CN116709275A - 一种基于ble低功耗蓝牙技术进行资产指纹识别方法和系统 - Google Patents
一种基于ble低功耗蓝牙技术进行资产指纹识别方法和系统 Download PDFInfo
- Publication number
- CN116709275A CN116709275A CN202310624638.1A CN202310624638A CN116709275A CN 116709275 A CN116709275 A CN 116709275A CN 202310624638 A CN202310624638 A CN 202310624638A CN 116709275 A CN116709275 A CN 116709275A
- Authority
- CN
- China
- Prior art keywords
- asset
- data
- fingerprint identification
- module
- asset fingerprint
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005516 engineering process Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 47
- 238000007726 management method Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 17
- 238000007635 classification algorithm Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/69—Identity-dependent
- H04W12/79—Radio fingerprint
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及一种基于BLE低功耗蓝牙技术进行资产指纹识别方法和系统,所述方法利用BLE低功耗蓝牙技术进行资产指纹识别,配置蓝牙模块为广播模式,收集和存储数据,分析处理数据识别资产指纹,验证识别结果准确性。通过BLE低功耗蓝牙技术,建立资产指纹数据库,实现对资产的自动化识别和追踪,方便资产管理和物流追踪等应用场景。通过该技术,可以提高资产的管理效率,减少管理成本,提高资产追踪的准确性和效率,从而更好地服务于各行业的管理和运营需求。
Description
技术领域
本申请涉及物联网的技术领域,尤其是涉及一种基于BLE低功耗蓝牙技术进行资产指纹识别方法和系统。
背景技术
随着企业网络规模不断扩大,服务器、个人电脑、网络设备、安全设备、办公设备、存储设备、视频设备、移动设备等不断增多,使得网络管理难度持续增加,如何发现网络资产并进行资产的指纹识别,确定网络资产的类型、型号、服务、版本、厂商等关键信息成为网络管理中的核心。
在网络资产管理中,设备指纹就是网络资产的“身份证”,也是信息系统安全管理工作的基础。通过网络资产探测(指纹)可以在0day爆发时快速匹配到受影响的信息系统;还可以发现违规外联的资产,为安全运营管理提供便利,确保安全制度的稳健实施。指纹识别更是基线管理的基础,正如生物指纹对于生物的价值一样,网络资产指纹识别也在网络资产管理中起到了至关重要的作用。
网络资产指纹识别不仅为网络安全监控、威胁态势感知提供了系统认知基础,而且在提高入侵检测系统的效率、安全威胁分析等方面也有较多应用。根据掌握的网络资产情况,可以为入侵检测系统去掉不相关的规则、缩小匹配规则库、提高检测效率,也可对告警信息进行过滤,减轻网络安全管理人员的告警分析压力,把更多精力放在处理有效攻击上。同时,面对日益加剧的新型高级持续性(Advanced Persistent Threat)攻击,大规模网络的安全管理人员可在网络资产探测结果的基础上,综合网络资产、网络拓扑结构、漏洞等信息,对可能的高危攻击路径进行评估,根据评估结果采取重点防御和响应措施,从而提高防御的针对性。但是,传统的资产管理方式需要进行人工盘点和手动记录,效率较低且容易出错。
发明内容
针对上述背景技术中的技术问题,本申请提出了一种基于BLE低功耗蓝牙技术进行资产指纹识别方法和系统。
第一方面,本申请提出了一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,包括以下步骤:
S1:构建资产指纹识别系统,所述系统包括通信连接的低功耗蓝牙模块、资产指纹识别设备、数据采集模块、数据存储模块以及数据分析模块;
S2:将资产指纹识别设备放置在待识别资产附近,并将低功耗蓝牙模块配置为广播模式,向周围设备发送信号。
