CN115085921A - 模型训练方法、节点检测方法、装置、设备及介质 - Google Patents

模型训练方法、节点检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN115085921A
CN115085921A CN202210865738.9A CN202210865738A CN115085921A CN 115085921 A CN115085921 A CN 115085921A CN 202210865738 A CN202210865738 A CN 202210865738A CN 115085921 A CN115085921 A CN 115085921A
Authority
CN
China
Prior art keywords
node
target
nodes
information
detection model
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.)
Granted
Application number
CN202210865738.9A
Other languages
English (en)
Other versions
CN115085921B (zh
Inventor
郑利斌
白晖峰
甄岩
霍超
闫波
张颉
张港红
尹志斌
苑佳楠
罗安琴
谢凡
陈雨新
刘全春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Smartchip Microelectronics Technology Co Ltd
Original Assignee
Beijing Smartchip Microelectronics Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Smartchip Microelectronics Technology Co Ltd filed Critical Beijing Smartchip Microelectronics Technology Co Ltd
Priority to CN202210865738.9A priority Critical patent/CN115085921B/zh
Publication of CN115085921A publication Critical patent/CN115085921A/zh
Application granted granted Critical
Publication of CN115085921B publication Critical patent/CN115085921B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H04L9/0869—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving random numbers or seeds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • 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]
    • G16Y30/00—IoT infrastructure
    • G16Y30/10—Security thereof
    • 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
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0442—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply asymmetric encryption, i.e. different keys for encryption and decryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/101—Access control lists [ACL]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及通信技术领域，具体涉及一种模型训练方法、节点检测方法、装置、设备及介质，方法应用于边缘设备，包括：获取节点注册信息，并根据节点注册信息获取至少一个节点群组；对每个节点群组内的节点进行认证，以确定白名单节点；获取节点的当前业务数据，并响应于至少一个节点包括目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息；获取节点检测模型，基于目标节点的当前业务数据、第一节点状态信息、第二节点状态信息进行训练，获取目标节点检测模型。基于目标节点检测模型，可以在无需设置数据阈值的前提下，对不同场景中节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。

Description

模型训练方法、节点检测方法、装置、设备及介质
技术领域
本公开涉及通信技术领域，具体涉及一种模型训练方法、节点检测方法、装置、设备及介质。
背景技术
近年来，电力物联网的相关技术得到了较快发展，其中，电力物联网是物联网在智能电网中的应用，其能够整合通信基础设施资源和电力系统基础设施资源，提高电力系统信息化水平，改善电力系统现有基础设施利用效率。随着相关技术的发展，电力物联网这一业务生态下的终端、数据和业务也不断增加，数据量较多的电力数据可以由电力物联网中的边缘设备进行分析计算，进而实现高效灵活的业务处理和决策。示例性的，可以通过边缘设备对智能型低压配电箱的全封闭金属结构的箱体内的电力设备（例如低压开关设备、计量和测量装置、智能配变终端、保护电器和辅助设备等）的状态进行感知，并根据感知到的数据进行相应的处理，根据处理结果进行决策。例如上报数据、告警或对电力设备的配置进行变更等。
其中，在对电力数据进行处理时，往往需要对生成电力数据的节点进行检测，以确定节点是否出现故障。相关技术中，可以根据预先设定的数据阈值与实时采集的电力数据进行对比，并根据对比结果确定发送该电力数据的节点是否出现故障。但是，考虑到电力系统的业务场景数量较多，在不同的业务场景下，需设定的电力数据阈值往往不同，从而增加了对节点进行检测的难度，降低了检测结果的准确率。
发明内容
为了解决相关技术中的问题，本公开实施例提供一种模型训练方法、节点检测方法、装置、设备及介质。
第一方面，本公开实施例中提供了一种模型训练方法，所述方法应用于边缘设备，所述方法包括：
获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，每个节点群组包括至少一个节点；
对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，目标节点群组内的节点均为认证成功的节点；
获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息；
获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。
在本公开的一种实现方式中，节点注册信息用于指示对应节点的节点类型、业务类型、单位时间业务数据流量中至少一项。
在本公开的一种实现方式中，对至少一个节点群组内的节点进行认证，包括：
向节点群组内的节点发送认证通知信息，认证通知信息包括与节点对应的私钥以及共同随机数，共同随机数为根据节点群组内所有节点各自对应的私钥生成；
接收认证请求信息，并根据与节点对应的私钥对认证请求信息进行解密，以获取与节点对应的节点随机数；
根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数；
