CN116560934A - 异常设备检测方法、装置、设备、存储介质及程序产品 - Google Patents

异常设备检测方法、装置、设备、存储介质及程序产品 Download PDF

Info

Publication number
CN116560934A
CN116560934A CN202210106289.XA CN202210106289A CN116560934A CN 116560934 A CN116560934 A CN 116560934A CN 202210106289 A CN202210106289 A CN 202210106289A CN 116560934 A CN116560934 A CN 116560934A
Authority
CN
China
Prior art keywords
target
behavior
monitoring
parameters
determining
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
Application number
CN202210106289.XA
Other languages
English (en)
Inventor
李悦东
梁钒
张东杰
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.)
Hanhai Information Technology Shanghai Co Ltd
Original Assignee
Hanhai Information Technology Shanghai 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 Hanhai Information Technology Shanghai Co Ltd filed Critical Hanhai Information Technology Shanghai Co Ltd
Priority to CN202210106289.XA priority Critical patent/CN116560934A/zh
Publication of CN116560934A publication Critical patent/CN116560934A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本申请公开了一种异常设备检测方法、装置、设备、存储介质及程序产品，属于计算机技术领域。该方法获取目标监测设备的多个目标行为，对于每个目标行为，确定该目标行为的特征值以及目标行为对应的行为参数，基于每个目标行为的特征值及其对应的行为参数，确定目标监测设备的监测参数，基于目标监测设备的监测参数，对目标监测设备进行检测。该方法中由于行为参数表示多个监测设备发生目标行为的正态分布情况，因此，根据多个监测设备对应的每个目标行为的行为参数可以对该目标监测设备的目标行为进行判断，而不是仅仅根据监测设备自身的某个目标行为进行判断，因此，该方法能够提高检测的准确性。

