CN116366497A - 基于大数据的物联网卡时序异常检测系统 - Google Patents
基于大数据的物联网卡时序异常检测系统 Download PDFInfo
- Publication number
- CN116366497A CN116366497A CN202310287661.6A CN202310287661A CN116366497A CN 116366497 A CN116366497 A CN 116366497A CN 202310287661 A CN202310287661 A CN 202310287661A CN 116366497 A CN116366497 A CN 116366497A
- Authority
- CN
- China
- Prior art keywords
- detection
- network
- abnormal
- abnormality
- coefficient
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0823—Errors, e.g. transmission errors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
- H04L43/106—Active monitoring, e.g. heartbeat, ping or trace-route using time related information in packets, e.g. by adding timestamps
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于物联网领域，涉及数据分析技术，用于解决现有技术中的物联网卡时序异常检测系统，无法根据实时检测结果对网络异常特征进行分析的问题，具体是基于大数据的物联网卡时序异常检测系统，包括异常检测平台，异常检测平台通信连接有网络检测模块、数据检验模块、异常分析模块以及存储模块，网络检测模块用于对物联网卡的网络传输状态进行检测分析：将物联网卡标记为检测对象，将对物联网卡进行网络传输状态检测分析的自然日标记为检测日，将检测日分割为若干个检测时段，根据时间顺序对检测时段进行标号；本发明是对物联网卡的网络传输状态进行检测分析，并通过网络系数的数值对检测时段的网络传输状态进行判定。
Description
技术领域
本发明属于物联网领域，涉及数据分析技术，具体是基于大数据的物联网卡时序异常检测系统。
背景技术
物联网卡是中国移动面向物联网用户提供的移动通信接入业务，为物联网终端提供无线数据、语音、短信等基础通信服务，并为物联网客户提供通信连接管理、终端管理等运营服务；
而现有技术中的物联网卡时序异常检测系统，仅能够对网络传输状态进行实时监控，但无法对根据实时检测结果对网络异常特征进行分析，易导致出现网络异常时无法根据异常特征进行针对性的处理与优化，网络异常处理效率低下；
针对上述技术问题，本申请提出一种解决方案。
发明内容
本发明的目的在于提供基于大数据的物联网卡时序异常检测系统，用于解决现有技术中的物联网卡时序异常检测系统无法根据实时检测结果对网络异常特征进行分析的问题。
本发明需要解决的技术问题为：如何提供一种可以根据实时检测结果对网络异常特征进行分析的基于大数据的物联网卡时序异常检测系统。
本发明的目的可以通过以下技术方案实现：
基于大数据的物联网卡时序异常检测系统，包括异常检测平台，所述异常检测平台通信连接有网络检测模块、数据检验模块、异常分析模块以及存储模块；
所述网络检测模块用于对物联网卡的网络传输状态进行检测分析：将物联网卡标记为检测对象，将对物联网卡进行网络传输状态检测分析的自然日标记为检测日，将检测日分割为若干个检测时段，根据时间顺序对检测时段进行标号，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD并进行数值计算得到检测对象在检测时段内的网络系数WL；通过存储模块获取到网络阈值WLmin，将检测对象在检测时段内的网络系数WL与网络阈值WLmin进行比较并通过比较结果将检测时段标记为正常时段或异常时段；根据异常时段在检测时段中的数量占比对检测日内的网络传输状态是否满足要求进行判定；
所述数据检验模块用于在接收到检验信号后对检测时段的网络异常连续性进行检验分析；
所述异常分析模块用于对物联网卡的网络异常规律进行分析并将检测对象的网络异常特征标记为集中或分散。
作为本发明的一种优选实施方式，上传数据CS为检测对象在检测时段内的上传速度最大值，下载数据XZ为检测对象在检测时段内的下载数据最大值，抖动数据DD为检测对象在检测时段内的最大延迟与最小延迟的时间差值。