S3:接收到信号的资产指纹识别设备会记录资产相关数据,资产相关数据包括蓝牙模块的MAC地址、信号强度以及频率;
S4:将收集到的资产相关数据存储在数据库中,建立资产指纹数据库;
S5:通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。
通过采用上述技术方案,本申请利用BLE低功耗蓝牙技术进行资产指纹识别,配置蓝牙模块为广播模式,收集和存储数据,分析处理数据识别资产指纹,验证识别结果准确性。通过BLE低功耗蓝牙技术,建立资产指纹数据库,实现对资产的自动化识别和追踪,方便资产管理和物流追踪等应用场景。通过该技术,可以提高资产的管理效率,减少管理成本,提高资产追踪的准确性和效率,从而更好地服务于各行业的管理和运营需求。
优选的,在所述S2中,所述将低功耗蓝牙模块配置为广播模式具体包括:通过蓝牙模块的API接口将模块配置为广播模式,并设置广播包中的数据、设备名称以及服务UUID。
优选的,在所述S3中,在收集数据的过程中,需要保证低功耗蓝牙模块和资产指纹识别设备之间的距离和位置不变。
优选的,所述S5具体包括:
S51:确定数据的特征和属性;
S52:使用分类算法或者聚类算法进行资产的分类识别以及聚类分析,分类算法包括决策树分类算法以及朴素贝叶斯分类算法,聚类算法包括K-means聚类算法;
S52:使用神经网络深度学习算法进行资产的识别和预测,具体包括:将资产指纹数据库中的数据划分为训练集和测试集,使用训练集对算法进行训练和优化,调整算法的参数和模型,使用测试集对算法进行评估和验证,以确定算法的准确率和性能;在完成算法的训练和测试后,使用算法对新的未知资产进行识别和预测。
优选的,所述方法还包括以下步骤:
S6:验证识别结果,具体包括:重复识别步骤:将资产指纹识别设备重新放置在待识别资产附近,使用低功耗蓝牙模块发送信号,再次接收到信号的资产指纹识别设备会与数据库中的资产指纹进行比对,以验证识别结果的准确性。
优选的,在所述S6中,所述重复识别步骤还包括:对于重要的资产进行多次识别,并将多次识别结果进行比对,以确认结果的准确性。
优选的,所述S6还包括:多元验证步骤:使用除了蓝牙信号外的其他信号或者传感器来获取更多的识别数据,从而进一步提高识别的准确性。
优选的,所述S6还包括:增量更新步骤:将新的数据与已有数据进行合并,以使资产管理系统不断更新数据库中的资产指纹信息,从而得到更加准确的资产指纹信息。
第二方面,本申请还提出了一种基于BLE低功耗蓝牙技术进行资产指纹识别系统,所述装置包括:
资产指纹识别系统构建模块,配置用于构建资产指纹识别系统,所述系统包括通信连接的低功耗蓝牙模块、资产指纹识别设备、数据采集模块、数据存储模块以及数据分析模块;
广播配置模块,配置用于将资产指纹识别设备放置在待识别资产附近,并将低功耗蓝牙模块配置为广播模式,向周围设备发送信号;
数据收集模块,配置用于接收到信号的资产指纹识别设备会记录资产相关数据,资产相关数据包括蓝牙模块的MAC地址、信号强度以及频率;
数据存储模块,配置用于将收集到的资产相关数据存储在数据库中,建立资产指纹数据库;
资产分析模块,配置用于通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。
本申请利用BLE低功耗蓝牙技术进行资产指纹识别,配置蓝牙模块为广播模式,收集和存储数据,分析处理数据识别资产指纹,验证识别结果准确性。通过BLE低功耗蓝牙技术,建立资产指纹数据库,实现对资产的自动化识别和追踪,方便资产管理和物流追踪等应用场景。通过该技术,可以提高资产的管理效率,减少管理成本,提高资产追踪的准确性和效率,从而更好地服务于各行业的管理和运营需求。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本申请的原理。将容易认识到其它实施例和实施例的很多预期优点,因为通过引用以下详细描述,它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
图1是本申请一种基于BLE低功耗蓝牙技术进行资产指纹识别方法的流程图。
图2是本申请一个实施例中的资产指纹识别系统的示意图。
图3是本申请一个实施例中的用户界面按类别统计蓝牙设备的示意图。
图4是本申请一个实施例中的用户界面按类别统计蓝牙设备的示意图。
图5是本申请一个实施例中的K-means聚类算法资产统计分析的示意图。
图6是本申请一个实施例中的低功耗蓝牙技术资产指纹识别流程示意图。
图7是本申请一个实施例中基于BLE低功耗蓝牙技术进行资产指纹识别系统的模块结构示意图。
图8是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请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申请。