Description

异常设备检测方法、装置、设备、存储介质及程序产品
技术领域
本申请涉及计算机技术领域，特别涉及一种异常设备检测方法、装置、设备、存储介质及程序产品。
背景技术
目前，主要通过仓库来存放生鲜类物品或者其他种类物品，为了更好地存放这些物品，一般会在仓库中部署传感器和摄像头等监测设备，通过这些监测设备进行监督和测量等业务。但当这些监测设备发生故障或者被恶意程序攻击时，会出现异常行为，这些异常行为可能会对业务造成损害，因此，需要及时检测出存在异常行为的监测设备。
相关技术中，主要是预先确定监测设备存在的异常行为，将异常行为对应的条件配置到监测设备中。在对该监测设备进行检测时，获取该监测设备发生的多个行为，对于每个行为，若该行为满足异常行为对应的条件，则确定该监测设备为异常设备，若该行为不满足该异常行为对应的条件，则确定该监测设备为正常设备。
由于一个监测设备可能存在多种行为，相关技术中的方法仅根据该监测设备的某个行为是否满足条件就确定该监测设备是否为异常设备，可能存在误判的情况，导致检测的准确性低。
发明内容
本申请实施例提供了一种异常设备检测方法、装置、设备、存储介质及程序产品，可以提高检测的准确性。该技术方案如下：
一方面，提供了一种异常设备检测方法，该方法包括：
获取目标监测设备的多个目标行为，所述目标行为用于表示所述目标监测设备与对端设备进行交互时发生的行为，所述目标监测设备为多个监测设备中的任一监测设备；
对于每个目标行为，确定所述目标行为的特征值以及所述目标行为对应的行为参数，所述行为参数用于表示所述多个监测设备在历史时间范围内发生所述目标行为的正态分布情况；
基于所述每个目标行为的特征值及其对应的行为参数，确定所述目标监测设备的监测参数，所述监测参数用于表示所述目标监测设备为正常设备的概率；
基于所述目标监测设备的监测参数，对所述目标监测设备进行检测。
在一种可能的实现方式中，确定所述目标行为对应的行为参数的过程，包括：
确定所述目标监测设备的设备类型；
确定所述设备类型对应的目标对应关系，所述目标对应关系包括多个目标行为与行为参数之间的对应关系；
从所述目标对应关系中，确定所述目标行为对应的行为参数。
在另一种可能的实现方式中，建立所述目标对应关系的过程，包括：
确定所述设备类型对应的多个监测设备，所述多个监测设备均用于与所述对端设备进行交互；
对于每个监测设备，确定所述设备的每个目标行为的特征值；
对于每个目标行为，基于所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述目标行为对应的行为参数；
基于所述目标行为和所述行为参数，建立所述目标对应关系。
在另一种可能的实现方式中，所述行为参数包括：行为期望参数和行为方差参数；
所述基于所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述目标行为对应的行为参数，包括：
基于所述每个监测设备对应的所述目标行为的特征值，确定第一特征值，所述第一特征值为所述多个监测设备对应的所述目标行为的特征值的累加特征值：
基于所述第一特征值与所述多个监测设备的数量，确定所述目标行为对应的行为期望参数，所述行为期望参数用于表示所述多个监测设备在所述历史时间范围内的目标行为的平均特征值；
基于所述行为期望参数、所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述行为方差参数，所述行为方差参数用于表示相较于所述平均特征值，所述多个监测设备的目标行为的特征值的波动程度。
在另一种可能的实现方式中，所述基于所述行为期望参数、所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述行为方差参数，包括：
基于所述每个监测设备对应的所述目标行为的特征值与所述行为期望参数，确定多个第二特征值，所述第二特征值用于表示任一设备对应的所述目标行为的特征值与所述行为期望参数的差值；
基于所述多个第二特征值与所述多个监测设备的数量，确定所述目标行为的行为方差参数。
在另一种可能的实现方式中，所述基于所述每个目标行为的特征值及其对应的行为参数，确定所述目标监测设备的监测参数，包括：
对于每个目标行为，基于所述目标行为的特征值及其对应的行为参数，确定所述目标行为的监测子参数，所述监测子参数用于表示所述目标行为为正常行为的概率；
基于所述多个目标行为的监测子参数，确定所述目标监测设备的监测参数。
在另一种可能的实现方式中，所述行为参数包括：行为期望参数和行为方差参数；
所述基于所述目标行为的特征值及其对应的行为参数，确定所述目标行为的监测子参数，包括：
基于所述行为期望参数和所述行为方差参数，对所述目标行为的特征值进行标准正态转换，得到第三特征值；
基于所述多个目标行为的正态分布关系，确定以所述第三特征值为自变量的关系值，得到所述目标行为的监测子参数。
在另一种可能的实现方式中，所述基于所述目标监测设备的监测参数，对所述目标监测设备进行检测，包括：
若所述监测参数小于所述预设阈值，确定所述目标监测设备为异常设备；
若所述监测参数不小于所述预设阈值，确定所述目标监测设备为正常设备。
一方面，提供了一种异常设备检测装置，该装置包括：
获取模块，用于获取目标监测设备的多个目标行为，所述目标行为用于表示所述目标监测设备与对端设备进行交互时发生的行为，所述目标监测设备为多个监测设备中的任一设备；
第一确定模块，用于对于每个目标行为，确定所述目标行为的特征值以及所述目标行为对应的行为参数，所述行为参数用于表示所述多个监测设备在历史时间范围内发生所述目标行为的正态分布情况；
第二确定模块，用于基于所述每个目标行为的特征值及其对应的行为参数，确定所述目标监测设备的监测参数，所述监测参数用于表示所述目标监测设备为正常设备的概率；
检测模块，用于基于所述目标监测设备的监测参数，对所述目标监测设备进行检测。
在一种可能的实现方式中，所述第一确定模块，用于确定所述目标监测设备的设备类型；确定所述设备类型对应的目标对应关系，所述目标对应关系包括多个目标行为与行为参数之间的对应关系；从所述目标对应关系中，确定所述目标行为对应的行为参数。
在另一种可能的实现方式中，所述装置还包括：
第三确定模块，用于确定所述设备类型对应的多个监测设备，所述多个监测设备均用于与所述对端设备进行交互；
第四确定模块，用于对于每个监测设备，确定所述设备的每个目标行为的特征值；
第五确定模块，用于对于每个目标行为，基于所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述目标行为对应的行为参数：
建立模块，用于基于所述目标行为和所述行为参数，建立所述目标对应关系。
在另一种可能的实现方式中，所述行为参数包括：行为期望参数和行为方差参数；
所述第五确定模块，用于基于所述每个监测设备对应的所述目标行为的特征值，确定第一特征值，所述第一特征值为所述多个监测设备对应的所述目标行为的特征值的累加特征值；基于所述第一特征值与所述多个监测设备的数量，确定所述目标行为对应的行为期望参数，所述行为期望参数用于表示所述多个监测设备在所述历史时间范围内的目标行为的平均特征值；基于所述行为期望参数、所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述行为方差参数，所述行为方差参数用于表示相较于所述平均特征值，所述多个监测设备的目标行为的特征值的波动程度。
在另一种可能的实现方式中，所述第五确定模块，用于基于所述每个监测设备对应的所述目标行为的特征值与所述行为期望参数，确定多个第二特征值，所述第二特征值用于表示任一设备对应的所述目标行为的特征值与所述行为期望参数的差值；基于所述多个第二特征值与所述多个监测设备的数量，确定所述目标行为的行为方差参数。
在另一种可能的实现方式中，所述第二确定模块，用于对于每个目标行为，基于所述目标行为的特征值及其对应的行为参数，确定所述目标行为的监测子参数，所述监测子参数用于表示所述目标行为为正常行为的概率；基于所述多个目标行为的监测子参数，确定所述目标监测设备的监测参数。
在另一种可能的实现方式中，所述行为参数包括：行为期望参数和行为方差参数；