作为本发明的一种优选实施方式，将检测时段标记为正常时段或异常时段的具体过程包括：若网络系数WL小于等于网络阈值WLmin，则判定检测对象在检测时段内的网络状态不满足要求，将对应的检测时段标记为异常时段，同时网络检测模块向异常检测平台发送检验信号，异常检测平台接收到检验信号后将检验信号发送至数据检验模块；若网络系数WL大于等于网络阈值WLmin，则判定检测对象在检测时段内的网络状态满足要求，将对应的检测时段标记为正常时段。
作为本发明的一种优选实施方式，对检测日内的网络传输状态是否满足要求进行判定的具体过程包括：在检测日结束时刻，将异常时段的数量与检测时段的数量比值标记为异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数大于等于异常阈值，则判定检测对象在检测日内的网络传输状态不满足要求，网络检测模块向异常检测平台发送网络异常信号，异常检测平台接收到网络异常信号后将网络异常信号发送至异常分析模块以及管理人员的手机终端；若异常系数小于异常阈值，则判定检测对象在检测日内的网络传输状态满足要求，网络检测模块向异常检测平台发送网络正常信号。
作为本发明的一种优选实施方式，数据检验模块对检测时段的网络异常连续性进行检验分析的具体过程包括：数据检验模块第一次接收到检验信号后开启计时器进行时长为L1秒的倒计时，L1的数值与检测时段的时长相同，在倒计时内若数据检验模块再次接收到检验信号，则计时器重新进行倒计时，检验值的数值加一；直至倒计时结束时数据检验模块没有接收到检验信号或检验值的数值达到L2，检验分析结束，将倒计时重置；若检验分析结束时检验值的数值达到L2，则生成网络异常信号并将网络异常信号发送至异常检测平台，异常检测平台接收到网络异常信号后将网络异常信号发送至异常分析模块以及管理人员的手机终端，将检验值的数值归零；否则，不生成任何信号，将检验值的数值归零。
作为本发明的一种优选实施方式，异常分析模块对物联网卡的网络异常规律进行分析的具体过程包括：由L3个连续的检测日组成一个检测周期，将检测日内网络系数WL数值最小的检测时段的序号标记为检测日的突出值，由检测周期内所有检测日的突出值组成突出集合，对突出集合的所有元素进行方差计算得到突出系数；将检测日内异常时段的序号标记为检测日的分布值，由检测周期内所有检测日的分布值组成分布集合，对分布集合的所有元素进行方差计算得到分布系数；将突出系数与分布系数的差值的绝对值标记为规律系数，通过存储模块获取到规律阈值，将规律系数与规律阈值进行比较并通过比较结果将检测对象的网络异常特征标记为集中或分散。
作为本发明的一种优选实施方式，将规律系数与规律阈值进行比较的具体过程包括：若规律系数小于规律阈值，则判定检测对象网络异常特征为集中，异常分析模块向异常检测平台发送集中异常信号，异常检测平台接收到集中异常信号后将集中异常信号发送至管理人员的手机终端；若规律系数大于等于规律阈值，则判定检测对象网络异常特征为分散，异常分析模块向异常检测平台发送分散异常信号，异常检测平台接收到分散异常信号后将分散异常信号发送至管理人员的手机终端。
该基于大数据的物联网卡时序异常检测系统的工作方法，包括以下步骤：
步骤一：对物联网卡的网络传输状态进行检测分析：将检测日分割为若干个检测时段，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD并进行数值计算得到网络系数WL，通过网络系数WL的数值对检测对象在检测时段内的网络传输状态是否满足要求进行判定；
步骤二：在检测时段的网络传输状态不满足要求时对检测时段的网络异常连续性进行检验分析，在检验分析的结束时刻根据检验值的数值大小对网络预警的必要性进行判定；
步骤三：对物联网卡的网络异常规律进行分析：由L3个连续的检测日组成一个检测周期，获取检测周期的规律系数，通过规律系数的数值大小将检测周期的网络异常特征标记为集中或分散。
本发明具备下述有益效果：
1、本发明是通过网络检测模块可以对物联网卡的网络传输状态进行检测分析，通过分时段检测的方式对各个检测时段内的多个网络传输参数进行综合分析得到网络系数，通过网络系数的数值对检测时段的网络传输状态进行判定，从而根据异常时段在检测时段内的数量占比对检测日的网络传输状态进行反馈；
2、本发明还通过数据检验模块可以对检测时段的网络异常连续性进行检验分析，检验分析之后得到的检验值的数值大小对一定时间内出现网络传输异常的频率进行反馈，结合网络检测模块可以从整体异常与极端异常两个方向同时进行网络异常检测；且通过异常分析模块可以对物联网卡的网络异常规律进行检测分析，通过对检测周期内的突出值与分布值进行综合分析与计算得到规律系数，从而根据规律系数对检测周期的异常特征进行标记，根据异常特征可以采用针对性的优化方案进行异常处理，从而提高网络异常的处理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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为本发明实施例一的系统框图；