响应于目标随机数与共同随机数匹配，确定节点群组内的节点均为认证成功的节点。
在本公开的一种实现方式中，向节点群组内的节点发送认证通知信息之前，所述方法还包括：
向节点群组内的节点发送节点标识信息，节点标识信息包括与节点对应的节点标识。
在本公开的一种实现方式中，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数之前，所述方法还包括：
获取发送认证请求信息的节点的请求IP地址，并根据认证请求信息中的节点标识获取与节点标识对应的分配IP地址；
根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，包括：
响应于请求IP地址与分配IP地址匹配，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数。
在本公开的一种实现方式中，对节点检测模型进行训练，包括：
基于Q-Learning算法对节点检测模型进行训练。
在本公开的一种实现方式中，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型之前，所述方法还包括：
接收边缘服务器发送的更新权值参数，并根据更新权值参数对节点检测模型进行更新；
将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型，包括：
将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对更新后的节点检测模型进行训练；
响应于训练后的节点检测模型收敛，将训练后的节点检测模型储存为目标节点检测模型。
在本公开的一种实现方式中，所述方法还包括：
响应于训练后的节点检测模型未收敛，根据训练后的节点检测模型获取第一梯度更新矢量，并向边缘服务器发送第一梯度更新矢量。
第二方面，本公开实施例中提供了一种模型训练方法，所述方法应用于节点，所述方法包括：
发送节点注册信息，并接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，共同随机数为根据节点的节点群组内所有节点各自对应的私钥生成；
根据节点的节点标识以及共同随机数获取与节点对应的节点随机数；
发送包括节点随机数预计节点标识的认证请求信息。
在本公开的一种实现方式中，接收认证通知信息之前，所述方法还包括：
接收节点标识信息，并对节点标识信息进行解析，以获取与节点对应的节点标识。
第三方面，本公开实施例中提供了一种节点检测方法，所述方法应用于边缘设备，所述方法包括：
获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息；
获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息；
响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障。
在本公开的一种实现方式中，目标节点检测模型为根据第一方面、第一方面的任一种实现方式中的任一项得到。
第四方面，本公开实施例中提供了一种模型训练装置，包括：
注册信息获取模块，被配置为获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，每个节点群组包括至少一个节点；
节点认证模块，被配置为对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，目标节点群组内的节点均为认证成功的节点；
白名单认证模块，被配置为获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息；
模型训练模块，被配置为获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。
第五方面，本公开实施例中提供了一种模型训练装置，包括：
节点认证模块，被配置为发送节点注册信息，并接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，共同随机数为根据节点的节点群组内所有节点各自对应的私钥生成；
随机数获取模块，被配置为根据节点的节点标识以及共同随机数获取与节点对应的节点随机数；
请求发送模块，被配置为发送包括节点随机数预计节点标识的认证请求信息。
第六方面，本公开实施例中提供了一种节点检测装置，包括：
节点数据获取模块，被配置为获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息；
节点状态获取模块，被配置为获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息；
告警模块，被配置为响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障。
第七方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面任一种实现方式、第二方面、第二方面任一种实现方式、第三方面、第三方面任一种实现方式中任一项所述的方法。
第八方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面、第一方面任一种实现方式、第二方面、第二方面任一种实现方式、第三方面、第三方面任一种实现方式中任一项所述的方法。
根据本公开实施例提供的技术方案，通过由边缘设备获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，其中同一个节点群组内的节点可以被理解为功能、应用场景相似或相同的节点；对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，其中，由于目标节点群组内的节点均为认证成功的节点，因此可以认为目标节点群组内的节点为可靠性较高的白名单节点；获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息，其中目标节点可以被理解为可靠性较低，检测需求较高的节点；获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。其中，目标节点检测模型可以理解为学习到了可靠性较低，检测需求较高的节点在某一时刻的业务数据及节点状态，与在该某一时刻后、与该某一时刻相隔预设时长的另一时刻，该节点的节点状态之间的规律，基于该目标节点检测模型，可以在无需设置相应的数据阈值的前提下，对不同场景中可靠性较低，检测需求较高节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中。
图1示出根据本公开的实施例的模型训练方法的流程图。
图2示出根据本公开的实施例的模型训练方法的流程图。
图3示出根据本公开的实施例的节点检测方法的流程图。
图4示出根据本公开的实施例的模型训练装置的结构框图。
图5示出根据本公开的实施例的模型训练装置的结构框图。
图6示出根据本公开的实施例的节点检测装置的结构框图。
图7示出根据本公开的实施例的电子设备的结构框图。
图8示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
具体实施方式
下文中，将参考附图详细描述本公开的示例性实施例，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施例无关的部分。
在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
在本公开中，如涉及对用户信息或用户数据的获取操作或向他人展示用户信息或用户数据的操作，则所述操作均为经用户授权、确认，或由用户主动选择的操作。
