021-07-30 | 2021-07-30 | 一种物联网资源数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113568952A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828011A (zh) * | 2022-10-13 | 2023-03-21 | 徐州海清信息科技有限公司 | 基于大数据的数据分析方法和平台 |
CN116170640A (zh) * | 2022-11-28 | 2023-05-26 | 北京奇艺世纪科技有限公司 | 一种异常行为确定方法、装置、计算机设备以及存储介质 |
-
2021
- 2021-07-30 CN CN202110871474.3A patent/CN113568952A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828011A (zh) * | 2022-10-13 | 2023-03-21 | 徐州海清信息科技有限公司 | 基于大数据的数据分析方法和平台 |
CN115828011B (zh) * | 2022-10-13 | 2023-11-10 | 四川宏智科信数字科技有限公司 | 基于大数据的数据分析方法和平台 |
CN116170640A (zh) * | 2022-11-28 | 2023-05-26 | 北京奇艺世纪科技有限公司 | 一种异常行为确定方法、装置、计算机设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115034600A (zh) | 一种用于地质灾害监测的预警方法及系统 | |
CN113568952A (zh) | 一种物联网资源数据分析方法 | |
CN111090807A (zh) | 一种基于知识图谱的用户识别方法及装置 | |
CN114780606B (zh) | 一种大数据挖掘方法及系统 | |
CN113569965A (zh) | 一种基于物联网的用户行为分析方法及系统 | |
CN113726783A (zh) | 异常ip地址识别方法、装置、电子设备及可读存储介质 | |
CN110717551A (zh) | 流量识别模型的训练方法、装置及电子设备 | |
CN106909492B (zh) | 业务数据的追踪方法及装置 | |
CN113987243A (zh) | 一种图像聚档方法、图像聚档装置和计算机可读存储介质 | |
CN113609389A (zh) | 一种社区平台信息推送方法及系统 | |
CN113435359A (zh) | 一种图像识别方法 | |
CN113486342A (zh) | 一种基于用户行为分析的信息安全处理方法及系统 | |
CN113628073A (zh) | 一种智慧小区的物业管理方法及系统 | |
CN113537087A (zh) | 一种智慧交通信息处理方法、装置及服务器 | |
CN113609111A (zh) | 一种大数据测试方法及系统 | |
CN113407750A (zh) | 一种图像分布式存储方法及系统 | |
CN113239031A (zh) | 一种大数据去噪处理方法 | |
CN112667654A (zh) | 业务工单更新方法及系统 | |
CN113328988A (zh) | 基于大数据和云计算的网络安全校验方法及系统 | |
CN113256366A (zh) | 基于大数据和云计算的订单数据处理方法及系统 | |
CN113553565A (zh) | 一种基于生物认证的信息验证方法 | |
CN113489735A (zh) | 一种网络信息安全诊断方法 | |
CN112559787B (zh) | 一种基于区块链的遥测数据处理方法、系统及云平台 | |
CN112907306B (zh) | 一种客户满意度判别方法及装置 | |
CN114867046B (zh) | 无线网络设备固件更新方法和无线网络设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211029 |