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整的描述，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作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。
实施例一
如图1所示，基于大数据的物联网卡时序异常检测系统，包括异常检测平台，异常检测平台通信连接有网络检测模块、数据检验模块、异常分析模块以及存储模块。
网络检测模块用于对物联网卡的网络传输状态进行检测分析：将物联网卡标记为检测对象，将对物联网卡进行网络传输状态检测分析的自然日标记为检测日，将检测日分割为若干个检测时段，根据时间顺序对检测时段进行标号，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD，上传数据CS为检测对象在检测时段内的上传速度最大值，下载数据XZ为检测对象在检测时段内的下载数据最大值，抖动数据DD为检测对象在检测时段内的最大延迟与最小延迟的时间差值；通过公式WL＝(α1*CS+α2*XZ)/(α3*DD)得到检测对象在检测时段内的网络系数WL，网络系数是一个反映检测对象在检测时段内的网络传输状态好坏程度的数值，网络系数的数值越大，则表示检测对象在检测时段内的网络传输状态越好；其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；通过存储模块获取到网络阈值WLmin，将检测对象在检测时段内的网络系数WL与网络阈值WLmin进行比较：若网络系数WL小于等于网络阈值WLmin，则判定检测对象在检测时段内的网络状态不满足要求，将对应的检测时段标记为异常时段，同时网络检测模块向异常检测平台发送检验信号，异常检测平台接收到检验信号后将检验信号发送至数据检验模块；若网络系数WL大于等于网络阈值WLmin，则判定检测对象在检测时段内的网络状态满足要求，将对应的检测时段标记为正常时段；在检测日结束时刻，将异常时段的数量与检测时段的数量比值标记为异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数大于等于异常阈值，则判定检测对象在检测日内的网络传输状态不满足要求，网络检测模块向异常检测平台发送网络异常信号，异常检测平台接收到网络异常信号后将网络异常信号发送至异常分析模块以及管理人员的手机终端；若异常系数小于异常阈值，则判定检测对象在检测日内的网络传输状态满足要求，网络检测模块向异常检测平台发送网络正常信号；对物联网卡的网络传输状态进行检测分析，通过分时段检测的方式对各个检测时段内的多个网络传输参数进行综合分析得到网络系数，通过网络系数的数值对检测时段的网络传输状态进行判定，从而根据异常时段在检测时段内的数量占比对检测日的网络传输状态进行反馈。
数据检验模块用于在接收到检验信号后对检测时段的网络异常连续性进行检验分析：数据检验模块第一次接收到检验信号后开启计时器进行时长为L1秒的倒计时，L1的数值与检测时段的时长相同，在倒计时内若数据检验模块再次接收到检验信号，则计时器重新进行倒计时，检验值的数值加一；直至倒计时结束时数据检验模块没有接收到检验信号或检验值的数值达到L2，检验分析结束，将倒计时重置；若检验分析结束时检验值的数值达到L2，则生成网络异常信号并将网络异常信号发送至异常检测平台，异常检测平台接收到网络异常信号后将网络异常信号发送至异常分析模块以及管理人员的手机终端，将检验值的数值归零；否则，不生成任何信号，将检验值的数值归零；对检测时段的网络异常连续性进行检验分析，检验分析之后得到的检验值的数值大小对一定时间内出现网络传输异常的频率进行反馈，结合网络检测模块可以从整体异常与极端异常两个方向同时进行网络异常检测。
异常分析模块用于对物联网卡的网络异常规律进行分析：由L3个连续的检测日组成一个检测周期，L1、L2以及L3均为数值常量，L1、L2以及L3的具体数值均由管理人员自行设置；将检测日内网络系数WL数值最小的检测时段的序号标记为检测日的突出值，由检测周期内所有检测日的突出值组成突出集合，对突出集合的所有元素进行方差计算得到突出系数；将检测日内异常时段的序号标记为检测日的分布值，由检测周期内所有检测日的分布值组成分布集合，对分布集合的所有元素进行方差计算得到分布系数；将突出系数与分布系数的差值的绝对值标记为规律系数，通过存储模块获取到规律阈值，将规律系数与规律阈值进行比较：若规律系数小于规律阈值，则判定检测对象网络异常特征为集中，异常分析模块向异常检测平台发送集中异常信号，异常检测平台接收到集中异常信号后将集中异常信号发送至管理人员的手机终端；若规律系数大于等于规律阈值，则判定检测对象网络异常特征为分散，异常分析模块向异常检测平台发送分散异常信号，异常检测平台接收到分散异常信号后将分散异常信号发送至管理人员的手机终端；对物联网卡的网络异常规律进行检测分析，通过对检测周期内的突出值与分布值进行综合分析与计算得到规律系数，从而根据规律系数对检测周期的异常特征进行标记，根据异常特征可以采用针对性的优化方案进行异常处理，从而提高网络异常的处理效率。