图1示出了本申请一种基于BLE低功耗蓝牙技术进行资产指纹识别方法的流程图,结合参考图,该方法具体包括以下步骤:
S1:构建资产指纹识别系统,所述系统包括通信连接的低功耗蓝牙模块、资产指纹识别设备、数据采集模块、数据存储模块以及数据分析模块;
S2:将资产指纹识别设备放置在待识别资产附近,并将低功耗蓝牙模块配置为广播模式,向周围设备发送信号。
S3:接收到信号的资产指纹识别设备会记录资产相关数据,资产相关数据包括蓝牙模块的MAC地址、信号强度以及频率;
S4:将收集到的资产相关数据存储在数据库中,建立资产指纹数据库;
S5:通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。
其中,在所述S2中,所述将低功耗蓝牙模块配置为广播模式具体包括:通过蓝牙模块的API接口将模块配置为广播模式,并设置广播包中的数据、设备名称以及服务UUID。
在所述S3中,在收集数据的过程中,需要保证低功耗蓝牙模块和资产指纹识别设备之间的距离和位置不变。
所述S5具体包括:
S51:确定数据的特征和属性;
S52:使用分类算法或者聚类算法进行资产的分类识别以及聚类分析,分类算法包括决策树分类算法以及朴素贝叶斯分类算法,聚类算法包括K-means聚类算法;
S52:使用神经网络深度学习算法进行资产的识别和预测,具体包括:将资产指纹数据库中的数据划分为训练集和测试集,使用训练集对算法进行训练和优化,调整算法的参数和模型,使用测试集对算法进行评估和验证,以确定算法的准确率和性能;在完成算法的训练和测试后,使用算法对新的未知资产进行识别和预测。
进一步的,所述方法还包括以下步骤:
S6:验证识别结果,具体包括:重复识别步骤:将资产指纹识别设备重新放置在待识别资产附近,使用低功耗蓝牙模块发送信号,再次接收到信号的资产指纹识别设备会与数据库中的资产指纹进行比对,以验证识别结果的准确性。
在所述S6中,所述重复识别步骤还包括:对于重要的资产进行多次识别,并将多次识别结果进行比对,以确认结果的准确性。
所述S6还包括:多元验证步骤:使用除了蓝牙信号外的其他信号或者传感器来获取更多的识别数据,从而进一步提高识别的准确性。
所述S6还包括:增量更新步骤:将新的数据与已有数据进行合并,以使资产管理系统不断更新数据库中的资产指纹信息,从而得到更加准确的资产指纹信息。
所述S6还包括:异常处理步骤,具体包括:
步骤1:对低功耗蓝牙模块进行初始化,开始识别;
步骤2:判断收集的数据是否有效,是则执行步骤3,否则返回步骤1;
步骤3:利分类算法或者聚类算法进行资产分析;
步骤4:判断是否完成资产指纹识别,是则执行步骤5,否则返回步骤1;
步骤5:将收集到的数据存储在数据库中,建立资产指纹数据库
在一个具体的实施例中,以下将对本申请一种基于BLE低功耗蓝牙技术进行资产指纹识别方法进行具体描述:
1、如图2所示,首先设计一个资产指纹识别系统,包括硬件和软件两部分。硬件方面包括低功耗蓝牙模块和指纹识别设备,软件方面包括数据采集、存储和分析处理的应用程序。
硬件方面,选择合适的低功耗蓝牙模块和资产指纹识别设备,这两个设备需要兼容,并能够进行协同工作。根据功耗、传输距离和数据传输速率等因素选择蓝牙模块,同时考虑其适用的工作环境,比如防水、防尘等特殊功能。根据精度、识别速度和适用范围等因素选择资产指纹识别设备。在搭建和配置系统时根据实际需求进行调整和优化,比如选择合适的天线、优化设备布局等。
软件方面,根据系统设计要求,开发数据采集、存储和分析处理的应用程序,以及用户界面等相关功能。数据采集模块实时地采集蓝牙模块发出的信号,存储模块将采集到的数据进行分类和存储,分析处理模块根据采集到的数据识别出的资产指纹并进行分类和存储。用户界面提供友好的操作界面和交互方式,方便用户进行操作和管理。
设计BLE低功耗蓝牙技术进行资产指纹识别系统综合考虑硬件和软件的兼容性、稳定性、可靠性和可维护性等方面,同时根据实际需求进行调整和优化。
2、配置低功耗蓝牙模块:将低功耗蓝牙模块配置为广播模式,向周围设备发送信号,通过蓝牙模块的API接口将模块配置为广播模式,可以设置广播包中的数据、设备名称、服务UUID等信息,周围的其他设备,如手机、电脑等可以扫描到低功耗蓝牙模块广播的信号,从而获取到广播内容。
3、收集数据:将资产指纹识别设备放置在待识别资产附近,使用低功耗蓝牙模块发送信号。接收到信号的资产指纹识别设备会记录蓝牙模块的MAC地址、信号强度和其他相关信息。在收集数据的过程中,需要保证低功耗蓝牙模块和资产指纹识别设备之间的距离和位置不变,以保证数据的准确性和一致性。同时,也需要避免干扰和其他因素对数据的影响,例如建筑物结构、其他蓝牙设备的信号等。
