CN114356705A - 用于物联网设备的异常检测方法、装置、设备及介质 - Google Patents
用于物联网设备的异常检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114356705A CN114356705A CN202111625014.9A CN202111625014A CN114356705A CN 114356705 A CN114356705 A CN 114356705A CN 202111625014 A CN202111625014 A CN 202111625014A CN 114356705 A CN114356705 A CN 114356705A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- preset
- internet
- detection
- 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
Images
Abstract
本发明实施例公开了一种用于物联网设备的异常检测方法、装置、设备及介质。该方法属于物联网技术领域,其包括:若接收到预设数据检测指令,则根据预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据多维采集数据构建目标数据集;根据目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;对线性组合函数进行函数型主成分分析以得到异常检测目标函数;根据异常检测目标函数及目标数据集,通过误差平方积分方法构建数据异常检测公式;根据预设误差平方积分均值,通过数据异常检测公式对目标数据集中的数据进行检测以得到检测结果。本申请实施例可提高物联网平台的检测效率及降低误报率。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种用于物联网设备的异常检测方法、装置、设备及介质。
背景技术
随着物联网技术的发展,物联网设备呈现出爆炸式增长,但由于尺寸小、功耗低以及资源有限等软硬件特征,难以进行编程和交互,加之部署地方一般较为偏僻,极易遭到各类攻击,使得物联网设备运行异常。现有技术中,物联网设备异常检测主要是针对物联网设备采集的数据进行检测,目前主要基于统计、距离、密度以及模式识别等方法对采集数据进行检测,但检测的准确率较低,误报率较高。
发明内容
本发明实施例提供了一种用于物联网设备的异常检测方法、装置、设备及介质,旨在提高物联网平台的检测准确率及降低误报率。
第一方面,本发明实施例提供了一种用于物联网设备的异常检测方法,其包括:
若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;
根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;
对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;
根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;
根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
第二方面,本发明实施例还提供了一种用于物联网设备的异常检测装置,其包括:
第一构建单元,用于若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;
第二构建单元,用于根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;
分析单元,用于对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;
第三构建单元,用于根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;
检测单元,用于根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种用于物联网设备的异常检测方法、装置、设备及介质。其中,所述方法包括:若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。本发明实施例的技术方案,先根据多维采集数据构建目标数据集,再根据构建的目标数据集及预设基函数通过一系列处理得到异常检测公式,最后通过异常检测公式对目标数据集进行检测以判断物联网设备是否异常,可提高物联网平台的检测准确率及降低误报率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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为本发明实施例提供的一种用于物联网设备的异常检测方法的流程示意图;
图2为本发明实施例提供的一种用于物联网设备的异常检测装置的示意性框图;以及
图3为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1,图1是本发明实施例提供的一种用于物联网设备的异常检测方法的流程示意图。本发明实施例的用于物联网设备的异常检测方法可应用于物联网平台中,例如可通过配置于物联网平台上的软件程序来实现该用于物联网设备的异常检测方法,从而提高物联网平台的检测准确率及降低误报率。如图1所示,该方法包括以下步骤S100-S140。
S100、若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据。
本发明实施例中,物联网平台接收物联网设备上传的多维采集数据,并将所述多维采集数据保存至与所述物联网平台相对应的预设数据库中,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据。当所述物联网平台设置的定时检测时间到,则会触发预设数据检测指令的发送,所述物联网平台根据所述预设数据检测指令从所述预设数据库中获取所述物联网设备在预设时间段内上传的所述多维采集数据,其中,所述预设时间段为自行设置的时间段,例如为24小时。所述物联网平台获取到所述多维采集数据之后,根据所述多维采集数据构建目标数据集,具体地,先根据预设划分时间对所述多维采集数据进行划分以得到多个数据集,其中,所述预设划分时间小于所述预设时间段,例如为6小时;然后再根据预设传感器标识符将每个所述数据集划分为多个子数据集以得到目标数据集,可理解地,所述目标数据集包括多个数据集,而每个数据集包括多个子数据集。