所述第二确定模块，用于基于所述行为期望参数和所述行为方差参数，对所述目标行为的特征值进行标准正态转换，得到第三特征值；基于所述多个目标行为的正态分布关系，确定以所述第三特征值为自变量的关系值，得到所述目标行为的监测子参数。
在另一种可能的实现方式中，所述检测模块，用于若所述监测参数小于所述预设阈值，确定所述目标监测设备为异常设备；若所述监测参数不小于所述预设阈值，确定所述目标监测设备为正常设备。
一方面，提供了一种电子设备，该电子设备包括一个或多个处理器和一个或多个存储器，该一个或多个存储器中存储有至少一条程序代码，该至少一条程序代码由该一个或多个处理器加载并执行，以实现如上述任一种可能实现方式的异常设备检测方法。
一方面，提供了一种计算机可读存储介质，该存储介质中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行，以实现如上述任一种可能实现方式的异常设备检测方法。
一方面，提供了一种计算机程序产品，所述计算机程序产品存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如上述任一种可能实现方式的异常设备检测方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
本申请实施例提供了一种异常设备检测方法，该方法在检测目标监测设备是否为异常设备时，是根据该目标监测设备的多个目标行为的特征值及行为参数来确定的，由于该行为参数表示多个监测设备发生目标行为的正态分布情况，因此，根据多个监测设备对应的每个目标行为的行为参数可以对该目标监测设备的目标行为进行判断，而不是仅仅根据监测设备自身的某个目标行为进行判断，因此，该方法能够提高检测的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，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是本申请实施例提供的一种异常设备检测方法的实施环境的示意图；
图2是本申请实施例提供的一种异常设备检测方法的流程图；
图3是本申请实施例提供的一种异常设备检测方法的流程图；
图4是本申请实施例提供的一种异常设备检测装置的结构示意图；
图5是本申请实施例提供的一种终端的结构框图；
图6是本申请实施例提供的一种服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们的任意变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
图1是本申请实施例提供的一种异常设备检测方法的实施环境的示意图，参见图1，该实施环境包括：电子设备、多个监测设备以及与多个监测设备进行交互的对端设备，对于每个监测设备，该监测设备与对端设备通过无线或有线网络连接，该监测设备与电子设备通过无线或有线网络连接。
在本申请实施例中，监测设备可以为监测目标场所内人员或物品位置的设备，也可以为监测目标场所内环境数据的设备。目标场所可以为仓库、商超、门店或者其他场所，对目标场所不作具体限定。例如，目标场所为存放生鲜物品的仓库，监测设备为摄像头，用于监测仓库内物品的位置。再如，目标场所为存放生鲜物品的仓库，监测设备为传感器，用于监测仓库内的温度或者湿度等环境数据。
并且，与监测设备交互的对端设备可以为一个，也可以为多个，若对端设备为一个，这些监测设备均与同一个对端设备进行交互，若对端设备为多个，则这些监测设备可以与不同的对端设备进行交互，对此不作具体限定。其中，该对端设备可以提供为终端，可以提供为服务器，也可以提供为终端和服务器，对此不作具体限定。
在本申请实施例中，多个监测设备与对端设备在交互过程中可能由于监测设备本身发生故障或者被恶意程序攻击，导致监测设备出现异常行为，例如，监测设备与对端设备的连接频率较高，或者监测设备向对端设备发送的消息为错误消息。因此，电子设备需要实时或周期性对监测设备进行检测，从而确定该监测设备是否为异常设备。
在本申请实施例中，电子设备可以提供为终端101，可以提供为服务器102，也可以提供为终端101和服务器102。若电子设备提供为终端101，由终端101对多个监测设备进行检测，确定多个监测设备中是否存在异常设备。对于多个监测设备中的任一监测设备，若终端101确定该监测设备为异常设备，终端101可以显示提示信息，以提醒相关人员该设备异常，这样相关人员可以及时对该监测设备进行维修或者更换新的设备，避免影响业务的进行。
若电子设备提供为服务器102，由服务器102对多个监测设备进行检测，确定多个监测设备中是否存在异常设备。对于多个监测设备中的任一监测设备，若服务器102确定该监测设备为异常设备，服务器102可以向终端101发送该监测设备的设备标识，相应的，该实施环境还包括：终端101，终端101基于该监测设备的设备标识，显示提示信息，从而提醒相关人员。
若电子设备提供为终端101和服务器102，由服务器102对多个监测设备进行检测，确定多个监测设备中是否存在异常设备，对于多个监测设备中的任一监测设备，若服务器102确定该监测设备为异常设备，服务器102向终端101发送该监测设备的设备标识，终端101基于该监测设备的设备标识，显示提示信息，从而提醒相关人员。
本申请实施例提供的方法可以应用在多个场景中，例如，该方法应用在存放生鲜类物品的仓库。该场景下，仓库内会部署大量的传感器、摄像头以及其他监测设备，有的传感器用于检测仓库内的温度，有的传感器用于检测仓库内的湿度，有的摄像头用于监测物品的位置，有的摄像头用于监测物品的进出，这些监测设备均与对端设备连接，将自身获取到的数据发送给对端设备，对端设备根据这些数据来管理业务。但当这些监测设备与对端设备交互过程中出现异常时，就会对业务造成损害。因此，需要对这些监测设备进行实时或周期性的检测，确定这些监测设备中是否存在异常设备。
再如，该方法应用在物流运输的仓库。该场景下，仓库内会部署电子秤、读码器以及其他监测设备，例如，电子秤用于监测包裹的重量，称量包裹是否超重，读码器用于读取包裹上的识别码，这些监测设备均与对端设备连接，将自身获取到的数据发送给对端设备。在这些监测设备与对端设备交互过程中，需要检测这些监测设备中是否存在异常设备。
在本申请实施例中，该方法还可以应用在商超或者其他销售物品的门店，或者其他存在设备之间交互的场景，在此对应用场景不作具体限定。
终端101为手机、平板电脑和PC(Personal Computer)设备等设备中的至少一种。服务器102可以为一台服务器、由多台服务器组成的服务器集群、云服务器、云计算平台和虚拟化中心中的至少一种。
图2是本申请实施例提供的一种异常设备检测方法的流程图，参见图2，该方法包括：
步骤201：获取目标监测设备的多个目标行为，目标行为用于表示目标监测设备与对端设备进行交互时发生的行为，目标监测设备为多个监测设备中的任一监测设备。
步骤202：对于每个目标行为，确定目标行为的特征值以及目标行为对应的行为参数，行为参数用于表示多个监测设备在历史时间范围内发生目标行为的正态分布情况。
步骤203：基于每个目标行为的特征值及其对应的行为参数，确定目标监测设备的监测参数，监测参数用于表示目标监测设备为正常设备的概率。
步骤204：基于目标监测设备的监测参数，对目标监测设备进行检测。
在一种可能的实现方式中，确定目标行为对应的行为参数的过程，包括：
确定目标监测设备的设备类型；
确定设备类型对应的目标对应关系，目标对应关系包括多个目标行为与行为参数之间的对应关系；
从目标对应关系中，确定目标行为对应的行为参数。
在另一种可能的实现方式中，建立目标对应关系的过程，包括：
确定设备类型对应的多个监测设备，多个监测设备均用于与对端设备进行交互；
对于每个监测设备，确定设备的每个目标行为的特征值；
对于每个目标行为，基于多个监测设备的数量和每个监测设备对应的目标行为的特征值，确定目标行为对应的行为参数；
基于目标行为和行为参数，建立目标对应关系。
在另一种可能的实现方式中，行为参数包括：行为期望参数和行为方差参数：
基于多个监测设备的数量和每个监测设备对应的目标行为的特征值，确定目标行为对应的行为参数，包括：
基于每个监测设备对应的目标行为的特征值，确定第一特征值，第一特征值为多个监测设备对应的目标行为的特征值的累加特征值；