实施例二
如图2所示，基于大数据的物联网卡时序异常检测方法，包括以下步骤：
步骤一：对物联网卡的网络传输状态进行检测分析：将检测日分割为若干个检测时段，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD并进行数值计算得到网络系数WL，通过网络系数WL的数值对检测对象在检测时段内的网络传输状态是否满足要求进行判定，根据异常时段在检测时段内的数量占比对检测日的网络传输状态进行反馈；
步骤二：在检测时段的网络传输状态不满足要求时对检测时段的网络异常连续性进行检验分析，在检验分析的结束时刻根据检验值的数值大小对网络预警的必要性进行判定，结合网络检测模块可以从整体异常与极端异常两个方向同时进行网络异常检测；
步骤三：对物联网卡的网络异常规律进行分析：由L3个连续的检测日组成一个检测周期，获取检测周期的规律系数，通过规律系数的数值大小将检测周期的网络异常特征标记为集中或分散，根据异常特征可以采用针对性的优化方案进行异常处理，从而提高网络异常的处理效率。
基于大数据的物联网卡时序异常检测系统，工作时，将检测日分割为若干个检测时段，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD并进行数值计算得到网络系数WL，通过网络系数WL的数值对检测对象在检测时段内的网络传输状态是否满足要求进行判定；在检测时段的网络传输状态不满足要求时对检测时段的网络异常连续性进行检验分析，在检验分析的结束时刻根据检验值的数值大小对网络预警的必要性进行判定；由L3个连续的检测日组成一个检测周期，获取检测周期的规律系数，通过规律系数的数值大小将检测周期的网络异常特征标记为集中或分散。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式WL＝(α1*CS+α2*XZ)/(α3*DD)；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的网络系数；将设定的网络系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2以及α3的取值分别为5.47、3.25和2.16；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的网络系数；只要不影响参数与量化后数值的比例关系即可，如网络系数与氨气含量的数值成正比。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.基于大数据的物联网卡时序异常检测系统，其特征在于，包括异常检测平台，所述异常检测平台通信连接有网络检测模块、数据检验模块、异常分析模块以及存储模块；
所述网络检测模块用于对物联网卡的网络传输状态进行检测分析：将物联网卡标记为检测对象，将对物联网卡进行网络传输状态检测分析的自然日标记为检测日，将检测日分割为若干个检测时段，根据时间顺序对检测时段进行标号，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD并进行数值计算得到检测对象在检测时段内的网络系数WL；通过存储模块获取到网络阈值WLmin，将检测对象在检测时段内的网络系数WL与网络阈值WLmin进行比较并通过比较结果将检测时段标记为正常时段或异常时段；根据异常时段在检测时段中的数量占比对检测日内的网络传输状态是否满足要求进行判定；
所述数据检验模块用于在接收到检验信号后对检测时段的网络异常连续性进行检验分析；
所述异常分析模块用于对物联网卡的网络异常规律进行分析并将检测对象的网络异常特征标记为集中或分散。
2.根据权利要求1所述的基于大数据的物联网卡时序异常检测系统，其特征在于，上传数据CS为检测对象在检测时段内的上传速度最大值，下载数据XZ为检测对象在检测时段内的下载数据最大值，抖动数据DD为检测对象在检测时段内的最大延迟与最小延迟的时间差值。
3.根据权利要求2所述的基于大数据的物联网卡时序异常检测系统，其特征在于，将检测时段标记为正常时段或异常时段的具体过程包括：若网络系数WL小于等于网络阈值WLmin，则判定检测对象在检测时段内的网络状态不满足要求，将对应的检测时段标记为异常时段，同时网络检测模块向异常检测平台发送检验信号，异常检测平台接收到检验信号后将检验信号发送至数据检验模块；若网络系数WL大于等于网络阈值WLmin，则判定检测对象在检测时段内的网络状态满足要求，将对应的检测时段标记为正常时段。
4.根据权利要求3所述的基于大数据的物联网卡时序异常检测系统，其特征在于，对检测日内的网络传输状态是否满足要求进行判定的具体过程包括：在检测日结束时刻，将异常时段的数量与检测时段的数量比值标记为异常系数，通过存储模块获取到异常阈值，将异常系数与异常阈值进行比较：若异常系数大于等于异常阈值，则判定检测对象在检测日内的网络传输状态不满足要求，网络检测模块向异常检测平台发送网络异常信号，异常检测平台接收到网络异常信号后将网络异常信号发送至异常分析模块以及管理人员的手机终端；若异常系数小于异常阈值，则判定检测对象在检测日内的网络传输状态满足要求，网络检测模块向异常检测平台发送网络正常信号。
