CN116032677A - 一种基于智能化电子产品的安防监控系统 - Google Patents
一种基于智能化电子产品的安防监控系统 Download PDFInfo
- Publication number
- CN116032677A CN116032677A CN202211632117.2A CN202211632117A CN116032677A CN 116032677 A CN116032677 A CN 116032677A CN 202211632117 A CN202211632117 A CN 202211632117A CN 116032677 A CN116032677 A CN 116032677A
- Authority
- CN
- China
- Prior art keywords
- intelligent electronic
- electronic product
- link
- establishing
- channel
- 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
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于智能化电子产品的安防监控系统,属于安防监控技术领域。所述安防监控系统包括智能家居网络拓扑关系判定模块、云储存异常感知模块、干扰入侵检测模块和风险规避优化模块;所述智能家居网络拓扑关系判定模块,用于建立双通道拓扑关系;基于双通道拓扑关系,对电源轨迹与通信传输轨迹之间建立关联;所述云储存异常感知模块,基于双通道关联链路划分存储区域,对双通道关联链路进行异常识别;所述干扰入侵检测模块,基于双通道关联链路异常识别结果,建立干扰入侵检测模型,在双通道拓扑关系中找寻可疑主事件;所述风险规避优化模块,建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示。
Description
技术领域
本发明涉及安防监控技术领域,具体为一种基于智能化电子产品的安防监控系统。
背景技术
智能家居以家庭住宅为载体,通过自动控制、计算机以及物联网等技术,将家电控制、环境监控、信息管理、影音娱乐等功能有机结合,为用户提供更具便捷性、舒适性、与节能性的家庭生活环境;智能家居不单指某一独立产品,而是一个广泛的系统性安全性产品概念。
随着物联网、大数据与人工智能等技术的不断发展,智能家居产业日益繁荣。由于智能家居应用场景的特殊性与私密性,其安全问题不容忽视,安全漏洞的存在可能导致严重后果,不仅会泄露用户家庭住址、谈话内容等隐私信息,还可能造成经济损失甚至人身安全威胁。因此,越来越多的研究者开始关注智能家居安全,但目前相关研究仍处于起步阶段,尤其对于安全隐患的排查常常存在遗漏项,并且即使能够检测出安全隐患,但是往往无法给出相应的防护建议。
发明内容
本发明的目的在于提供一种基于智能化电子产品的安防监控系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于智能化电子产品的安防监控系统,所述安防监控系统包括智能家居网络拓扑关系判定模块、云储存异常感知模块、干扰入侵检测模块和风险规避优化模块;
所述智能家居网络拓扑关系判定模块,用于建立双通道拓扑关系;所述双通道包括电源轨迹通道和通信传输轨迹通道;基于双通道拓扑关系,对电源轨迹与通信传输轨迹之间建立关联;
所述云储存异常感知模块,基于双通道关联链路划分存储区域,对智能家居体系中所有智能化电子产品设备运行数据进行存储;用于对双通道关联链路进行异常识别;
所述干扰入侵检测模块,基于双通道关联链路异常识别结果,建立干扰入侵检测模型,在双通道拓扑关系中找寻可疑主事件;
所述风险规避优化模块,根据可疑主事件遍历基本问题事件,建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示。
进一步的,所述智能家居网络拓扑关系判定模块还包括双通道拓扑关系建立单元和轨迹关联单元;
所述双通道拓扑关系建立单元,用于对智能家居体系中各智能化电子产品设备的电源流通轨迹进行识别,建立电源轨迹拓扑关系链路;用于对智能家居体系中各智能化电子产品设备的通信传输轨迹链路进行识别,建立通信传输轨迹拓扑关系链路;
所述轨迹关联单元,用于对电源轨迹与通信传输轨迹之间建立关联;
所述双通道拓扑关系建立单元的输出端与所述轨迹关联单元的输入端相连接;
所述建立电源轨迹拓扑关系链路的具体实施过程如下:
对各智能化电子产品设备运行过程中产生的电压数据和电流数据进行监测,建立电源轨迹拓扑关系模型,令初始化拓扑次数为K=1,对各智能化电子产品设备的采样时间进行统一校准,选取同一时间点开启拓扑迭代;在进行第K次拓扑迭代时,获取各智能化电子产品设备的电压数据,对任意两个智能化电子产品设备的电压数据在第K次拓扑迭代时进行电压波动时间比较,如果时间相同则表示该两个智能化电子产品设备存在联动关系;当对该两个智能化电子产品设备判定存在联动关系时,获取该两个智能化电子产品设备对应的电流数据,如果该两个智能化电子产品设备对应的电流数据相等则表示该两个智能化电子产品设备处在同一联动链路上,否则处在不同的联动链路上;
进行第K+1次拓扑迭代,预设拓扑迭代次数上限V,当K+1=V时终止拓扑迭代;获取每一次拓扑迭代的联动链路关系判定结果,对每次判定都处在同一联动链路上的智能化电子产品设备进行统计并生成一个联动链路集合,对所有联动链路进行统一编号,则共得到W个联动链路,且每个联动链路对应一个联动链路集合,得到电源轨迹关系。
进一步的,所述建立通信传输轨迹拓扑关系链路的具体实施过程如下:
将每一个智能化电子产品设备作为一个通信传输节点,当各智能化电子产品设备之间通过控制指令进行通信传输时,记录各智能化电子产品设备的响应反馈时间,将响应反馈时间相同的智能化电子产品设备进行归类,共得到Q个归类集合,其中每个归类集合中的元素分别对应一个智能化电子产品设备;
建立响应反馈时间序列集合,其中响应反馈时间序列集合中每一个元素对应一个归类,且各归类按照时间先后顺序从小到大进行排列;
对每一次控制指令发出时的各智能化电子产品设备的响应反馈时间规律进行捕捉,得到每一次控制指令发出时对应的响应反馈时间序列集合;
将第A次控制指令发出时对应的响应反馈时间序列集合记为NA={Q1,Q2,...,QX},其中Q1,Q2,...,QX分别表示第1,2,...,X个类别集合;将第B次控制指令发出时对应的响应反馈时间序列集合记为NB={q1,q2,...,qY},其中q1,q2,...,qY分别表示第1,2,...,Y个类别集合;将NA中每一个元素看作一个匹配维度,将NB中每一个元素看作一个匹配源,则共得到X个匹配维度和Y个匹配源;
在所有控制指令发出次数中,利用随机竞争的思想,对任意两次控制指令发出时对应的响应反馈时间序列集合进行筛选,计算匹配值,具体公式如下:
其中,P表示第i个检索源在第j个维度的匹配值,Si,j表示第i个检索源在第j个维度的相似度,L为取值在[-1,1]区间上的随机数;相似度计算公式为:
预设匹配值阈值,将匹配值小于匹配值阈值的类别进行剔除,匹配值大于等于匹配值阈值的类别表示随机竞争成功,对竞争成功的类别进行提取,提取出来的一个类别表示一种通信传输链路。
进一步的,所述对电源轨迹与通信传输轨迹之间建立关联的具体实施过程如下:
计算任一联动链路与任一通信传输链路之间的关联度,具体计算公式如下:
其中,G表示任一联动链路M1与任一通信传输链路M2之间的关联度,NUM(M1∩M2)表示集合M1∩M2的元素数量,NUM(M1∪M2)表示集合M1∪M2的元素数量;
对所有联动链路与所有通信传输链路之间的关联度进行计算,将关联度最大时对应的联动链路与通信传输链路之间构建关联关系。
进一步的,所述云储存异常感知模块还包括存储单元和异常识别单元;
所述存储单元,基于双通道关联链路划分存储区域,对智能化电子产品的运行数据进行存储;所述异常识别单元,用于对双通道关联链路进行异常识别;所述存储单元的输出端与所述异常识别单元的输入端相连接;
所述基于双通道关联链路划分存储区域的方式为:遍历所有联动链路与所有通信传输链路的关联关系,对一种关联关系划分一个存储区域;根据存储空间总大小,对存储区域进行平均分配存储空间大小;
所述对双通道关联链路进行异常识别的方式为:计算每一个存储区域的存储长度绝对偏移量R1和相对偏移量R2,计算每个存储区域的异常指数E=R1×R2÷(R1+R2)2;预设异常指数阈值,如果异常指数大于等于异常指数阈值,则提取该存储区域对应的双通道关联链路。
进一步的,所述干扰入侵检测模块还包括干扰入侵检测模型单元和可疑主事件识别单元;
所述干扰入侵检测模型单元,用于当存储区域识别出异常时,获取各存储区域对应的双通道关联链路;基于双通道关联链路,建立干扰入侵检测模型;
所述可疑主事件识别单元,根据干扰入侵检测模型识别结果,识别双通道关联链路中共同存在的智能化电子产品设备并记为可疑主事件。
进一步的,所述干扰入侵检测模型公式为:F=P*G,其中F表示入侵度;预设入侵度阈值,提取入侵度大于等于入侵度阈值时对应的双通道关联链路。