基于第一特征值与多个监测设备的数量，确定目标行为对应的行为期望参数，行为期望参数用于表示多个监测设备在历史时间范围内的目标行为的平均特征值；
基于行为期望参数、多个监测设备的数量和每个监测设备对应的目标行为的特征值，确定行为方差参数，行为方差参数用于表示相较于平均特征值，多个监测设备的目标行为的特征值的波动程度。
在另一种可能的实现方式中，基于行为期望参数、多个监测设备的数量和每个监测设备对应的目标行为的特征值，确定行为方差参数，包括：
基于每个监测设备对应的目标行为的特征值与行为期望参数，确定多个第二特征值，第二特征值用于表示任一设备对应的目标行为的特征值与行为期望参数的差值；
基于多个第二特征值与多个监测设备的数量，确定目标行为的行为方差参数。
在另一种可能的实现方式中，基于每个目标行为的特征值及其对应的行为参数，确定目标监测设备的监测参数，包括：
对于每个目标行为，基于目标行为的特征值及其对应的行为参数，确定目标行为的监测子参数，监测子参数用于表示目标行为为正常行为的概率；
基于多个目标行为的监测子参数，确定目标监测设备的监测参数。
在另一种可能的实现方式中，行为参数包括：行为期望参数和行为方差参数；
基于目标行为的特征值及其对应的行为参数，确定目标行为的监测子参数，包括：
基于行为期望参数和行为方差参数，对目标行为的特征值进行标准正态转换，得到第三特征值；
基于多个目标行为的正态分布关系，确定以第三特征值为自变量的关系值，得到目标行为的监测子参数。
在另一种可能的实现方式中，基于目标监测设备的监测参数，对目标监测设备进行检测，包括：
若监测参数小于预设阈值，确定目标监测设备为异常设备；
若监测参数不小于预设阈值，确定目标监测设备为正常设备。本申请实施例提供了一种异常设备检测方法，该方法在检测目标监测设备是否为异常设备时，是根据该目标监测设备的多个目标行为的特征值及行为参数来确定的，由于该行为参数表示多个监测设备发生目标行为的正态分布情况，因此，根据多个监测设备对应的每个目标行为的行为参数可以对该目标监测设备的目标行为进行判断，而不是仅仅根据监测设备自身的某个目标行为进行判断，因此，该方法能够提高检测的准确性。
图3是本申请实施例提供的一种异常设备检测方法的流程图，由电子设备执行，参见图3，该方法包括：
步骤301：电子设备获取目标监测设备的多个目标行为。
目标行为用于表示目标监测设备与对端设备进行交互时发生的行为，目标监测设备为多个监测设备中的任一设备。其中，一个监测设备可以与一个对端设备交互，或者多个监测设备可以与同一个对端设备交互，或者多个监测设备中的部分监测设备与同一个对端设备交互，另一部分监测设备与其他对端设备交互，相应的，对端设备可以为一个或多个，对此不作具体限定。
目标行为可以为目标监测设备与对端设备建立通信连接的行为、可以为目标监测设备从对端设备处订阅消息的行为、也可以为目标监测设备向对端设备发送消息的行为，对此不作具体限定。例如，目标行为的数量为n，则x1可以表示通信连接的行为，x2可以表示订阅消息的行为，x3可以表示发送消息的行为，……，xn表示行为n。
步骤302：对于每个目标行为，电子设备确定该目标行为的特征值。
电子设备可以先确定目标行为的行为特征，然后确定该行为特征的特征值。该特征值可以通过行为特征的特征向量来表征。
步骤303：电子设备确定目标行为对应的行为参数。
行为参数用于表示多个监测设备在历史时间范围内发生目标行为的正态分布情况。
本步骤可以通过以下步骤(1)至(3)实现，包括：
(1)电子设备确定目标监测设备的设备类型。
若目标监测设备为检测仓库内温度或湿度的传感器，则确定目标监测设备的设备类型为传感器，若目标监测设备为监控仓库内物品位置的摄像头，则确定目标监测设备的设备类型为摄像头。
(2)电子设备确定该设备类型对应的目标对应关系。
不同的设备类型对应不同的对应关系，电子设备基于该设备类型，从多个对应关系中确定该设备类型对应的对应关系，得到目标对应关系。
在本申请实施例中，电子设备预先建立多个对应关系，其中，电子设备建立多个对应关系的过程与建立目标对应关系的过程相似，这里仅以电子设备建立目标对应关系的过程为例进行说明。电子设备可以通过以下步骤(2-1)至(2-3)建立目标对应关系，包括：
(2-1)电子设备确定该设备类型对应的多个监测设备。
该多个监测设备均用于与对端设备进行交互，且这多个监测设备为处于同一目标场所的设备。该目标场所可以为仓库、商超或者其他场所，对此不作具体限定。
例如，设备类型为传感器，则电子设备确定仓库内所有的传感器。再如，设备类型为摄像头，则电子设备确定仓库内所有的摄像头。
在本申请实施例中，电子设备可以将多个监测设备进行排序，根据排序后的多个监测设备构建设备行为数据集合，该集合中包括同一设备类型的多个监测设备的目标行为，该集合可以表示为：Data{x(1)，x(2)，x(3)…x(i)…x(m)}，其中，x(i)表示设备i的目标行为集合，x∈Rn，R为实数。
其中，排序方式可以根据需要进行设置并更改，这里对排序方式不作具体限定。
(2-2)对于每个目标行为，电子设备基于多个监测设备的数量和每个设备对应的目标行为的特征值，确定目标行为对应的行为参数。
行为参数包括：行为期望参数和行为方差参数。电子设备可以通过以下步骤(2-2-1)至(2-2-3)确定目标行为对应的行为期望参数和行为方差参数：
(2-2-1)电子设备基于每个设备对应的目标行为的特征值，确定第一特征值。
第一特征值为多个监测设备对应的目标行为的特征值的累加特征值，也即第一特征值为多个监测设备的目标行为的特征值的和值，该第一特征值可以表示为：其中，xj (i)中的j表示目标行为，xj (i)表示设备i的目标行为j的特征值，m表示多个监测设备的数量。
第一特征值还可以为多个监测设备对应的目标行为的特征值加权求和得到的，在此对第一特征值不作具体限定。
(2-2-2)电子设备基于第一特征值与多个监测设备的数量，确定目标行为对应的行为期望参数。
行为期望参数用于表示多个监测设备在历史时间范围内的目标行为的平均特征值。电子设备可以确定第一特征值与多个监测设备的数量的比值，得到目标行为的行为期望参数，该行为期望参数可以表示为：其中，μj表示目标行为j的行为期望参数。
(2-2-3)电子设备基于行为期望参数、多个监测设备的数量和每个设备对应的目标行为的特征值，确定行为方差参数。
行为方差参数用于表示相较于平均特征值，多个监测设备的目标行为的特征值的波动程度。
电子设备可以基于每个设备对应的目标行为的特征值与行为期望参数，确定多个第二特征值，该第二特征值用于表示任一设备对应的目标行为的特征值与行为期望参数的差值，基于多个第二特征值与多个监测设备的数量，确定目标行为的行为方差参数。
该实现方式中，电子设备确定每个设备的目标行为的特征值与行为期望参数的差值，得到多个第二特征值，然后确定多个第二特征值的平方和与多个监测设备的数量的比值，得到目标行为的行为方差参数，该行为方差参数可以表示为：其中，σj 2表示目标行为j的行为方差参数。
(2-3)电子设备基于目标行为和行为参数，建立目标对应关系。
电子设备建立目标行为、行为期望参数和行为方差参数之间的对应关系，得到目标对应关系。
需要说明的一点是，电子设备在基于目标行为的特征值和多个监测设备的数量建立对应关系之前，可以对每个目标行为的特征值进行预处理，以使电子设备的多个目标行为的特征值满足正态分布。该预处理包括除噪处理，除噪处理的过程可以为：电子设备确定多个目标行为的特征值中存在异常的特征值，例如，特征值明显高于历史的特征值，或者明显低于历史的特征值。预处理还包括归一化处理，由于不同的目标行为差异较大，因此，不同的目标行为的特征值差别也较大，因此，可以对多个目标行为的特征值进行归一化处理，以使多个目标行为的特征值满足正态分布。
对于每个目标行为，若该目标行为服从正态分布，则可以记为x～N(μ，σ2)，其中，μ表示行为期望参数，σ2表示行为方差参数。
在本申请实施例中，针对海量设备的异常行为需要快速识别、预警的问题，使用正态分布算法，基于待检测设备和其他同类设备的行为进行非监督学习，自动识别出行为异常的设备，达到自动、灵活，快速识别存在异常行为设备的效果。
(3)电子设备从目标对应关系中，确定目标行为对应的行为参数。