S110、根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数。
本发明实施例中,根据所述多维采集数据构建目标数据集之后,根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数,具体地,首先判断所述目标数据集是否为具有周期性特征的数据集,若所述目标数据集为具有周期性特征的数据集,表明所述目标数据集中的数据曲率相近,则根据傅里叶基函数及预设系数通过基函数展开方法构建线性组合函数,其中,所述预设系数可根据需求自行设置;所述第一基函数展开方法为使用所述傅里叶基函数及所述预设系数来计算拟合估计采集值;若所述目标数据集为不具有周期性特征的数据集,表明所述目标数据集的数据具有局部特征,则根据B样条基函数及所述预设系数通过第二基函数展开方法构建所述线性组合函数,其中,所述第二基函数展开方法为使用B样条基函数及所述预设系数来计算拟合估计值采集值。需要说明的是,在本发明实施例中,通过基函数展开方法可将离散型数据采用函数平滑表示。
S120、对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数。
本发明实施例中,通过基函数展开方法构建线性组合函数之后,会对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数,其中,所述异常检测目标函数为主成分得分函数。具体地,是将预设的主成分权函数及所述线性组合函数代入预设函数型主成分公式中得到异常检测目标函数,其中,所述异常检测目标函数为其中,β(t)为预设的主成分权函数,xi(t)为所述线性组合函数,a和b分别为预设时间段的开始时间和结束时间。需要说明的是,在本发明实施例中,之所以对所述线性组合函数进行函数型主成分分析,是为了将所述线性组合函数进行降维,从而得到简化后的异常检测目标函数。
S130、根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式。
本发明实施例中,对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数之后,根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式。具体地,先将所述目标数据集及所述异常检测目标函数代入预设平方和公式求差值平方以得到差值平方和公式,其中,所述预设平方和公式为ei 2(t),所述目标数据集为yi(t),所述差值平方和公式为先求所述目标数据集与所述异常检测目标函数的差值,然后再求平方的公式;将所述差值平方和公式代入预设积分公式以得到数据异常检测公式,其中,所述预设积分公式为所述数据异常检测公式Vi(t)如公式(1)所示:
需要说明的是,公式(1)K为主成分的个数,主成分的个数可通过碎石图法及累积方差解释比例法确定。
S140、根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
本发明实施例中,通过误差平方积分方法构建数据异常检测公式之后,先通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值;若所述误差平方积分值不大于预设误差平方积分均值,表明所述当前子数据中的采集数据均为正常数据,即表明在与所述当前数据集对应的时间段内所述物联网设备运行正常,无需在检测其它数据集中的采集数据,则将所述当前数据集放入预设样本库;根据所述预设样本库通过所述数据异常检测公式计算当前误差平方积分均值,并将当前误差平方积分均值作为所述预设误差平方积分均值,以对所述预设误差平方积分均值进行更新,使得检测更为准确;将下一数据集作为当前数据集,并返回所述通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所有所述数据集检测完为止,此时,将检测结果设置为检测正常,表明所述物联网设备在所述预设时间段内运行正常。可理解地,若所述误差平方积分值大于所述预设误差平方积分均值,表明所述当前子数据集中的采集数据异常,为了检测更为准确,则将下一子数据集作为当前子数据集,并返回执行通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤,以对所述当前数据集中的其它子数据集进行检测,直至将所述当前数据集中的所有子数据集检测完为止。在实际应用中,在所述当前数据对应的时间段内,若检测到当前传感器采集的数据异常时,为了检测更为准确,会再去检测其它传感器采集的数据,以进行综合判断,以提高物联网平台的检测准确率及降低误报率。需要说明的是,在本发明实施例中,若检测到其它传感器采集的数据也为异常数据,则将所述检测结果设置为检测异常,并发出告警提示以提醒相关人员反查所述物联网设备的日志。
图2是本发明实施例提供的一种用于物联网设备的异常检测装置200的示意性框图。如图2所示,对应于以上用于物联网设备的异常检测方法,本发明还提供一种用于物联网设备的异常检测装置200。该用于物联网设备的异常检测装置200包括用于执行上述用于物联网设备的异常检测方法的单元。具体地,请参阅图2,该用于物联网设备的异常检测装置200包括第一构建单元201、第二构建单元202、分析单元203、第三构建单元204以及检测单元205。
其中,所述第一构建单元201用于若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;所述第二构建单元202用于根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;所述分析单元203用于对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;所述第三构建单元204用于根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;所述检测单元205用于根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