近年来，电力物联网的相关技术得到了较快发展，其中，电力物联网是物联网在智能电网中的应用，其能够整合通信基础设施资源和电力系统基础设施资源，提高电力系统信息化水平，改善电力系统现有基础设施利用效率。随着相关技术的发展，电力物联网这一业务生态下的终端、数据和业务也不断增加，数据量较多的电力数据可以由电力物联网中的边缘设备进行分析计算，进而实现高效灵活的业务处理和决策。示例性的，可以通过边缘设备对智能型低压配电箱的全封闭金属结构的箱体内的电力设备（例如低压开关设备、计量和测量装置、智能配变终端、保护电器和辅助设备等）的状态进行感知，并根据感知到的数据进行相应的处理，根据处理结果进行决策。例如上报数据、告警或对电力设备的配置进行变更等。
其中，在对电力数据进行处理时，往往需要对生成电力数据的节点进行检测，以确定节点是否出现故障。相关技术中，可以根据预先设定的数据阈值与实时采集的电力数据进行对比，并根据对比结果确定发送该电力数据的节点是否出现故障。但是，考虑到电力系统的业务场景数量较多，在不同的业务场景下，需设定的电力数据阈值往往不同，从而增加了对节点进行检测的难度，降低了检测结果的准确率。
为了解决上述问题，在本公开的技术方案中，通过由边缘设备获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，其中同一个节点群组内的节点可以被理解为功能、应用场景相似或相同的节点；对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，其中，由于目标节点群组内的节点均为认证成功的节点，因此可以认为目标节点群组内的节点为可靠性较高的白名单节点；获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息，其中目标节点可以被理解为可靠性较低，检测需求较高的节点；获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。其中，目标节点检测模型可以理解为学习到了可靠性较低，检测需求较高的节点在某一时刻的业务数据及节点状态，与在该某一时刻后且与该某一时刻相隔预设时长的另一时刻，该节点的节点状态之间的规律，基于该目标节点检测模型，可以在无需设置相应的数据阈值的前提下，对不同场景中可靠性较低，检测需求较高节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。
图1示出根据本公开的实施例的模型训练方法的流程图，该方法应用于边缘设备。如图1所示，所述模型训练方法包括以下步骤S101 - S104：
在步骤S101中，获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组。
其中，每个节点群组包括至少一个节点。
在本公开的一个实施方式中，边缘设备可以被理解为具备数据处理功能的设备，边缘设备可以为智能终端、移动设备平板计算机、膝上型计算机等，或其任意组合。示例性的，边缘设备可以为与一个或多个节点安装在同一个电力设备箱内的智能终端，边缘设备可以对同一个电力设备箱内的节点生成的数据进行处理，并根据处理结果下达控制指令，也可将同一个电力设备箱内的节点生成的数据进一步融合后上传至云端的电力业务主站，由业务主站完成对该数据的最终分析与处理。
在本公开的一个实施方式中，节点，可以理解为用于对相应设备进行数据采集的设备，也可以理解为用于对下级节点所采集的数据进行汇集或融合并上传的设备。示例性的，节点可以包括设置在电力设备箱内的感知节点以及汇聚节点，其中感知节点可以用于对电力设备箱体内各电力设备的状态数据、环境数据和运行数据的感知，并经由自带的通信模组实现感知数据的无线传输，汇聚节点可以用于对来自感知节点的感知数据的通信、汇集和融合，上行可支持利用电力线载波等有线通信、4G/5G无线通信等技术实现设备状态数据的远传；且具有独立地址，具备边缘计算功能和协议转换功能，能实现数据分级处理的边云协同数据分流，支持高实时性电力物联网故障指令的下达，自动、快速完成现场部署。
在本公开的一个实施方式中，节点注册信息，可以理解用于指示对应节点的配置信息、对应节点所承载业务的信息等。
在本公开的一个实施方式中，根据节点注册信息对至少一个节点进行分组，可以理解为将对应的节点注册信息相似或相同的节点分至同一个节点群组中。
在步骤S102中，对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点。
其中，目标节点群组内的节点均为认证成功的节点。
在步骤S103中，获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息。
在本公开的一个实施方式中，节点状态信息，可以理解为用于指示对应节点是否能够正常感知或采集相应业务的数据。
在步骤S104中，获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。
在本公开的一个实施方式中，节点检测模型可以为预先储存在边缘设备中，也可以边缘设备为从其他装置或系统处获取。节点检测模型可以为神经网络（neural network，NN）模型、卷积神经网络（convolutional neural networks， CNN）模型或长短期记忆网络（long shortterm memory，LSTM）模型等，本公开不对节点检测模型的具体类型进行限定。
在本公开的技术方案中，通过由边缘设备获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，其中同一个节点群组内的节点可以被理解为功能、应用场景相似或相同的节点；对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，其中，由于目标节点群组内的节点均为认证成功的节点，因此可以认为目标节点群组内的节点为可靠性较高的白名单节点；获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息，其中目标节点可以被理解为可靠性较低，检测需求较高的节点；获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。其中，目标节点检测模型可以理解为学习到了可靠性较低，检测需求较高的节点在某一时刻的业务数据及节点状态，与在该某一时刻后且与该某一时刻相隔预设时长的另一时刻，该节点的节点状态之间的规律，基于该目标节点检测模型，可以在无需设置相应的数据阈值的前提下，对不同场景中可靠性较低，检测需求较高节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。
在本公开的一种实现方式中，节点注册信息用于指示对应节点的节点类型、业务类型、单位时间业务数据流量中至少一项。
在本公开的一个实施方式中，节点类型，可以理解为与节点自身配置信息对应，其中节点自身配置信息可以包括节点的驱动版本信息、所承载软件模块的版本信息等，也可以包括节点自身硬件的配置信息，其中节点自身硬件可以包括节点中的处理器、储存器、传感器中至少一项。
在本公开的一个实施方式中，业务类型，可以理解为包括监测业务类型、控制业务类型等，示例性的，监测业务可以理解为用于对变压器工作状态、配电设备的开关状态、配电箱的开关状态，配电开关的开关状态中至少一项进行监测。
在本公开的技术方案中，通过将节点注册信息限定为用于指示对应节点的节点类型、业务类型、单位时间业务数据流量中至少一项，可以使根据节点注册信息对至少一个节点进行分组得到的分组结果更为合理，即功能、应用场景相似或相同的节点更容易被分到同一个节点群组。
在本公开的一种实现方式中，对至少一个节点群组内的节点进行认证，包括：
向节点群组内的节点发送认证通知信息，认证通知信息包括与节点对应的私钥以及共同随机数，共同随机数为根据节点群组内所有节点各自对应的私钥生成；
接收认证请求信息，并根据与节点对应的私钥对认证请求信息进行解密，以获取与节点对应的节点随机数；