该目标对应关系包括多个目标行为与行为参数之间的对应关系，电子设备从目标对应关系中确定该目标行为对应的行为参数。
步骤304：电子设备基于该目标行为的特征值及其对应的行为参数，确定该目标行为的监测子参数。
该监测子参数用于表示目标行为为正常行为的概率。
本步骤可以通过以下步骤(1)至(2)实现，包括：
(1)电子设备基于行为期望参数和行为方差参数，对目标行为的特征值进行标准正态转换，得到第三特征值。
电子设备确定目标行为的特征值与行为期望参数的差值，得到第四特征值，确定行为方差参数与第一数值的乘积，得到第二数值，确定第四特征值的平方与第二数值的比值，得到第三特征值。
其中，第一数值可以根据需要进行设置并更改，这里仅以第一数值为-2为例进行说明。相应的，第三特征值可以表示为：
(2)电子设备基于多个目标行为的正态分布关系，确定以第三特征值为自变量的关系值，得到目标行为的监测子参数。
电子设备确定以第三数值为底数，第三特征值为指数的值，得到第四数值，确定行为方差参数与第五数值的乘积的平方根，得到第六数值，确定第六数值的倒数与第四数值的乘积，得到目标行为的监测子参数。
第三数值和第五数值可以根据需要进行设置并更改，这里仅以第三数值为自然底数e，第五数值为2π为例进行说明。相应的，监测子参数可以表示为：其中，/>表示第四数值。
步骤305：电子设备基于多个目标行为的监测子参数，确定目标监测设备的监测参数。
该监测参数用于表示目标监测设备为正常设备的概率。
电子设备确定多个目标行为的监测子参数的乘积，得到目标监测设备的监测参数，该监测参数可以表示为：
其中，p(x)表示监测参数。
需要说明的一点是，由于不同类型的设备行为差异较大，按照相关技术中的方法对海量设备针对性的配置规则，工作量巨大，且规则本身的合理性还需要持续观察和验证，配置不当可能会发生误判，导致检测的准确性差。并且，相关技术中的方法根据异常针对性地配置规则，无法处理一些突发的未知异常。而在本申请实施例中，通过正态分布算法来检测异常设备，正态分布算法本质上是一种无监督机器学习算法，能够高效灵活地检测出是否存在异常数据，从而检测出存在异常行为的设备。
步骤306：电子设备基于目标监测设备的监测参数，对目标监测设备进行检测。
若监测参数小于预设阈值，则电子设备确定目标监测设备为异常设备；若监测参数不小于预设阈值，则电子设备确定目标监测设备为正常设备。
预设阈值可以根据需要进行设置并更改，在本申请实施例中，预设阈值为大于0小于1的值。
在本申请实施例中，电子设备可以提供为终端，可以提供为服务器，可以提供为终端和服务器，这里仅以电子设备提供为终端和服务器为例进行说明。若电子设备提供为终端和服务器，服务器检测出目标监测设备为异常设备后，可以向终端发送该目标监测设备的设备标识，终端基于该目标监测设备的设备标识，在显示界面上进行显示。
终端可以在显示界面上弹出提示消息，该提示消息可以为“设备***异常”，用于提醒相关人员及时查看、维修或更换。终端也可以向相关人员使用的终端发送短信、通话请求或者电子邮件，以提醒相关人员。终端也可以进行告警，例如，终端与告警器建立通信连接，基于该通信连接，向告警器发送告警指令，该告警指令用于指示告警器进行声光告警。终端可以通过其中一种或多种方式来提醒相关人员，对此不作具体限定。
本申请实施例提供了一种异常设备检测方法，该方法在检测目标监测设备是否为异常设备时，是根据该目标监测设备的多个目标行为的特征值及行为参数来确定的，由于该行为参数表示多个监测设备发生目标行为的正态分布情况，因此，根据多个监测设备对应的每个目标行为的行为参数可以对该目标监测设备的目标行为进行判断，而不是仅仅根据监测设备自身的某个目标行为进行判断，因此，该方法能够提高检测的准确性。
图4是本申请实施例提供的一种异常设备检测装置的结构示意图，参见图4，该装置包括：
获取模块401，用于获取目标监测设备的多个目标行为，目标行为用于表示目标监测设备与对端设备进行交互时发生的行为，目标监测设备为多个监测设备中的任一设备；
第一确定模块402，用于对于每个目标行为，确定目标行为的特征值以及目标行为对应的行为参数，行为参数用于表示多个监测设备在历史时间范围内发生目标行为的正态分布情况；
第二确定模块403，用于基于每个目标行为的特征值及其对应的行为参数，确定目标监测设备的监测参数，监测参数用于表示目标监测设备为正常设备的概率；
检测模块404，用于基于目标监测设备的监测参数，对目标监测设备进行检测。
在一种可能的实现方式中，第一确定模块402，用于确定目标监测设备的设备类型；确定设备类型对应的目标对应关系，目标对应关系包括多个目标行为与行为参数之间的对应关系；从目标对应关系中，确定目标行为对应的行为参数。
在另一种可能的实现方式中，装置还包括：
第三确定模块，用于确定设备类型对应的多个监测设备，多个监测设备均用于与对端设备进行交互；
第四确定模块，用于对于每个监测设备，确定设备的每个目标行为的特征值；
第五确定模块，用于对于每个目标行为，基于多个监测设备的数量和每个监测设备对应的目标行为的特征值，确定目标行为对应的行为参数；
建立模块，用于基于目标行为和行为参数，建立目标对应关系。
在另一种可能的实现方式中，行为参数包括：行为期望参数和行为方差参数：
第五确定模块，用于基于每个监测设备对应的目标行为的特征值，确定第一特征值，第一特征值为多个监测设备对应的目标行为的特征值的累加特征值；基于第一特征值与多个监测设备的数量，确定目标行为对应的行为期望参数，行为期望参数用于表示多个监测设备在历史时间范围内的目标行为的平均特征值；基于行为期望参数、多个监测设备的数量和每个监测设备对应的目标行为的特征值，确定行为方差参数，行为方差参数用于表示相较于平均特征值，多个监测设备的目标行为的特征值的波动程度。
在另一种可能的实现方式中，第五确定模块，用于基于每个监测设备对应的目标行为的特征值与行为期望参数，确定多个第二特征值，第二特征值用于表示任一设备对应的目标行为的特征值与行为期望参数的差值；基于多个第二特征值与多个监测设备的数量，确定目标行为的行为方差参数。
在另一种可能的实现方式中，第二确定模块403，用于对于每个目标行为，基于目标行为的特征值及其对应的行为参数，确定目标行为的监测子参数，监测子参数用于表示目标行为为正常行为的概率；基于多个目标行为的监测子参数，确定目标监测设备的监测参数。
在另一种可能的实现方式中，行为参数包括：行为期望参数和行为方差参数：
第二确定模块403，用于基于行为期望参数和行为方差参数，对目标行为的特征值进行标准正态转换，得到第三特征值；基于多个目标行为的正态分布关系，确定以第三特征值为自变量的关系值，得到目标行为的监测子参数。
在另一种可能的实现方式中，检测模块404，用于若监测参数小于预设阈值，确定目标监测设备为异常设备；若监测参数不小于预设阈值，确定目标监测设备为正常设备。
本申请实施例提供了一种异常设备检测装置，该装置在检测目标监测设备是否为异常设备时，是根据该目标监测设备的多个目标行为的特征值及行为参数来确定的，由于该行为参数表示多个监测设备发生目标行为的正态分布情况，因此，根据多个监测设备对应的每个目标行为的行为参数可以对该目标监测设备的目标行为进行判断，而不是仅仅根据监测设备自身的某个目标行为进行判断，因此，该装置能够提高检测的准确性。
需要说明的是：上述实施例提供的异常设备检测装置在检测异常设备时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将电子设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的异常设备检测装置与异常设备检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
若电子设备提供为终端，参见图5，图5示出了本申请一个示例性实施例提供的终端500的结构框图。该终端500可以是：智能手机、平板电脑、MP3播放器(Moving PictureExperts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端500还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端500包括有：处理器501和存储器502。