进一步的,所述风险规避优化模块还包括基本问题事件识别单元和风险规避优化单元;
所述基本问题事件识别单元,用于根据可疑主事件遍历基本问题事件;在双通道关联链路中,将除可疑主事件以外的全部智能化电子产品设备标记为基本问题事件;
所述风险规避优化单元,用于建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示;所述建立风险规避优化模型具体实施过程如下:
将某个可疑主事件发生存在的双通道关联链中的所有基本问题事件生成一种映射关系集合,即可疑主事件IS对应生成的映射关系集合为JS,S表示映射关系编号;
建立风险规避优化模型,具体计算公式如下:
其中,H表示风险规避优化集合,U(JS)表示将JS中每一个元素相乘组成的多项式,T表示映射关系总数。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于智能化电子产品的安防监控系统中,通过建立双通道拓扑关系,对智能化电子产品设备的电源轨迹通道和通信传输轨迹通道进行拓扑关系找寻,进而生成双通道关联链路;再根据双通道关联链路关系,划分存储区域,对存在关联的所有设备从电源轨迹和通信轨迹两个方向进行时刻监测;如果发现存储异常,可以通过双通道拓扑关系快速定位到异常设备,进而进行有针对的干扰入侵检测,同时通过链路关系,对入侵问题进一步划分为可疑主事件和基本问题事件,建立风险规避优化模型,结合双通道关联链路关系、可疑主事件和基本问题事件进而可以计算出对风险的有效防护措施。
附图说明
附图用来提供对本发明的进一步理解,并且且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于智能化电子产品的安防监控系统的结构示意图。
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他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:
提供一种基于智能化电子产品的安防监控系统,安防监控系统包括智能家居网络拓扑关系判定模块、云储存异常感知模块、干扰入侵检测模块和风险规避优化模块;
智能家居网络拓扑关系判定模块,用于建立双通道拓扑关系;双通道包括电源轨迹通道和通信传输轨迹通道;基于双通道拓扑关系,对电源轨迹与通信传输轨迹之间建立关联;
智能家居网络拓扑关系判定模块还包括双通道拓扑关系建立单元和轨迹关联单元;
双通道拓扑关系建立单元,用于对智能家居体系中各智能化电子产品设备的电源流通轨迹进行识别,建立电源轨迹拓扑关系链路;用于对智能家居体系中各智能化电子产品设备的通信传输轨迹链路进行识别,建立通信传输轨迹拓扑关系链路;
轨迹关联单元,用于对电源轨迹与通信传输轨迹之间建立关联;
双通道拓扑关系建立单元的输出端与轨迹关联单元的输入端相连接;
建立电源轨迹拓扑关系链路的具体实施过程如下:
对各智能化电子产品设备运行过程中产生的电压数据和电流数据进行监测,建立电源轨迹拓扑关系模型,令初始化拓扑次数为K=1,对各智能化电子产品设备的采样时间进行统一校准,选取同一时间点开启拓扑迭代;在进行第K次拓扑迭代时,获取各智能化电子产品设备的电压数据,对任意两个智能化电子产品设备的电压数据在第K次拓扑迭代时进行电压波动时间比较,如果时间相同则表示该两个智能化电子产品设备存在联动关系;当对该两个智能化电子产品设备判定存在联动关系时,获取该两个智能化电子产品设备对应的电流数据,如果该两个智能化电子产品设备对应的电流数据相等则表示该两个智能化电子产品设备处在同一联动链路上,否则处在不同的联动链路上;
进行第K+1次拓扑迭代,预设拓扑迭代次数上限V,当K+1=V时终止拓扑迭代;获取每一次拓扑迭代的联动链路关系判定结果,对每次判定都处在同一联动链路上的智能化电子产品设备进行统计并生成一个联动链路集合,对所有联动链路进行统一编号,则共得到W个联动链路,且每个联动链路对应一个联动链路集合,得到电源轨迹关系;
建立通信传输轨迹拓扑关系链路的具体实施过程如下:
将每一个智能化电子产品设备作为一个通信传输节点,当各智能化电子产品设备之间通过控制指令进行通信传输时,记录各智能化电子产品设备的响应反馈时间,将响应反馈时间相同的智能化电子产品设备进行归类,共得到Q个归类集合,其中每个归类集合中的元素分别对应一个智能化电子产品设备;
建立响应反馈时间序列集合,其中响应反馈时间序列集合中每一个元素对应一个归类,且各归类按照时间先后顺序从小到大进行排列;
对每一次控制指令发出时的各智能化电子产品设备的响应反馈时间规律进行捕捉,得到每一次控制指令发出时对应的响应反馈时间序列集合;