在某些实施例,例如本实施例中,所述第一构建单元201包括第一划分单元2011及第二划分单元2012。
其中,所述第一划分单元2011用于根据预设划分时间对所述多维采集数据进行划分以得到多个数据集;所述第二划分单元2012用于根据预设传感器标识符将每个所述数据集划分为多个子数据集以得到目标数据集。
在某些实施例,例如本实施例中,所述第二构建单元202包括第一构建子单元2021及第二构建子单元2022。
其中,所述第一构建子单元2021用于若所述目标数据集为具有周期性特征的数据集,则根据傅里叶基函数及预设系数通过第一基函数展开方法构建线性组合函数;所述第二构建子单元2022用于若所述目标数据集为不具有周期性特征的数据集,则根据B样条基函数及所述预设系数通过第二基函数展开方法构建所述线性组合函数。
在某些实施例,例如本实施例中,所述第三构建单元204包括第一代入单元2041及第二代入单元2042。
其中,所述第一代入单元2041用于将所述目标数据集及所述异常检测目标函数代入预设平方和公式以得到差值平方和公式;所述第二代入单元2042用于将所述差值平方和公式代入预设积分公式以得到数据异常检测公式。
在某些实施例,例如本实施例中,所述检测单元205包括第一计算单元2051、第二计算单元2052、第一返回执行单元2053以及第二返回执行单元2054。
其中,所述第一计算单元2051用于通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值;所述第二计算单元2052用于若所述误差平方积分值不大于预设误差平方积分均值,则将所述当前数据集放入预设样本库,并根据所述预设样本库通过所述数据异常检测公式计算当前误差平方积分均值,将当前误差平方积分均值作为所述预设误差平方积分均值;所述返回执行单元2053用于将下一数据集作为当前数据集,并返回所述通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所有所述数据集检测完为止,以得到检测结果;所述第二返回执行单元2054用于若所述误差平方积分值大于所述预设误差平方积分均值,则将下一子数据集作为当前子数据集,并返回执行通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所述当前数据集中的所有子数据集检测完为止,以得到所述检测结果。
在某些实施例,例如本实施例中,所述异常检测装置200还包括提示单元206。
其中,所述提示单元206用于若所述检测结果为检测异常,则发出告警提示以提醒相关人员反查所述物联网设备的日志。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述用于物联网设备的异常检测装置200和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述用于物联网设备的异常检测装置可以实现为一种计算机程序的形式,该计算机程序可以在如图3所示的计算机设备上运行。
请参阅图3,图3是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备900为搭建有物联网平台的服务器。
参阅图3,该计算机设备900包括通过系统总线901连接的处理器902、存储器和接口907,其中,存储器可以包括存储介质903和内存储器904。
该存储介质903可存储操作系统9031和计算机程序9032。该计算机程序9032被执行时,可使得处理器902执行上述用于物联网设备的异常检测方法。
该处理器902用于提供计算和控制能力,以支撑整个计算机设备900的运行。
该内存储器904为存储介质903中的计算机程序9032的运行提供环境,该计算机程序9032被处理器902执行时,可使得处理器902执行一种用于物联网设备的异常检测方法。
该接口905用于与其它设备进行通信。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备900的限定,具体的计算机设备900可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器902用于运行存储在存储器中的计算机程序9032,以实现如下步骤:若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
在某些实施例,例如本实施例中,处理器902在实现所述根据所述多维采集数据构建目标数据集步骤时,具体实现如下步骤:根据预设划分时间对所述多维采集数据进行划分以得到多个数据集;根据预设传感器标识符将每个所述数据集划分为多个子数据集以得到目标数据集。
在某些实施例,例如本实施例中,处理器902在实现所述根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数步骤时,具体实现如下步骤:若所述目标数据集为具有周期性特征的数据集,则根据傅里叶基函数及预设系数通过第一基函数展开方法构建线性组合函数;若所述目标数据集为不具有周期性特征的数据集,则根据B样条基函数及所述预设系数通过第二基函数展开方法构建所述线性组合函数。
在某些实施例,例如本实施例中,处理器902在实现所述根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式步骤时,具体实现如下步骤:将所述目标数据集及所述异常检测目标函数代入预设平方和公式以得到差值平方和公式;将所述差值平方和公式代入预设积分公式以得到数据异常检测公式。