处理器501可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器501可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器501还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器502中的非暂态的计算机可读存储介质用于存储至少一个程序代码，该至少一个程序代码用于被处理器501所执行以实现本申请中方法实施例提供的异常设备检测方法。
在一些实施例中，终端500还可选包括有：外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口503相连。具体地，外围设备包括：射频电路504、触摸显示屏505、摄像头506、音频电路507、定位组件508和电源509中的至少一种。
外围设备接口503可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中，处理器501、存储器502和外围设备接口503被集成在同一芯片或电路板上；在一些其他实施例中，处理器501、存储器502和外围设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路504用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路504包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路504还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏505用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时，显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时，显示屏505还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏505可以为一个，设置终端500的前面板；在另一些实施例中，显示屏505可以为至少两个，分别设置在终端500的不同表面或呈折叠设计；在再一些实施例中，显示屏505可以是柔性显示屏，设置在终端500的弯曲表面上或折叠面上。甚至，显示屏505还可以设置成非矩形的不规则图形，也即异形屏。显示屏505可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode，有机发光二极管)等材质制备。
摄像头组件506用于采集图像或视频。可选地，摄像头组件506包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器501进行处理，或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路507还可以包括耳机插孔。
定位组件508用于定位终端500的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件508可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源509用于为终端500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于：加速度传感器511、陀螺仪传感器512、压力传感器513、指纹传感器514、光学传感器515以及接近传感器516。
加速度传感器511可以检测以终端500建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号，控制触摸显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器512可以检测终端500的机体方向及转动角度，陀螺仪传感器512可以与加速度传感器511协同采集用户对终端500的3D动作。处理器501根据陀螺仪传感器512采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器513可以设置在终端500的侧边框和/或触摸显示屏505的下层。当压力传感器513设置在终端500的侧边框时，可以检测用户对终端500的握持信号，由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在触摸显示屏505的下层时，由处理器501根据用户对触摸显示屏505的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器514用于采集用户的指纹，由处理器501根据指纹传感器514采集到的指纹识别用户的身份，或者，由指纹传感器514根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器501授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器514可以被设置终端500的正面、背面或侧面。当终端500上设置有物理按键或厂商Logo时，指纹传感器514可以与物理按键或厂商Logo集成在一起。
光学传感器515用于采集环境光强度。在一个实施例中，处理器501可以根据光学传感器515采集的环境光强度，控制触摸显示屏505的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏505的显示亮度；当环境光强度较低时，调低触摸显示屏505的显示亮度。在另一个实施例中，处理器501还可以根据光学传感器515采集的环境光强度，动态调整摄像头组件506的拍摄参数。
接近传感器516，也称距离传感器，通常设置在终端500的前面板。接近传感器516用于采集用户与终端500的正面之间的距离。在一个实施例中，当接近传感器516检测到用户与终端500的正面之间的距离逐渐变小时，由处理器501控制触摸显示屏505从亮屏状态切换为息屏状态；当接近传感器516检测到用户与终端500的正面之间的距离逐渐变大时，由处理器501控制触摸显示屏505从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图5中示出的结构并不构成对终端500的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
若电子设备提供为服务器，参见图6，图6是本申请实施例提供的一种服务器的结构示意图，该服务器600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)601和一个或一个以上的存储器602，其中，该存储器602中存储有至少一条程序代码，该至少一条程序代码由该处理器601加载并执行以实现上述各个方法实施例提供的方法。当然，该服务器600还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器600还可以包括其他用于实现设备功能的部件，在此不做赘述。
若电子设备提供为终端和服务器，终端和服务器的结构示意图可以分别参见图5和图6。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由电子设备中的处理器执行以完成上述实施例中异常设备检测方法。例如，该计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品中存储有至少一条程序代码，该至少一条程序代码由处理器加载并执行，以实现本申请实施例中异常设备检测方法。
在一些实施例中，本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链系统。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，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 (12)