5.根据权利要求4所述的基于大数据的物联网卡时序异常检测系统，其特征在于，数据检验模块对检测时段的网络异常连续性进行检验分析的具体过程包括：数据检验模块第一次接收到检验信号后开启计时器进行时长为L1秒的倒计时，L1的数值与检测时段的时长相同，在倒计时内若数据检验模块再次接收到检验信号，则计时器重新进行倒计时，检验值的数值加一；直至倒计时结束时数据检验模块没有接收到检验信号或检验值的数值达到L2，检验分析结束，将倒计时重置；若检验分析结束时检验值的数值达到L2，则生成网络异常信号并将网络异常信号发送至异常检测平台，异常检测平台接收到网络异常信号后将网络异常信号发送至异常分析模块以及管理人员的手机终端，将检验值的数值归零；否则，不生成任何信号，将检验值的数值归零。
6.根据权利要求5所述的基于大数据的物联网卡时序异常检测系统，其特征在于，异常分析模块对物联网卡的网络异常规律进行分析的具体过程包括：由L3个连续的检测日组成一个检测周期，将检测日内网络系数WL数值最小的检测时段的序号标记为检测日的突出值，由检测周期内所有检测日的突出值组成突出集合，对突出集合的所有元素进行方差计算得到突出系数；将检测日内异常时段的序号标记为检测日的分布值，由检测周期内所有检测日的分布值组成分布集合，对分布集合的所有元素进行方差计算得到分布系数；将突出系数与分布系数的差值的绝对值标记为规律系数，通过存储模块获取到规律阈值，将规律系数与规律阈值进行比较并通过比较结果将检测对象的网络异常特征标记为集中或分散。
7.根据权利要求6所述的基于大数据的物联网卡时序异常检测系统，其特征在于，将规律系数与规律阈值进行比较的具体过程包括：若规律系数小于规律阈值，则判定检测对象网络异常特征为集中，异常分析模块向异常检测平台发送集中异常信号，异常检测平台接收到集中异常信号后将集中异常信号发送至管理人员的手机终端；若规律系数大于等于规律阈值，则判定检测对象网络异常特征为分散，异常分析模块向异常检测平台发送分散异常信号，异常检测平台接收到分散异常信号后将分散异常信号发送至管理人员的手机终端。
8.根据权利要求1-7任一项所述的基于大数据的物联网卡时序异常检测系统的工作方法，其特征在于，包括以下步骤：
步骤一：对物联网卡的网络传输状态进行检测分析：将检测日分割为若干个检测时段，获取检测对象在检测时段的上传数据CS、下载数据XZ以及抖动数据DD并进行数值计算得到网络系数WL，通过网络系数WL的数值对检测对象在检测时段内的网络传输状态是否满足要求进行判定；
步骤二：在检测时段的网络传输状态不满足要求时对检测时段的网络异常连续性进行检验分析，在检验分析的结束时刻根据检验值的数值大小对网络预警的必要性进行判定；
步骤三：对物联网卡的网络异常规律进行分析：由L3个连续的检测日组成一个检测周期，获取检测周期的规律系数，通过规律系数的数值大小将检测周期的网络异常特征标记为集中或分散。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310287661.6A CN116366497A (zh) | 2023-03-22 | 2023-03-22 | 基于大数据的物联网卡时序异常检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310287661.6A CN116366497A (zh) | 2023-03-22 | 2023-03-22 | 基于大数据的物联网卡时序异常检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116366497A true CN116366497A (zh) | 2023-06-30 |
Family
ID=86913091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310287661.6A Pending CN116366497A (zh) | 2023-03-22 | 2023-03-22 | 基于大数据的物联网卡时序异常检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116366497A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116614366A (zh) * | 2023-07-14 | 2023-08-18 | 广东奥飞数据科技股份有限公司 | 一种基于边缘计算的工业互联网优化方法及系统 |