根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数；
响应于目标随机数与共同随机数匹配，确定节点群组内的节点均为认证成功的节点。
在本公开的一个实施方式中，向节点群组内的节点发送认证通知信息，可以为以广播的方式发送认证通知消息，也可以为以单播的方式发送该认证通知信息。对应节点根据收到的认证通知消息可以解析得到与自身对应的私钥以及根据节点群组内所有节点各自对应的私钥生成的共同随机数。
在本公开的一个实施方式中，节点标识可以事先储存在节点中，可以为事先由边缘设备向节点发送。需要说明的是，在一个节点群组内，不同节点的节点标识不同；或者，也可以为在多个节点群组内，不同节点的节点标识不同。
在本公开的技术方案中，通过向节点群组内的节点发送认证通知信息，并接收认证请求信息，根据与节点对应的私钥对认证请求信息进行解密，以获取与节点对应的节点随机数，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，当目标随机数与共同随机数匹配时，说明节点群组内的节点均为可靠性较低，检测需求较高的节点，因此确定节点群组内的节点均为认证成功的节点。该方案可以提高对定节点群组内的节点进行认证的可靠性。
在本公开的一种实现方式中，向节点群组内的节点发送认证通知信息之前，所述方法还包括：
向节点群组内的节点发送节点标识信息，节点标识信息包括与节点对应的节点标识。
在本公开的技术方案中，通过在向节点群组内的节点发送认证通知信息之前，向节点群组内的节点发送包括与节点对应的节点标识的节点标识信息，可以确保节点能够获取与自身对应的节点标识。
在本公开的一种实现方式中，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数之前，所述方法还包括：
获取发送认证请求信息的节点的请求IP地址，并根据认证请求信息中的节点标识获取与节点标识对应的分配IP地址；
根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，包括：
响应于请求IP地址与分配IP地址匹配，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数。
在本公开的技术方案中，通过获取发送认证请求信息的节点的请求IP地址，并根据认证请求信息中的节点标识获取与节点标识对应的分配IP地址，并响应于请求IP地址与分配IP地址匹配，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，从而可以在确保该节点所发送的认证请求信息中的节点标识为预先分配给该节点的节点标识的前提下，才对节点随机数进行组合，从而提高了所得到的目标随机数的可靠性。
在本公开的一种实现方式中，对节点检测模型进行训练，包括：
基于Q-Learning算法对节点检测模型进行训练。
在本公开的技术方案中，通过基于Q-Learning算法对节点检测模型进行训练，可以提高训练效率。
在本公开的一种实现方式中，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型之前，所述方法还包括：
接收边缘服务器发送的更新权值参数，并根据更新权值参数对节点检测模型进行更新；
将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型，包括：
将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对更新后的节点检测模型进行训练；
响应于训练后的节点检测模型收敛，将训练后的节点检测模型储存为目标节点检测模型。
在本公开的一种实现方式中，所述方法还包括：
响应于训练后的节点检测模型未收敛，根据训练后的节点检测模型获取第一梯度更新矢量，并向边缘服务器发送第一梯度更新矢量。
在本公开一种实施方式中，边缘服务器用于对梯度更新矢量进行聚合，并根据聚合后的梯度更新矢量对边缘服务器上的节点检测模型的权值参数进行更新，以获取更新权值参数。边缘服务器可以是云端服务器，也可以是由节点检测服务运营方提供的服务器。需要说明的是，一个边缘服务器可以对应一个或多个边缘设备，例如，节点检测服务运营方可以将所管辖的区域分成多块，每一块区域中的多个边缘设备可以对应一个边缘服务器。
边缘服务器上的节点检测模型可以为神经网络模型、卷积神经网络模型或长短期记忆网络模型等。
在本公开一种实施方式中，由边缘设备接收的边缘服务器发送的更新权值参数，是边缘服务器根据多个边缘设备发送的梯度更新矢量进行聚合，并根据聚合后的梯度更新矢量对边缘服务器上的节点检测模型的权值参数进行更新得到的，因此边缘设备上更新后的节点检测模型能够反映上一轮训练中边缘服务器上的节点检测模型所学习到的，可靠性较低，检测需求较高的节点在某一时刻的业务数据及节点状态，与在该某一时刻后且与该某一时刻相隔预设时长的另一时刻，该节点的节点状态之间的共有规律。之后将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对更新后的节点检测模型进行训练，以使边缘设备上更新后的节点检测模型在学习到共有规律的基础上，还能够个性化的针对该边缘设备自身所获取的，检测需求较高的节点在某一时刻的业务数据及节点状态，与在该某一时刻后且与该某一时刻相隔预设时长的另一时刻，该节点的节点状态之间的私有规律进行学习，使训练后的边缘设备上的节点检测模型能够学习到该私有规律；当训练后的边缘设备上的节点检测模型未收敛时，说明该训练后的边缘设备上的节点检测模型仍需要继续训练，通过根据训练后的边缘设备上的节点检测模型获取梯度更新矢量，并发送梯度更新矢量，可以使边缘服务器能够继续基于多个边缘设备上传的梯度更新矢量获取相应的更新权值参数，从而继续对各个边缘设备上的节点检测模型继续进行训练；当训练后的边缘设备上的节点检测模型收敛时，可以认为该收敛的边缘设备上的节点检测模型能够基于边缘设备获取的检测需求较高的节点在某一时刻的业务数据及节点状态，较为准确的预测在该某一时刻后且与该某一时刻相隔预设时长的另一时刻，该节点的节点状态，因此可以响应于训练后的节点检测模型收敛，将训练后的节点检测模型储存为目标节点检测模型，即对节点的状态进行预测的准确率较高的模型。
在上述技术方案中，一方面最终获取的目标节点检测模型可以为即学习到共有规律，又学习到私有规律的模型，其对节点的状态进行预测的准确率较高；另一方面由于对各个边缘设备上的节点检测模型继续进行训练的过程由边缘设备以及边缘服务器共同来执行，与仅由边缘设备或服务器单独对节点检测模型进行进一步训练相比较，所需的处理资源较少，训练速度较快。
图2示出根据本公开的实施例的模型训练方法的流程图，该方法应用于节点。如图2所示，所述模型训练方法包括以下步骤S201 – S203：
在步骤S201中，发送节点注册信息，并接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数。
其中，共同随机数为根据节点的节点群组内所有节点各自对应的私钥生成。
在本公开的一个实施方式中，发送节点注册信息，可以理解为向边缘设备发送该节点注册信息。接收认证通知信息，可以理解为接收边缘设备发送的认证通知信息。
其中，边缘设备可以被理解为具备数据处理功能的设备，边缘设备可以为智能终端、移动设备平板计算机、膝上型计算机等，或其任意组合。示例性的，边缘设备可以为与一个或多个节点安装在同一个电力设备箱内的智能终端，边缘设备可以对同一个电力设备箱内的节点生成的数据进行处理，并根据处理结果下达控制指令，也可将同一个电力设备箱内的节点生成的数据进一步融合后上传至云端的电力业务主站，由业务主站完成对该数据的最终分析与处理。