1.一种异常设备检测方法，其特征在于，所述方法包括：
获取目标监测设备的多个目标行为，所述目标行为用于表示所述目标监测设备与对端设备进行交互时发生的行为，所述目标监测设备为多个监测设备中的任一监测设备；
对于每个目标行为，确定所述目标行为的特征值以及所述目标行为对应的行为参数，所述行为参数用于表示所述多个监测设备在历史时间范围内发生所述目标行为的正态分布情况；
基于所述每个目标行为的特征值及其对应的行为参数，确定所述目标监测设备的监测参数，所述监测参数用于表示所述目标监测设备为正常设备的概率；
基于所述目标监测设备的监测参数，对所述目标监测设备进行检测。
2.根据权利要求1所述的方法，其特征在于，确定所述目标行为对应的行为参数的过程，包括：
确定所述目标监测设备的设备类型；
确定所述设备类型对应的目标对应关系，所述目标对应关系包括多个目标行为与行为参数之间的对应关系；
从所述目标对应关系中，确定所述目标行为对应的行为参数。
3.根据权利要求2所述的方法，其特征在于，建立所述目标对应关系的过程，包括：
确定所述设备类型对应的多个监测设备，所述多个监测设备均用于与所述对端设备进行交互；
对于每个监测设备，确定所述设备的每个目标行为的特征值；
对于每个目标行为，基于所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述目标行为对应的行为参数；
基于所述目标行为和所述行为参数，建立所述目标对应关系。
4.根据权利要求3所述的方法，其特征在于，所述行为参数包括：行为期望参数和行为方差参数；
所述基于所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述目标行为对应的行为参数，包括：
基于所述每个监测设备对应的所述目标行为的特征值，确定第一特征值，所述第一特征值为所述多个监测设备对应的所述目标行为的特征值的累加特征值；
基于所述第一特征值与所述多个监测设备的数量，确定所述目标行为对应的行为期望参数，所述行为期望参数用于表示所述多个监测设备在所述历史时间范围内的目标行为的平均特征值；
基于所述行为期望参数、所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述行为方差参数，所述行为方差参数用于表示相较于所述平均特征值，所述多个监测设备的目标行为的特征值的波动程度。
5.根据权利要求4所述的方法，其特征在于，所述基于所述行为期望参数、所述多个监测设备的数量和每个监测设备对应的所述目标行为的特征值，确定所述行为方差参数，包括：
基于所述每个监测设备对应的所述目标行为的特征值与所述行为期望参数，确定多个第二特征值，所述第二特征值用于表示任一设备对应的所述目标行为的特征值与所述行为期望参数的差值；
基于所述多个第二特征值与所述多个监测设备的数量，确定所述目标行为的行为方差参数。
6.根据权利要求1所述的方法，其特征在于，所述基于所述每个目标行为的特征值及其对应的行为参数，确定所述目标监测设备的监测参数，包括：
对于每个目标行为，基于所述目标行为的特征值及其对应的行为参数，确定所述目标行为的监测子参数，所述监测子参数用于表示所述目标行为为正常行为的概率；
基于所述多个目标行为的监测子参数，确定所述目标监测设备的监测参数。
7.根据权利要求6所述的方法，其特征在于，所述行为参数包括：行为期望参数和行为方差参数；
所述基于所述目标行为的特征值及其对应的行为参数，确定所述目标行为的监测子参数，包括：
基于所述行为期望参数和所述行为方差参数，对所述目标行为的特征值进行标准正态转换，得到第三特征值；
基于所述多个目标行为的正态分布关系，确定以所述第三特征值为自变量的关系值，得到所述目标行为的监测子参数。
8.根据权利要求1所述的方法，其特征在于，所述基于所述目标监测设备的监测参数，对所述目标监测设备进行检测，包括：
若所述监测参数小于所述预设阈值，确定所述目标监测设备为异常设备；
若所述监测参数不小于所述预设阈值，确定所述目标监测设备为正常设备。
9.一种异常设备检测装置，其特征在于，所述装置包括：
获取模块，用于获取目标监测设备的多个目标行为，所述目标行为用于表示所述目标监测设备与对端设备进行交互时发生的行为，所述目标监测设备为多个监测设备中的任一设备；
第一确定模块，用于对于每个目标行为，确定所述目标行为的特征值以及所述目标行为对应的行为参数，所述行为参数用于表示所述多个监测设备在历史时间范围内发生所述目标行为的正态分布情况；
第二确定模块，用于基于所述每个目标行为的特征值及其对应的行为参数，确定所述目标监测设备的监测参数，所述监测参数用于表示所述目标监测设备为正常设备的概率；
检测模块，用于基于所述目标监测设备的监测参数，对所述目标监测设备进行检测。
10.一种电子设备，其特征在于，所述电子设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行，以实现如权利要求1至权利要求8任一项所述的异常设备检测方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如权利要求1至权利要求8任一项所述的异常设备检测方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如权利要求1至权利要求8任一项所述的异常设备检测方法。
CN202210106289.XA 2022-01-28 2022-01-28 异常设备检测方法、装置、设备、存储介质及程序产品 Pending CN116560934A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210106289.XA CN116560934A (zh) 2022-01-28 2022-01-28 异常设备检测方法、装置、设备、存储介质及程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210106289.XA CN116560934A (zh) 2022-01-28 2022-01-28 异常设备检测方法、装置、设备、存储介质及程序产品