将第A次控制指令发出时对应的响应反馈时间序列集合记为NA={Q1,Q2,...,QX},其中Q1,Q2,...,QX分别表示第1,2,...,X个类别集合;将第B次控制指令发出时对应的响应反馈时间序列集合记为NB={q1,q2,...,qY},其中q1,q2,...,qY分别表示第1,2,...,Y个类别集合;将NA中每一个元素看作一个匹配维度,将NB中每一个元素看作一个匹配源,则共得到X个匹配维度和Y个匹配源;
在所有控制指令发出次数中,利用随机竞争的思想,对任意两次控制指令发出时对应的响应反馈时间序列集合进行筛选,计算匹配值,具体公式如下:
其中,P表示第i个检索源在第j个维度的匹配值,Si,j表示第i个检索源在第j个维度的相似度,L为取值在[-1,1]区间上的随机数;相似度计算公式为:
预设匹配值阈值,将匹配值小于匹配值阈值的类别进行剔除,匹配值大于等于匹配值阈值的类别表示随机竞争成功,对竞争成功的类别进行提取,提取出来的一个类别表示一种通信传输链路;
对电源轨迹与通信传输轨迹之间建立关联的具体实施过程如下:
计算任一联动链路与任一通信传输链路之间的关联度,具体计算公式如下:
其中,G表示任一联动链路M1与任一通信传输链路M2之间的关联度,NUM(M1∩M2)表示集合M1∩M2的元素数量,NUM(M1∪M2)表示集合M1∪M2的元素数量;
对所有联动链路与所有通信传输链路之间的关联度进行计算,将关联度最大时对应的联动链路与通信传输链路之间构建关联关系。
云储存异常感知模块,基于双通道关联链路划分存储区域,对智能家居体系中所有智能化电子产品设备运行数据进行存储;用于对双通道关联链路进行异常识别;
云储存异常感知模块还包括存储单元和异常识别单元;
存储单元,基于双通道关联链路划分存储区域,对智能化电子产品的运行数据进行存储;异常识别单元,用于对双通道关联链路进行异常识别;存储单元的输出端与异常识别单元的输入端相连接;
基于双通道关联链路划分存储区域的方式为:遍历所有联动链路与所有通信传输链路的关联关系,对一种关联关系划分一个存储区域;根据存储空间总大小,对存储区域进行平均分配存储空间大小;
对双通道关联链路进行异常识别的方式为:计算每一个存储区域的存储长度绝对偏移量R1和相对偏移量R2,计算每个存储区域的异常指数E=R1×R2÷(R1+R2)2;预设异常指数阈值,如果异常指数大于等于异常指数阈值,则提取该存储区域对应的双通道关联链路。
干扰入侵检测模块,基于双通道关联链路异常识别结果,建立干扰入侵检测模型,在双通道拓扑关系中找寻可疑主事件;
干扰入侵检测模块还包括干扰入侵检测模型单元和可疑主事件识别单元;
干扰入侵检测模型单元,用于当存储区域识别出异常时,获取各存储区域对应的双通道关联链路;基于双通道关联链路,建立干扰入侵检测模型;
可疑主事件识别单元,根据干扰入侵检测模型识别结果,识别双通道关联链路中共同存在的智能化电子产品设备并记为可疑主事件;
干扰入侵检测模型公式为:F=P*G,其中F表示入侵度;预设入侵度阈值,提取入侵度大于等于入侵度阈值时对应的双通道关联链路。
风险规避优化模块,根据可疑主事件遍历基本问题事件,建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示;
风险规避优化模块还包括基本问题事件识别单元和风险规避优化单元;
基本问题事件识别单元,用于根据可疑主事件遍历基本问题事件;在双通道关联链路中,将除可疑主事件以外的全部智能化电子产品设备标记为基本问题事件;
风险规避优化单元,用于建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示;建立风险规避优化模型具体实施过程如下:
将某个可疑主事件发生存在的双通道关联链中的所有基本问题事件生成一种映射关系集合,即可疑主事件IS对应生成的映射关系集合为JS,S表示映射关系编号;
建立风险规避优化模型,具体计算公式如下:
其中,H表示风险规避优化集合,U(JS)表示将JS中每一个元素相乘组成的多项式,T表示映射关系总数;
例如,映射关联关系有,I2→{X2,X3}和I3→{X1,X2};
风险规避优化集合为H=(X2X3+I2)(X1X2+I3)=X1X2X3+X2X3I3+X1X2I2+I2I3;则防护措施为{X1X2X3,X2X3I3,X1X2I2,I2I3},表示分别对风险规避优化集合中X1X2X3之间、X2X3I3之间、X1X2I2之间和I2I3之间进行直接防护,I2和I3表示可疑主事件,X1,X2,X3表示基本问题事件。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于智能化电子产品的安防监控系统,其特征在于,所述安防监控系统包括智能家居网络拓扑关系判定模块、云储存异常感知模块、干扰入侵检测模块和风险规避优化模块;