节点，可以理解为用于对相应设备进行数据采集的设备，也可以理解为用于对下级节点所采集的数据进行汇集或融合并上传的设备。示例性的，节点可以包括设置在电力设备箱内的感知节点以及汇聚节点，其中感知节点可以用于对电力设备箱体内各电力设备的状态数据、环境数据和运行数据的感知，并经由自带的通信模组实现感知数据的无线传输，汇聚节点可以用于对来自感知节点的感知数据的通信、汇集和融合，上行可支持利用电力线载波等有线通信、4G/5G无线通信等技术实现设备状态数据的远传；且具有独立地址，具备边缘计算功能和协议转换功能，能实现数据分级处理的边云协同数据分流，支持高实时性电力物联网故障指令的下达，自动、快速完成现场部署。
在本公开的一个实施方式中，节点注册信息，可以理解用于指示对应节点的配置信息、对应节点所承载业务的信息等。
在步骤S202中，根据节点的节点标识以及共同随机数获取与节点对应的节点随机数。
在步骤S203中，发送包括节点随机数预计节点标识的认证请求信息。
在本公开的一个实施方式中，接收认证通知信息，可以为接收边缘设备以广播的方式发送的认证通知消息，也可以为接收边缘设备以单播的方式发送的认证通知信息。对应节点根据收到的认证通知消息可以解析得到与自身对应的私钥以及根据节点群组内所有节点各自对应的私钥生成的共同随机数。
在本公开的一个实施方式中，节点标识可以事先储存在节点中，可以为事先由边缘设备向节点发送。需要说明的是，在一个节点群组内，不同节点的节点标识不同；或者，也可以为在多个节点群组内，不同节点的节点标识不同。
在本公开的技术方案中，通过发送的节点注册信息，可以使边缘设备根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，其中同一个节点群组内的节点可以被理解为功能、应用场景相似或相同的节点由边缘设备；通过接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，并根据节点的节点标识以及共同随机数获取与节点对应的节点随机数，发送包括节点随机数预计节点标识的认证请求信息，可以使边缘设备能够接收认证请求信息，根据与节点对应的私钥对认证请求信息进行解密，以获取与节点对应的节点随机数，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，当目标随机数与共同随机数匹配时，说明节点群组内的节点均为可靠性较低，检测需求较高的节点，因此确定节点群组内的节点均为认证成功的节点。该方案可以提高对定节点群组内的节点进行认证的可靠性。
在本公开的一种实现方式中，接收认证通知信息之前，所述方法还包括：
接收节点标识信息，并对节点标识信息进行解析，以获取与节点对应的节点标识。
在本公开的技术方案中，通过接收节点标识信息，并对节点标识信息进行解析，以获取与节点对应的节点标识，可以确保节点能够获取与自身对应的节点标识。
图3示出根据本公开的实施例的节点检测方法的流程图，该方法应用于边缘设备。如图3所示，所述节点检测方法包括以下步骤S301 – S303：
在步骤S301中，获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息。
在步骤S302中，获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息。
在步骤S303中，响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障。
在本公开的一个实施方式中，边缘设备可以被理解为具备数据处理功能的设备，边缘设备可以为智能终端、移动设备平板计算机、膝上型计算机等，或其任意组合。示例性的，边缘设备可以为与一个或多个节点安装在同一个电力设备箱内的智能终端，边缘设备可以对同一个电力设备箱内的节点生成的数据进行处理，并根据处理结果下达控制指令，也可将同一个电力设备箱内的节点生成的数据进一步融合后上传至云端的电力业务主站，由业务主站完成对该数据的最终分析与处理。
在本公开的一个实施方式中，节点，可以理解为用于对相应设备进行数据采集的设备，也可以理解为用于对下级节点所采集的数据进行汇集或融合并上传的设备。示例性的，节点可以包括设置在电力设备箱内的感知节点以及汇聚节点，其中感知节点可以用于对电力设备箱体内各电力设备的状态数据、环境数据和运行数据的感知，并经由自带的通信模组实现感知数据的无线传输，汇聚节点可以用于对来自感知节点的感知数据的通信、汇集和融合，上行可支持利用电力线载波等有线通信、4G/5G无线通信等技术实现设备状态数据的远传；且具有独立地址，具备边缘计算功能和协议转换功能，能实现数据分级处理的边云协同数据分流，支持高实时性电力物联网故障指令的下达，自动、快速完成现场部署。
在本公开的一个实施方式中，节点状态信息，可以理解为用于指示对应节点是否能够正常感知或采集相应业务的数据。
在本公开的一个实施方式中，目标节点检测模型可以为预先储存在边缘设备中，目标节点检测模型可以为神经网络（neural network，NN）模型、卷积神经网络（convolutional neural networks， CNN）模型或长短期记忆网络（long shorttermmemory，LSTM）模型等，本公开不对目标节点检测模型的具体类型进行限定。
在本公开的技术方案中，通过获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息，获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息，响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障，可以在无需设置相应的数据阈值的前提下，对不同场景中可靠性较低，检测需求较高节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。
在本公开的一种实现方式中，目标节点检测模型，可以为根据图1对应的任一种模型训练方法得到。
图4示出根据本公开的实施例的模型训练装置的结构框图。其中，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图4所示，所述模型训练装置400包括：
注册信息获取模块401，被配置为获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，每个节点群组包括至少一个节点；
节点认证模块402，被配置为对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，目标节点群组内的节点均为认证成功的节点；
白名单认证模块403，被配置为获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息；
模型训练模块404，被配置为获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。
根据本公开实施例提供的技术方案，通过由边缘设备获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，其中同一个节点群组内的节点可以被理解为功能、应用场景相似或相同的节点；对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，其中，由于目标节点群组内的节点均为认证成功的节点，因此可以认为目标节点群组内的节点为可靠性较高的白名单节点；获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息，其中目标节点可以被理解为可靠性较低，检测需求较高的节点；获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。其中，目标节点检测模型可以理解为学习到了可靠性较低，检测需求较高的节点在某一时刻的业务数据及节点状态，与在该某一时刻后、与该某一时刻相隔预设时长的另一时刻，该节点的节点状态之间的规律，基于该目标节点检测模型，可以在无需设置相应的数据阈值的前提下，对不同场景中可靠性较低，检测需求较高节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。