Publications (1)

Publication Number Publication Date
CN116560934A true CN116560934A (zh) 2023-08-08

Family

ID=87490315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210106289.XA Pending CN116560934A (zh) 2022-01-28 2022-01-28 异常设备检测方法、装置、设备、存储介质及程序产品

Country Status (1)

Country Link
CN (1) CN116560934A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172671A (zh) * 2023-11-01 2023-12-05 深圳市聚一科技有限公司 一种智能企业货物管理方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172671A (zh) * 2023-11-01 2023-12-05 深圳市聚一科技有限公司 一种智能企业货物管理方法及系统
CN117172671B (zh) * 2023-11-01 2024-02-13 深圳市聚一科技有限公司 一种智能企业货物管理方法及系统

Similar Documents

Publication Publication Date Title
CN109117635B (zh) 应用程序的病毒检测方法、装置、计算机设备及存储介质
CN111104980B (zh) 确定分类结果的方法、装置、设备及存储介质
CN111092748B (zh) 物联网设备的告警规则设置方法、装置、设备及存储介质
CN111078521A (zh) 异常事件的分析方法、装置、设备、系统及存储介质
CN110909264B (zh) 信息处理方法、装置、设备及存储介质
CN111612398A (zh) 仓库配货方法、装置、计算机设备及存储介质
CN116560934A (zh) 异常设备检测方法、装置、设备、存储介质及程序产品
CN112395921B (zh) 异常行为检测方法、装置及系统
CN111294253A (zh) 测试数据处理方法、装置、计算机设备及存储介质
CN116418771A (zh) 消息显示方法、消息处理方法、装置及电子设备
CN110222506A (zh) 快应用检测方法、装置、设备和存储介质
CN111897709B (zh) 监控用户的方法、装置、电子设备及介质
CN112818243B (zh) 导航路线的推荐方法、装置、设备及存储介质
CN110197055B (zh) 管理信息的方法、装置、设备及存储介质
CN112613772A (zh) 信息推送方法、装置、设备及存储介质
CN111143441A (zh) 性别确定方法、装置、设备及存储介质
CN111753154B (zh) 用户数据处理方法、装置、服务器及计算机可读存储介质
CN115296978B (zh) 根因定位方法、装置、设备
CN115311851B (zh) 路况信息确定方法、装置、电子设备及存储介质
CN114071119B (zh) 资源的测试方法、装置、电子设备及存储介质
CN113592198B (zh) 需求参考信息的确定方法、服务器及终端
CN111526221B (zh) 域名质量确定方法、装置及存储介质
CN112731972B (zh) 轨迹管理方法、装置、设备及计算机可读存储介质
CN115797479B (zh) 地标图像的生成方法、装置、计算机设备和存储介质
CN112836714B (zh) 一种智能模型的训练方法及装置

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