所述智能家居网络拓扑关系判定模块,用于建立双通道拓扑关系;所述双通道包括电源轨迹通道和通信传输轨迹通道;基于双通道拓扑关系,对电源轨迹与通信传输轨迹之间建立关联;
所述云储存异常感知模块,基于双通道关联链路划分存储区域,对智能家居体系中所有智能化电子产品设备运行数据进行存储;用于对双通道关联链路进行异常识别;
所述干扰入侵检测模块,基于双通道关联链路异常识别结果,建立干扰入侵检测模型,在双通道拓扑关系中找寻可疑主事件;
所述风险规避优化模块,根据可疑主事件遍历基本问题事件,建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示。
2.根据权利要求1所述的一种基于智能化电子产品的安防监控系统,其特征在于,所述智能家居网络拓扑关系判定模块还包括双通道拓扑关系建立单元和轨迹关联单元;
所述双通道拓扑关系建立单元,用于对智能家居体系中各智能化电子产品设备的电源流通轨迹进行识别,建立电源轨迹拓扑关系链路;用于对智能家居体系中各智能化电子产品设备的通信传输轨迹链路进行识别,建立通信传输轨迹拓扑关系链路;
所述轨迹关联单元,用于对电源轨迹与通信传输轨迹之间建立关联;
所述双通道拓扑关系建立单元的输出端与所述轨迹关联单元的输入端相连接;
所述建立电源轨迹拓扑关系链路的具体实施过程如下:
对各智能化电子产品设备运行过程中产生的电压数据和电流数据进行监测,建立电源轨迹拓扑关系模型,令初始化拓扑次数为K=1,对各智能化电子产品设备的采样时间进行统一校准,选取同一时间点开启拓扑迭代;在进行第K次拓扑迭代时,获取各智能化电子产品设备的电压数据,对任意两个智能化电子产品设备的电压数据在第K次拓扑迭代时进行电压波动时间比较,如果时间相同则表示该两个智能化电子产品设备存在联动关系;当对该两个智能化电子产品设备判定存在联动关系时,获取该两个智能化电子产品设备对应的电流数据,如果该两个智能化电子产品设备对应的电流数据相等则表示该两个智能化电子产品设备处在同一联动链路上,否则处在不同的联动链路上;
进行第K+1次拓扑迭代,预设拓扑迭代次数上限V,当K+1=V时终止拓扑迭代;获取每一次拓扑迭代的联动链路关系判定结果,对每次判定都处在同一联动链路上的智能化电子产品设备进行统计并生成一个联动链路集合,对所有联动链路进行统一编号,则共得到W个联动链路,且每个联动链路对应一个联动链路集合,得到电源轨迹关系。
3.根据权利要求2所述的一种基于智能化电子产品的安防监控系统,其特征在于,所述建立通信传输轨迹拓扑关系链路的具体实施过程如下:
将每一个智能化电子产品设备作为一个通信传输节点,当各智能化电子产品设备之间通过控制指令进行通信传输时,记录各智能化电子产品设备的响应反馈时间,将响应反馈时间相同的智能化电子产品设备进行归类,共得到Q个归类集合,其中每个归类集合中的元素分别对应一个智能化电子产品设备;
建立响应反馈时间序列集合,其中响应反馈时间序列集合中每一个元素对应一个归类,且各归类按照时间先后顺序从小到大进行排列;
对每一次控制指令发出时的各智能化电子产品设备的响应反馈时间规律进行捕捉,得到每一次控制指令发出时对应的响应反馈时间序列集合;
将第A次控制指令发出时对应的响应反馈时间序列集合记为NA={Q1,Q2,...,QX},其中Q1,Q2,...,QX分别表示第1,2,...,X个类别集合;将第B次控制指令发出时对应的响应反馈时间序列集合记为NB={q1,q2,...,qY},其中q1,q2,...,qY分别表示第1,2,...,Y个类别集合;将NA中每一个元素看作一个匹配维度,将NB中每一个元素看作一个匹配源,则共得到X个匹配维度和Y个匹配源;
在所有控制指令发出次数中,利用随机竞争的思想,对任意两次控制指令发出时对应的响应反馈时间序列集合进行筛选,计算匹配值,具体公式如下:
其中,P表示第i个检索源在第j个维度的匹配值,Si,j表示第i个检索源在第j个维度的相似度,L为取值在[-1,1]区间上的随机数;相似度计算公式为:
预设匹配值阈值,将匹配值小于匹配值阈值的类别进行剔除,匹配值大于等于匹配值阈值的类别表示随机竞争成功,对竞争成功的类别进行提取,提取出来的一个类别表示一种通信传输链路。
5.根据权利要求4所述的一种基于智能化电子产品的安防监控系统,其特征在于,所述云储存异常感知模块还包括存储单元和异常识别单元;