图5示出根据本公开的实施例的模型训练装置的结构框图。其中，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图5所示，所述模型训练装置500包括：
节点认证模块501，被配置为发送节点注册信息，并接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，共同随机数为根据节点的节点群组内所有节点各自对应的私钥生成；
随机数获取模块502，被配置为根据节点的节点标识以及共同随机数获取与节点对应的节点随机数；
请求发送模块503，被配置为发送包括节点随机数预计节点标识的认证请求信息。
在本公开的技术方案中，通过发送的节点注册信息，可以使边缘设备根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，其中同一个节点群组内的节点可以被理解为功能、应用场景相似或相同的节点由边缘设备；通过接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，并根据节点的节点标识以及共同随机数获取与节点对应的节点随机数，发送包括节点随机数预计节点标识的认证请求信息，可以使边缘设备能够接收认证请求信息，根据与节点对应的私钥对认证请求信息进行解密，以获取与节点对应的节点随机数，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，当目标随机数与共同随机数匹配时，说明节点群组内的节点均为可靠性较低，检测需求较高的节点，因此确定节点群组内的节点均为认证成功的节点。该方案可以提高对定节点群组内的节点进行认证的可靠性。
图6示出根据本公开的实施例的节点检测装置的结构框图。其中，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。
如图6所示，所述节点检测装置600包括：
节点数据获取模块601，被配置为获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息；
节点状态获取模块602，被配置为获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息；
告警模块603，被配置为响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障。
在本公开的技术方案中，通过获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息，获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息，响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障，可以在无需设置相应的数据阈值的前提下，对不同场景中可靠性较低，检测需求较高节点的节点状态进行预测，降低了检测难度，提高了检测结果的准确率。
本公开还公开了一种电子设备，图7示出根据本公开的实施例的电子设备的结构框图。
如图7所示，所述电子设备包括存储器和处理器，其中，存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现根据本公开的实施例的方法。
第一方面，本公开实施例中提供了一种模型训练方法，所述方法应用于边缘设备，所述方法包括：
获取至少一个节点发送的节点注册信息，并根据节点注册信息对至少一个节点进行分组，以获取至少一个节点群组，每个节点群组包括至少一个节点；
对每个节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，目标节点群组内的节点均为认证成功的节点；
获取至少一个节点的当前业务数据，并响应于至少一个节点包括不属于白名单节点的目标节点，获取当前目标节点的第一节点状态信息，并在目标时长后获取目标节点的第二节点状态信息；
获取节点检测模型，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型。
在本公开的一种实现方式中，节点注册信息用于指示对应节点的节点类型、业务类型、单位时间业务数据流量中至少一项。
在本公开的一种实现方式中，对至少一个节点群组内的节点进行认证，包括：
向节点群组内的节点发送认证通知信息，认证通知信息包括与节点对应的私钥以及共同随机数，共同随机数为根据节点群组内所有节点各自对应的私钥生成；
接收认证请求信息，并根据与节点对应的私钥对认证请求信息进行解密，以获取与节点对应的节点随机数；
根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数；
响应于目标随机数与共同随机数匹配，确定节点群组内的节点均为认证成功的节点。
在本公开的一种实现方式中，向节点群组内的节点发送认证通知信息之前，所述方法还包括：
向节点群组内的节点发送节点标识信息，节点标识信息包括与节点对应的节点标识。
在本公开的一种实现方式中，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数之前，所述方法还包括：
获取发送认证请求信息的节点的请求IP地址，并根据认证请求信息中的节点标识获取与节点标识对应的分配IP地址；
根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数，包括：
响应于请求IP地址与分配IP地址匹配，根据认证请求信息中的节点标识，对节点随机数进行组合，得到目标随机数。
在本公开的一种实现方式中，对节点检测模型进行训练，包括：
基于Q-Learning算法对节点检测模型进行训练。
在本公开的一种实现方式中，将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型之前，所述方法还包括：
接收边缘服务器发送的更新权值参数，并根据更新权值参数对节点检测模型进行更新；
将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对节点检测模型进行训练，以获取目标节点检测模型，包括：
将目标节点的当前业务数据及第一节点状态信息作为输入，将第二节点状态信息作为输出，对更新后的节点检测模型进行训练；
响应于训练后的节点检测模型收敛，将训练后的节点检测模型储存为目标节点检测模型。
在本公开的一种实现方式中，所述方法还包括：
响应于训练后的节点检测模型未收敛，根据训练后的节点检测模型获取第一梯度更新矢量，并向边缘服务器发送第一梯度更新矢量。
第二方面，本公开实施例中提供了一种模型训练方法，所述方法应用于节点，所述方法包括：
发送节点注册信息，并接收认证通知信息，对认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，共同随机数为根据节点的节点群组内所有节点各自对应的私钥生成；
根据节点的节点标识以及共同随机数获取与节点对应的节点随机数；
发送包括节点随机数预计节点标识的认证请求信息。
在本公开的一种实现方式中，接收认证通知信息之前，所述方法还包括：
接收节点标识信息，并对节点标识信息进行解析，以获取与节点对应的节点标识。
第三方面，本公开实施例中提供了一种节点检测方法，所述方法应用于边缘设备，所述方法包括：
获取至少一个节点的当前业务数据以及至少一个节点当前的第三节点状态信息；
获取目标节点检测模型，将至少一个节点的当前业务数据以及至少一个节点当前的节点状态信息输入目标节点检测模型，以获取目标时长后至少一个节点的第四节点状态信息；
响应于根据第四节点状态信息确定至少一个目标故障节点，生成告警信息，告警信息用于指示目标故障节点的节点状态为故障。
在本公开的一种实现方式中，目标节点检测模型为根据权利要求1-10中任一项得到。
图8示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