4、存储数据:将收集到的数据存储在数据库中,建立资产指纹数据库,根据具体的业务需求和数据量进行优化,以保证数据的查询和访问效率。同时保护数据库的安全性和稳定性,设置权限、备份和恢复措施。
5、分析处理数据:通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。可以使用分类算法、聚类算法和神经网络等机器学习算法对数据进行处理。
1)确定数据的特征和属性,如MAC地址、信号强度、频率等,以及资产的分类和标签等信息。
2)针对不同的应用场景和需求,选择合适的机器学习算法进行数据处理,使用分类算法,如决策树、朴素贝叶斯(P(X|Y)=P(x1|Y)*P(x2|Y)*...*P(xn|Y))等进行资产的分类识别;使用聚类算法(如K-means(J=∑i=1to k∑xi∈Ci dist(xi,μi))、DBSCAN等)进行资产的聚类分析;使用神经网络等深度学习算法进行资产的识别和预测。分析结果可以如图3至图5所示。
3)对于选定的算法,需要进行训练和测试。将资产指纹数据库中的数据划分为训练集和测试集,使用训练集对算法进行训练和优化,调整算法的参数和模型。使用测试集对算法进行评估和验证,以确定算法的准确率和性能。
4)在完成算法的训练和测试后,可以使用算法对新的未知资产进行识别和预测。将待识别的资产指纹输入到算法模型中,进行识别和预测。根据算法的输出结果,可以确定待识别资产的分类、标签和属性等信息。
6、验证识别结果:将资产指纹识别设备重新放置在待识别资产附近,使用低功耗蓝牙模块发送信号。再次接收到信号的资产指纹识别设备会与数据库中的资产指纹进行比对,验证识别结果的准确性。
1)重复识别:对于重要的资产或者对准确性要求比较高的资产,可以进行多次识别,并将多次识别结果进行比对,从而确认结果的准确性。
2)多元验证:除了蓝牙信号外,可以使用其他的信号或者传感器来获取更多的识别数据,从而进一步提高识别的准确性。例如可以结合使用RFID标签等设备进行多元验证。
3)增量更新:在实际使用中,资产管理系统需要不断更新数据库中的资产指纹信息,以保证识别的准确性。采用增量更新的方法,将新的数据与已有数据进行合并,从而得到更加准确的资产指纹信息。
4)异常处理:在实际使用中,可能会出现一些异常情况,例如信号干扰、设备故障等问题。为了避免这些问题对识别结果的影响,根据具体情况进行相应的调整和修正。图6公开本申请基于上述处理的资产指纹识别方法的一个流程图。
本申请一种基于BLE低功耗蓝牙技术进行资产指纹识别方法利用BLE低功耗蓝牙技术进行资产指纹识别,配置蓝牙模块为广播模式,收集和存储数据,分析处理数据识别资产指纹,验证识别结果准确性。通过BLE低功耗蓝牙技术,建立资产指纹数据库,实现对资产的自动化识别和追踪,方便资产管理和物流追踪等应用场景。通过该技术,可以提高资产的管理效率,减少管理成本,提高资产追踪的准确性和效率,从而更好地服务于各行业的管理和运营需求。
综上所述,本申请一种基于BLE低功耗蓝牙技术进行资产指纹识别方法与现有技术相比具有以下有益技术效果:
1)高效便捷:传统的资产管理方式需要进行人工盘点和手动记录,效率较低且容易出错。而基于BLE低功耗蓝牙技术进行资产指纹识别可以通过自动化的方式进行识别和记录,大大提高了效率和准确性。
2)精准识别:基于BLE低功耗蓝牙技术进行资产指纹识别,可以精准地识别和记录资产信息。通过对资产的各种指纹信息进行分析和处理,可以识别出资产的种类、位置和状态等重要信息。
3)高度可扩展:基于BLE低功耗蓝牙技术进行资产指纹识别系统可以根据具体的需求和业务场景进行定制化开发,从而满足不同企业和机构的管理需求。同时,也可以方便地进行扩展和升级,以适应不断变化的业务需求。
4)数据化管理:基于BLE低功耗蓝牙技术进行资产指纹识别系统可以将所有的资产信息进行数据化管理,方便了信息的查找、统计和分析。可以通过数据分析来发现问题和优化管理,从而提高资产利用率和管理效率。
5)实时监控:基于BLE低功耗蓝牙技术进行资产指纹识别系统可以实时监控资产的位置和状态等信息,可以及时发现异常情况并进行处理,保障资产的安全。
进一步参考图7,作为对上述所述方法的实现,本申请提供了一种基于BLE低功耗蓝牙技术进行资产指纹识别系统的一个实施例,该装置实施例与图1所示的方法实施例相对应,该系统具体可以应用于各种电子设备中。
参考图7,一种基于BLE低功耗蓝牙技术进行资产指纹识别系统,包括:
资产指纹识别系统构建模块101,配置用于构建资产指纹识别系统,所述系统包括通信连接的低功耗蓝牙模块、资产指纹识别设备、数据采集模块、数据存储模块以及数据分析模块;
广播配置模块102,配置用于将资产指纹识别设备放置在待识别资产附近,并将低功耗蓝牙模块配置为广播模式,向周围设备发送信号;