所述存储单元,基于双通道关联链路划分存储区域,对智能化电子产品的运行数据进行存储;所述异常识别单元,用于对双通道关联链路进行异常识别;所述存储单元的输出端与所述异常识别单元的输入端相连接;
所述基于双通道关联链路划分存储区域的方式为:遍历所有联动链路与所有通信传输链路的关联关系,对一种关联关系划分一个存储区域;根据存储空间总大小,对存储区域进行平均分配存储空间大小;
所述对双通道关联链路进行异常识别的方式为:计算每一个存储区域的存储长度绝对偏移量R1和相对偏移量R2,计算每个存储区域的异常指数E=R1×R2÷(R1+R2)2;预设异常指数阈值,如果异常指数大于等于异常指数阈值,则提取该存储区域对应的双通道关联链路。
6.根据权利要求5所述的一种基于智能化电子产品的安防监控系统,其特征在于,所述干扰入侵检测模块还包括干扰入侵检测模型单元和可疑主事件识别单元;
所述干扰入侵检测模型单元,用于当存储区域识别出异常时,获取各存储区域对应的双通道关联链路;基于双通道关联链路,建立干扰入侵检测模型;
所述可疑主事件识别单元,根据干扰入侵检测模型识别结果,识别双通道关联链路中共同存在的智能化电子产品设备并记为可疑主事件。
7.根据权利要求6所述的一种基于智能化电子产品的安防监控系统,其特征在于,所述干扰入侵检测模型公式为:F=P*G,其中F表示入侵度;预设入侵度阈值,提取入侵度大于等于入侵度阈值时对应的双通道关联链路。
8.根据权利要求7所述的一种基于智能化电子产品的安防监控系统,其特征在于,所述风险规避优化模块还包括基本问题事件识别单元和风险规避优化单元;
所述基本问题事件识别单元,用于根据可疑主事件遍历基本问题事件;在双通道关联链路中,将除可疑主事件以外的全部智能化电子产品设备标记为基本问题事件;
所述风险规避优化单元,用于建立风险规避优化模型,将风险规避优化结果发送至显示终端进行展示;所述建立风险规避优化模型具体实施过程如下:
将某个可疑主事件发生存在的双通道关联链中的所有基本问题事件生成一种映射关系集合,即可疑主事件IS对应生成的映射关系集合为JS,S表示映射关系编号;
建立风险规避优化模型,具体计算公式如下:
其中,H表示风险规避优化集合,U(JS)表示将JS中每一个元素相乘组成的多项式,T表示映射关系总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211632117.2A CN116032677A (zh) | 2022-12-19 | 2022-12-19 | 一种基于智能化电子产品的安防监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211632117.2A CN116032677A (zh) | 2022-12-19 | 2022-12-19 | 一种基于智能化电子产品的安防监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116032677A true CN116032677A (zh) | 2023-04-28 |
Family
ID=86075193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211632117.2A Pending CN116032677A (zh) | 2022-12-19 | 2022-12-19 | 一种基于智能化电子产品的安防监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116032677A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155978A (zh) * | 2023-10-31 | 2023-12-01 | 山东弘毅节能服务有限公司 | 一种基于人工智能的智慧校园管理系统 |
-
2022
- 2022-12-19 CN CN202211632117.2A patent/CN116032677A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155978A (zh) * | 2023-10-31 | 2023-12-01 | 山东弘毅节能服务有限公司 | 一种基于人工智能的智慧校园管理系统 |