如图8所示，计算机系统包括处理单元，其可以根据存储在只读存储器（ROM）中的程序或者从存储部分加载到随机访问存储器（RAM）中的程序而执行上述实施例中的各种方法。在RAM中，还存储有计算机系统操作所需的各种程序和数据。处理单元、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信过程。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。其中，所述处理单元可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地，根据本公开的实施例，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行上述方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，两个接连地表示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操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。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (17)

1.一种模型训练方法，其特征在于，所述方法应用于边缘设备，所述方法包括：
获取至少一个节点发送的节点注册信息，并根据所述节点注册信息对所述至少一个节点进行分组，以获取至少一个节点群组，每个节点群组包括至少一个节点；
对每个所述节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，所述目标节点群组内的节点均为认证成功的节点；
获取所述至少一个节点的当前业务数据，并响应于所述至少一个节点包括不属于所述白名单节点的目标节点，获取当前所述目标节点的第一节点状态信息，并在目标时长后获取所述目标节点的第二节点状态信息；
获取节点检测模型，将所述目标节点的当前业务数据及所述第一节点状态信息作为输入，将所述第二节点状态信息作为输出，对所述节点检测模型进行训练，以获取目标节点检测模型。
2.根据权利要求1所述的模型训练方法，其特征在于，所述节点注册信息用于指示对应节点的节点类型、业务类型、单位时间业务数据流量中至少一项。
3.根据权利要求1所述的模型训练方法，其特征在于，对所述至少一个节点群组内的节点进行认证，包括：
向所述节点群组内的节点发送认证通知信息，所述认证通知信息包括与节点对应的私钥以及共同随机数，所述共同随机数为根据所述节点群组内所有节点各自对应的私钥生成；
接收认证请求信息，并根据与节点对应的私钥对所述认证请求信息进行解密，以获取与节点对应的节点随机数；
根据所述认证请求信息中的节点标识，对所述节点随机数进行组合，得到目标随机数；
响应于所述目标随机数与所述共同随机数匹配，确定所述节点群组内的节点均为认证成功的节点。
4.根据权利要求3所述的模型训练方法，其特征在于，所述向所述节点群组内的节点发送认证通知信息之前，所述方法还包括：
向所述节点群组内的节点发送节点标识信息，所述节点标识信息包括与节点对应的节点标识。
5.根据权利要求3所述的模型训练方法，其特征在于，所述根据所述认证请求信息中的节点标识，对所述节点随机数进行组合，得到目标随机数之前，所述方法还包括：
获取发送所述认证请求信息的节点的请求IP地址，并根据所述认证请求信息中的节点标识获取与节点标识对应的分配IP地址；
所述根据所述认证请求信息中的节点标识，对所述节点随机数进行组合，得到目标随机数，包括：
响应于所述请求IP地址与所述分配IP地址匹配，根据所述认证请求信息中的节点标识，对所述节点随机数进行组合，得到所述目标随机数。
6.根据权利要求1所述的模型训练方法，其特征在于，所述对所述节点检测模型进行训练，包括：
基于Q-Learning算法对所述节点检测模型进行训练。
7.根据权利要求1所述的模型训练方法，其特征在于，所述将所述目标节点的当前业务数据及所述第一节点状态信息作为输入，将所述第二节点状态信息作为输出，对所述节点检测模型进行训练，以获取目标节点检测模型之前，所述方法还包括：
接收边缘服务器发送的更新权值参数，并根据所述更新权值参数对所述节点检测模型进行更新；
所述将所述目标节点的当前业务数据及所述第一节点状态信息作为输入，将所述第二节点状态信息作为输出，对所述节点检测模型进行训练，以获取目标节点检测模型，包括：
将所述目标节点的当前业务数据及所述第一节点状态信息作为输入，将所述第二节点状态信息作为输出，对更新后的节点检测模型进行训练；
响应于训练后的节点检测模型收敛，将训练后的节点检测模型储存为所述目标节点检测模型。
8.根据权利要求7所述的模型训练方法，其特征在于，所述方法还包括：
响应于训练后的节点检测模型未收敛，根据训练后的节点检测模型获取第一梯度更新矢量，并向所述边缘服务器发送所述第一梯度更新矢量。
9.一种模型训练方法，其特征在于，所述方法应用于节点，所述方法包括：
发送节点注册信息，并接收认证通知信息，对所述认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，所述共同随机数为根据所述节点所述的节点群组内所有节点各自对应的私钥生成；
根据所述节点的节点标识以及所述共同随机数获取与所述节点对应的节点随机数；
发送包括所述节点随机数预计所述节点标识的认证请求信息。
10.根据权利要求9所述的模型训练方法，其特征在于，所述接收认证通知信息之前，所述方法还包括：
接收节点标识信息，并对所述节点标识信息进行解析，以获取与所述节点对应的节点标识。
11.一种节点检测方法，其特征在于，所述方法应用于边缘设备，所述方法包括：
获取至少一个节点的当前业务数据以及所述至少一个节点当前的第三节点状态信息；
获取目标节点检测模型，将所述至少一个节点的当前业务数据以及所述至少一个节点当前的节点状态信息输入所述目标节点检测模型，以获取目标时长后所述至少一个节点的第四节点状态信息；
响应于根据所述第四节点状态信息确定至少一个目标故障节点，生成告警信息，所述告警信息用于指示所述目标故障节点的节点状态为故障。
12.根据权利要求11所述的节点检测方法，其特征在于，所述目标节点检测模型为根据权利要求1-10中任一项所述的方法得到。
13.一种模型训练装置，其特征在于，包括：
注册信息获取模块，被配置为获取至少一个节点发送的节点注册信息，并根据所述节点注册信息对所述至少一个节点进行分组，以获取至少一个节点群组，每个节点群组包括至少一个节点；
节点认证模块，被配置为对每个所述节点群组内的节点进行认证，并根据认证结果将目标节点群组内的节点确定为白名单节点，所述目标节点群组内的节点均为认证成功的节点；
白名单认证模块，被配置为获取所述至少一个节点的当前业务数据，并响应于所述至少一个节点包括不属于所述白名单节点的目标节点，获取当前所述目标节点的第一节点状态信息，并在目标时长后获取所述目标节点的第二节点状态信息；
模型训练模块，被配置为获取节点检测模型，将所述目标节点的当前业务数据及所述第一节点状态信息作为输入，将所述第二节点状态信息作为输出，对所述节点检测模型进行训练，以获取目标节点检测模型。
14.一种模型训练装置，其特征在于，包括：
节点认证模块，被配置为发送节点注册信息，并接收认证通知信息，对所述认证通知信息进行解析以获取与节点对应的私钥以及共同随机数，所述共同随机数为根据所述节点所述的节点群组内所有节点各自对应的私钥生成；
随机数获取模块，被配置为根据所述节点的节点标识以及所述共同随机数获取与所述节点对应的节点随机数；
请求发送模块，被配置为发送包括所述节点随机数预计所述节点标识的认证请求信息。
15.一种节点检测装置，其特征在于，包括：
节点数据获取模块，被配置为获取至少一个节点的当前业务数据以及所述至少一个节点当前的第三节点状态信息；