| CN117639936A (zh) * | 2023-12-12 | 2024-03-01 | 广西电网有限责任公司贵港供电局 | 一种基于ip光纤通信的传输方法和装置 |
| CN117692260A (zh) * | 2024-02-04 | 2024-03-12 | 深圳市众泰兄弟科技发展有限公司 | 基于数据分析的网络异常行为识别方法 |
| CN117639936B (zh) * | 2023-12-12 | 2024-05-24 | 广西电网有限责任公司贵港供电局 | 一种基于ip光纤通信的传输方法和装置 |
-
2023
- 2023-03-22 CN CN202310287661.6A patent/CN116366497A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116614366A (zh) * | 2023-07-14 | 2023-08-18 | 广东奥飞数据科技股份有限公司 | 一种基于边缘计算的工业互联网优化方法及系统 |
| CN116614366B (zh) * | 2023-07-14 | 2023-09-12 | 广东奥飞数据科技股份有限公司 | 一种基于边缘计算的工业互联网优化方法及系统 |
| CN117639936A (zh) * | 2023-12-12 | 2024-03-01 | 广西电网有限责任公司贵港供电局 | 一种基于ip光纤通信的传输方法和装置 |
| CN117639936B (zh) * | 2023-12-12 | 2024-05-24 | 广西电网有限责任公司贵港供电局 | 一种基于ip光纤通信的传输方法和装置 |
| CN117692260A (zh) * | 2024-02-04 | 2024-03-12 | 深圳市众泰兄弟科技发展有限公司 | 基于数据分析的网络异常行为识别方法 |
| CN117692260B (zh) * | 2024-02-04 | 2024-04-12 | 深圳市众泰兄弟科技发展有限公司 | 基于数据分析的网络异常行为识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116366497A (zh) | 基于大数据的物联网卡时序异常检测系统 | |
| CN108234247B (zh) | 一种检测网络质量的方法和系统 | |
| CN113869630B (zh) | 一种基于大数据的煤质检测信息管理系统 | |
| CN116594857A (zh) | 一种基于人工智能的办公软件智能交互管理平台 | |
| CN116633798A (zh) | 一种基于数据分析的物联网卡数据流量监控预警系统 | |
| CN116628774A (zh) | 一种基于云计算的数据存储完整性监管系统 | |
| CN115857895A (zh) | 一种基于动态接口的数据处理方法 | |
| CN113965487B (zh) | 一种基于网络流量数据的故障诊断系统 | |
| CN112614002A (zh) | 数据采集系统、方法、装置、电子设备及计算机存储介质 | |
| CN111901134A (zh) | 一种基于循环神经网络模型rnn的预测网络质量的方法和装置 | |
| CN115314424B (zh) | 一种快速检测网络信号方法及装置 | |
| CN116739424A (zh) | 一种适用于天麻加工产线的设备运维管理系统 | |
| CN113727092B (zh) | 基于决策树的视频监控质量巡检方法及装置 | |
| CN116170445A (zh) | 一种基于云计算的工业数据处理系统 | |
| CN112954667B (zh) | 热点移动终端的检测方法、装置、计算机设备和存储介质 | |
| CN116150482B (zh) | 一种基于大数据云平台的分布式消息推送系统 | |
| CN107357703B (zh) | 一种终端应用耗电检测方法及服务器 | |
| CN117591850B (zh) | 基于扩展坞的数据处理方法、装置、电子设备及介质 | |
| CN116090019B (zh) | 一种基于分布式协作的隐私计算方法及系统 | |
| CN115664600B (zh) | 一种基于数据分析的数据远程交互检测管控系统 | |
| CN117692260B (zh) | 基于数据分析的网络异常行为识别方法 | |
| CN116385080B (zh) | 一种基于人工智能的移动互联网用户数据统计推广系统 | |
| CN115988104B (zh) | 一种传感器兼容处理方法及系统 | |
| CN117573494B (zh) | 一种基于人工智能的软件运行数据后台存储管理系统 | |
| CN117596282B (zh) | 一种基于物联网控制的调音台运行控制系统 |
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 |