CN117155978B (zh) * | 2023-10-31 | 2024-01-26 | 山东弘毅节能服务有限公司 | 一种基于人工智能的智慧校园管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fang et al. | Application of intrusion detection technology in network safety based on machine learning | |
Sheikhan et al. | Intrusion detection using reduced-size RNN based on feature grouping | |
El-Khatib | Impact of feature reduction on the efficiency of wireless intrusion detection systems | |
CN107241358B (zh) | 一种基于深度学习的智能家居入侵检测方法 | |
CN116032677A (zh) | 一种基于智能化电子产品的安防监控系统 | |
CN111538741A (zh) | 一种面向警情大数据的深度学习分析方法及系统 | |
CN106713290A (zh) | 一种识别主用户账号的方法及服务器 | |
CN113706100B (zh) | 配电网物联终端设备实时探测识别方法与系统 | |
CN104753617A (zh) | 基于神经网络的时序型隐信道检测方法 | |
Sajith et al. | Optimized intrusion detection system using computational intelligent algorithm | |
Wang et al. | Computational intelligence for information security: A survey | |
Liu et al. | Network security situation detection of internet of things for smart city based on fuzzy neural network | |
Gupta et al. | Anamoly detection in very large scale system using big data | |
CN112383921A (zh) | 一种基于异构分布式光纤传感器的在线外部入侵监测方法 | |
Shuaiyi et al. | Global-local integration for GNN-based anomalous device state detection in industrial control systems | |
CN107426141A (zh) | 恶意码的防护方法、系统及监控装置 | |
Abdalla et al. | Impact of packet inter-arrival time features for online peer-to-peer (P2P) classification | |
Sestito et al. | A general optimization-based approach to the detection of real-time Ethernet traffic events | |
Elshoush | An innovative framework for collaborative intrusion alert correlation | |
Wang et al. | FlowADGAN: Adversarial learning for deep anomaly network intrusion detection | |
Desnitsky et al. | Fuzzy Sets in Problems of Identification of Attacks on Wireless Sensor Networks | |
CN112491875B (zh) | 基于账号体系的智能跟踪安全检测方法及系统 | |
CN114037270A (zh) | 一种工业控制安全评估系统及方法 | |
CN114760104A (zh) | 一种物联网环境下的分布式异常流量检测方法 | |
CN114897176A (zh) | 一种基于人工智能的互联网大数据处理系统及方法 |
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 |