数据收集模块103,配置用于接收到信号的资产指纹识别设备会记录资产相关数据,资产相关数据包括蓝牙模块的MAC地址、信号强度以及频率;
数据存储模块104,配置用于将收集到的资产相关数据存储在数据库中,建立资产指纹数据库;
资产分析模块105,配置用于通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。
下面参考图8,其示出了适于用来实现本申请实施例的电子设备的计算机系统200的结构示意图。图8示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有系统200操作所需的各种程序和数据。CPU 201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;包括诸如液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的存储部分208;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209。通信部分209经由诸如因特网的网络执行通信处理。驱动器220也根据需要连接至I/O接口205。可拆卸介质211,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220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208。
特别地,根据本公开的实施例,上文参考流程图描述的过程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,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的方法中限定的上述功能。
作为另一方面,本申请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描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行时实现如图1中所示的方法。
需要说明的是,本申请所述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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,该模块、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。
以上描述了本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
在本申请的描述中,需要理解的是,术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。措词‘包括’并不排除在权利要求未列出的元件或步骤的存在。元件前面的措词‘一’或‘一个’并不排除多个这样的元件的存在。在相互不同从属权利要求中记载某些措施的简单事实不表明这些措施的组合不能被用于改进。在权利要求中的任何参考符号不应当被解释为限制范围。
Claims (10)
1.一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:所述方法包括以下步骤:
S1:构建资产指纹识别系统,所述系统包括通信连接的低功耗蓝牙模块、资产指纹识别设备、数据采集模块、数据存储模块以及数据分析模块;
S2:将资产指纹识别设备放置在待识别资产附近,并将低功耗蓝牙模块配置为广播模式,向周围设备发送信号。
S3:接收到信号的资产指纹识别设备会记录资产相关数据,资产相关数据包括蓝牙模块的MAC地址、信号强度以及频率;
S4:将收集到的资产相关数据存储在数据库中,建立资产指纹数据库;
S5:通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。
2.根据权利要求1所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:在所述S2中,所述将低功耗蓝牙模块配置为广播模式具体包括:通过蓝牙模块的API接口将模块配置为广播模式,并设置广播包中的数据、设备名称以及服务UUID。
3.根据权利要求1所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:在所述S3中,在收集数据的过程中,需要保证低功耗蓝牙模块和资产指纹识别设备之间的距离和位置不变。
4.根据权利要求1所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:所述S5具体包括:
S51:确定数据的特征和属性;