在某些实施例,例如本实施例中,处理器902在实现所述根据预设误差平方积分均值通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果步骤时,具体实现如下步骤:通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值;若所述误差平方积分值不大于预设误差平方积分均值,则将所述当前数据集放入预设样本库,并根据所述预设样本库通过所述数据异常检测公式计算当前误差平方积分均值,将当前误差平方积分均值作为所述预设误差平方积分均值;将下一数据集作为当前数据集,并返回所述通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所有所述数据集检测完为止,以得到检测结果;若所述误差平方积分值大于所述预设误差平方积分均值,则将下一子数据集作为当前子数据集,并返回执行通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所述当前数据集中的所有子数据集检测完为止,以得到所述检测结果。
在某些实施例,例如本实施例中,处理器902在实现所述根据预设误差平方积分均值通过所述数据异常检测公式对所述多维采集数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常步骤之后,具体实现还包括如下步骤:若所述检测结果为检测异常,则发出告警提示以提醒相关人员反查所述物联网设备的日志。
应当理解,在本申请实施例中,处理器902可以是中央处理单元(CentralProcessingUnit,CPU),该处理器902还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该计算机程序被该无线通信系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行上述用于物联网设备的异常检测方法的任意实施例。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、无线通信软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该无线通信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(可以是个人无线通信,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
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,尚且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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于物联网设备的异常检测方法,其特征在于,包括:
若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;
根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;
对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;
根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;
根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
2.根据权利要求1所述的用于物联网设备的异常检测方法,其特征在于,所述根据所述多维采集数据构建目标数据集,包括:
根据预设划分时间对所述多维采集数据进行划分以得到多个数据集;
根据预设传感器标识符将每个所述数据集划分为多个子数据集以得到目标数据集。
3.根据权利要求1所述的用于物联网设备的异常检测方法,其特征在于,所述根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数,包括:
若所述目标数据集为具有周期性特征的数据集,则根据傅里叶基函数及预设系数通过第一基函数展开方法构建线性组合函数;
若所述目标数据集为不具有周期性特征的数据集,则根据B样条基函数及所述预设系数通过第二基函数展开方法构建所述线性组合函数。
4.根据权利要求1所述的用于物联网设备的异常检测方法,其特征在于,所述根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式,包括:
将所述目标数据集及所述异常检测目标函数代入预设平方和公式以得到差值平方和公式;
将所述差值平方和公式代入预设积分公式以得到数据异常检测公式。
5.根据权利要求2所述的用于物联网设备的异常检测方法,其特征在于,所述根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,包括:
通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值;
若所述误差平方积分值不大于预设误差平方积分均值,则将所述当前数据集放入预设样本库,并根据所述预设样本库通过所述数据异常检测公式计算当前误差平方积分均值,将当前误差平方积分均值作为所述预设误差平方积分均值;
将下一数据集作为当前数据集,并返回所述通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所有所述数据集检测完为止,以得到检测结果。
6.根据权利要求5所述的用于物联网设备的异常检测方法,其特征在于,所述通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值之后,还包括:
若所述误差平方积分值大于所述预设误差平方积分均值,则将下一子数据集作为当前子数据集,并返回执行通过所述数据异常检测公式计算当前数据集中当前子数据集对应的误差平方积分值的步骤直至将所述当前数据集中的所有子数据集检测完为止,以得到所述检测结果。
7.根据权利要求1所述的用于物联网设备的异常检测方法,其特征在于,所述根据预设误差平方积分均值,通过所述数据异常检测公式对所述多维采集数据进行检测以得到检测结果之后,还包括:
若所述检测结果为检测异常,则发出告警提示以提醒相关人员反查所述物联网设备的日志。
8.一种用于物联网设备的异常检测装置,其特征在于,包括:
第一构建单元,用于若接收到预设数据检测指令,则根据所述预设数据检测指令从预设数据库中获取物联网设备在预设时间段内上传的多维采集数据,并根据所述多维采集数据构建目标数据集,其中,所述多维采集数据为内置于所述物联网设备中的多个传感器采集到的数据;