节点状态获取模块，被配置为获取目标节点检测模型，将所述至少一个节点的当前业务数据以及所述至少一个节点当前的节点状态信息输入所述目标节点检测模型，以获取目标时长后所述至少一个节点的第四节点状态信息；
告警模块，被配置为响应于根据所述第四节点状态信息确定至少一个目标故障节点，生成告警信息，所述告警信息用于指示所述目标故障节点的节点状态为故障。
16.一种电子设备，其特征在于，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-12中任一项所述的方法步骤。
17.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-12任一项所述的方法步骤。
CN202210865738.9A 2022-07-22 2022-07-22 模型训练方法、节点检测方法、装置、设备及介质 Active CN115085921B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210865738.9A CN115085921B (zh) 2022-07-22 2022-07-22 模型训练方法、节点检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210865738.9A CN115085921B (zh) 2022-07-22 2022-07-22 模型训练方法、节点检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115085921A true CN115085921A (zh) 2022-09-20
CN115085921B CN115085921B (zh) 2023-01-20

Family

ID=83243913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210865738.9A Active CN115085921B (zh) 2022-07-22 2022-07-22 模型训练方法、节点检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115085921B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709486A (zh) * 2024-02-05 2024-03-15 清华大学 一种面向协作学习的动态聚合方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102088668A (zh) * 2011-03-10 2011-06-08 西安电子科技大学 基于群组的机器类型通信设备的认证方法
CN102143134A (zh) * 2010-08-05 2011-08-03 华为技术有限公司 分布式身份认证方法、装置与系统
CN109936509A (zh) * 2019-03-06 2019-06-25 西安电子科技大学 一种基于多元身份的设备群组认证方法及系统
WO2021174877A1 (zh) * 2020-09-18 2021-09-10 平安科技（深圳）有限公司 基于智能决策的目标检测模型的处理方法、及其相关设备
CN114240243A (zh) * 2021-12-30 2022-03-25 无锡雪浪数制科技有限公司 一种基于动态系统辨识的精馏塔产品质量预测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102143134A (zh) * 2010-08-05 2011-08-03 华为技术有限公司 分布式身份认证方法、装置与系统
CN102088668A (zh) * 2011-03-10 2011-06-08 西安电子科技大学 基于群组的机器类型通信设备的认证方法
CN109936509A (zh) * 2019-03-06 2019-06-25 西安电子科技大学 一种基于多元身份的设备群组认证方法及系统
WO2021174877A1 (zh) * 2020-09-18 2021-09-10 平安科技（深圳）有限公司 基于智能决策的目标检测模型的处理方法、及其相关设备
CN114240243A (zh) * 2021-12-30 2022-03-25 无锡雪浪数制科技有限公司 一种基于动态系统辨识的精馏塔产品质量预测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709486A (zh) * 2024-02-05 2024-03-15 清华大学 一种面向协作学习的动态聚合方法及装置
CN117709486B (zh) * 2024-02-05 2024-04-19 清华大学 一种面向协作学习的动态聚合方法及装置

Also Published As

Publication number Publication date
CN115085921B (zh) 2023-01-20

Similar Documents

Publication Publication Date Title
CN113580986B (zh) 充电桩设备的监测方法和装置
CN111314339B (zh) 数据传输方法及装置
CN109905268B (zh) 网络运维的方法及装置
CN113420195B (zh) 智能电表故障类型确定方法及系统
CN114338281A (zh) 一种基于边缘计算网关的模型分发应用设计方法及系统
CN105991412A (zh) 消息推送方法及装置
CN115085921B (zh) 模型训练方法、节点检测方法、装置、设备及介质
KR101081023B1 (ko) 스마트그리드 지능형전자장치 상호간의 통신 성능을 검증하기 위한 장치 및 그 방법
CN115174416B (zh) 一种网络规划系统、方法、装置及电子设备
CN111654321A (zh) 卫星网络的管理方法、装置及电子设备
CN113204599A (zh) 基于物联网的设备监测方法及装置、监测设备和存储介质
CN106331060B (zh) 一种基于wifi进行布控的方法和系统
Kwon et al. Automatic classification of network traffic data based on deep learning in onos platform
Qu et al. On the convergence of multi-server federated learning with overlapping area
CN117201501B (zh) 一种智慧工程共享管理系统及运行方法
CN117761255A (zh) 污染监测方法、系统、设备和程序产品
CN113792892A (zh) 联邦学习建模优化方法、设备、可读存储介质及程序产品
CN111710153B (zh) 交通流量的预测方法、装置、设备及计算机存储介质
CN117539619A (zh) 基于云边融合的算力调度方法、系统、设备和存储介质
CN114243914B (zh) 电力监控系统
CN111313550A (zh) 一种环网柜配电自动化改造装置及控制方法
US20230147729A1 (en) Ad-hoc der machine data aggregation for co-simulation, deep learning and fault-tolerant power systems
CN115277208A (zh) 一种智能网联汽车数据传输方法、装置、设备及介质
CN109995557B (zh) 一种通信方法及装置
CN108594736A (zh) 电力能耗监控系统及方法

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