第二构建单元,用于根据所述目标数据集及预设基函数,通过基函数展开方法构建线性组合函数;
分析单元,用于对所述线性组合函数进行函数型主成分分析以得到异常检测目标函数;
第三构建单元,用于根据所述异常检测目标函数及所述目标数据集,通过误差平方积分方法构建数据异常检测公式;
检测单元,用于根据预设误差平方积分均值,通过所述数据异常检测公式对所述目标数据集中的数据进行检测以得到检测结果,其中,所述检测结果用于判断所述物联网设备是否异常。
9.一种计算机设备,其特征在于,所述计算机设备搭建有物联网平台,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111625014.9A CN114356705A (zh) | 2021-12-28 | 2021-12-28 | 用于物联网设备的异常检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111625014.9A CN114356705A (zh) | 2021-12-28 | 2021-12-28 | 用于物联网设备的异常检测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114356705A true CN114356705A (zh) | 2022-04-15 |
Family
ID=81103198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111625014.9A Pending CN114356705A (zh) | 2021-12-28 | 2021-12-28 | 用于物联网设备的异常检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114356705A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828055A (zh) * | 2023-02-22 | 2023-03-21 | 民航成都物流技术有限公司 | 一种采样数据的监测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-28 CN CN202111625014.9A patent/CN114356705A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115828055A (zh) * | 2023-02-22 | 2023-03-21 | 民航成都物流技术有限公司 | 一种采样数据的监测方法、装置、计算机设备和存储介质 |
CN115828055B (zh) * | 2023-02-22 | 2023-04-18 | 民航成都物流技术有限公司 | 一种采样数据的监测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859054B (zh) | 网络社团挖掘方法、装置、计算机设备及存储介质 | |
JP5753966B2 (ja) | 顔画像登録装置および方法 | |
CN112257755B (zh) | 航天器运行状态的分析方法和装置 | |
CN111555921B (zh) | 告警根因的定位方法、装置、计算机设备和存储介质 | |
CN111064614A (zh) | 一种故障根因定位方法、装置、设备及存储介质 | |
US8751414B2 (en) | Identifying abnormalities in resource usage | |
CN112231174A (zh) | 异常告警方法、装置、设备及存储介质 | |
US20180121275A1 (en) | Method and apparatus for detecting and managing faults | |
JP6052278B2 (ja) | 動作判定装置、動作判定システムおよび動作判定方法 | |
EP3652596A1 (en) | Method and system for deviation detection in sensor datasets | |
EP3191978A1 (en) | Apparatus and method for ensembles of kernel regression models | |
CN111882338B (zh) | 在线人数的异常检测方法、装置及电子设备 | |
EP2613207A2 (en) | Adaptive trend-change detection and function fitting system and method | |
JP2018147442A (ja) | 変化点検出装置および変化点検出方法 | |
CN112148557A (zh) | 一种性能指标实时预测方法、计算机设备及存储介质 | |
CN114356705A (zh) | 用于物联网设备的异常检测方法、装置、设备及介质 | |
CN114491383A (zh) | 桥梁监测的异常数据处理方法及系统 | |
CN112163618A (zh) | 一种设备故障的检测方法及检测系统 | |
JP3280872B2 (ja) | 環境監視システムおよび異常検出方法および異常検出装置 | |
CN114356703A (zh) | 一种根因分析方法及装置 | |
CN116743637B (zh) | 一种异常流量的检测方法、装置、电子设备及存储介质 | |
CN113495913A (zh) | 一种空气质量数据缺失值插补方法及装置 | |
CN117237678A (zh) | 用电行为异常检测方法、装置、设备及存储介质 | |
JP2009110262A (ja) | フィルタ装置、フィルタ装置のフィルタリング方法およびフィルタリングプログラム | |
CN112380073A (zh) | 一种故障位置的检测方法、装置及可读存储介质 |
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 |