S52:使用分类算法或者聚类算法进行资产的分类识别以及聚类分析,分类算法包括决策树分类算法以及朴素贝叶斯分类算法,聚类算法包括K-means聚类算法;
S52:使用神经网络深度学习算法进行资产的识别和预测,具体包括:将资产指纹数据库中的数据划分为训练集和测试集,使用训练集对算法进行训练和优化,调整算法的参数和模型,使用测试集对算法进行评估和验证,以确定算法的准确率和性能;在完成算法的训练和测试后,使用算法对新的未知资产进行识别和预测。
5.根据权利要求4所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:所述方法还包括以下步骤:
S6:验证识别结果,具体包括:重复识别步骤:将资产指纹识别设备重新放置在待识别资产附近,使用低功耗蓝牙模块发送信号,再次接收到信号的资产指纹识别设备会与数据库中的资产指纹进行比对,以验证识别结果的准确性。
6.根据权利要求5所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:在所述S6中,所述重复识别步骤还包括:对于重要的资产进行多次识别,并将多次识别结果进行比对,以确认结果的准确性。
7.根据权利要求5所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:所述S6还包括:多元验证步骤:使用除了蓝牙信号外的其他信号或者传感器来获取更多的识别数据,从而进一步提高识别的准确性。
8.根据权利要求5所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:所述S6还包括:增量更新步骤:将新的数据与已有数据进行合并,以使资产管理系统不断更新数据库中的资产指纹信息,从而得到更加准确的资产指纹信息。
9.根据权利要求5所述的一种基于BLE低功耗蓝牙技术进行资产指纹识别方法,其特征在于:所述S6还包括:异常处理步骤,具体包括:
步骤1:对低功耗蓝牙模块进行初始化,开始识别;
步骤2:判断收集的数据是否有效,是则执行步骤3,否则返回步骤1;
步骤3:利分类算法或者聚类算法进行资产分析;
步骤4:判断是否完成资产指纹识别,是则执行步骤5,否则返回步骤1;
步骤5:将收集到的数据存储在数据库中,建立资产指纹数据库。
10.一种基于BLE低功耗蓝牙技术进行资产指纹识别系统,其特征在于,所述装置包括:
资产指纹识别系统构建模块,配置用于构建资产指纹识别系统,所述系统包括通信连接的低功耗蓝牙模块、资产指纹识别设备、数据采集模块、数据存储模块以及数据分析模块;
广播配置模块,配置用于将资产指纹识别设备放置在待识别资产附近,并将低功耗蓝牙模块配置为广播模式,向周围设备发送信号;
数据收集模块,配置用于接收到信号的资产指纹识别设备会记录资产相关数据,资产相关数据包括蓝牙模块的MAC地址、信号强度以及频率;
数据存储模块,配置用于将收集到的资产相关数据存储在数据库中,建立资产指纹数据库;
资产分析模块,配置用于通过对资产指纹数据库中的数据进行分析处理,识别资产指纹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310624638.1A CN116709275A (zh) | 2023-05-30 | 2023-05-30 | 一种基于ble低功耗蓝牙技术进行资产指纹识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310624638.1A CN116709275A (zh) | 2023-05-30 | 2023-05-30 | 一种基于ble低功耗蓝牙技术进行资产指纹识别方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116709275A true CN116709275A (zh) | 2023-09-05 |
Family
ID=87844423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310624638.1A Pending CN116709275A (zh) | 2023-05-30 | 2023-05-30 | 一种基于ble低功耗蓝牙技术进行资产指纹识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116709275A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094574A (zh) * | 2023-10-19 | 2023-11-21 | 北京恒信启华信息技术股份有限公司 | 一种企业资产高效管理方法、系统、设备和可读存储介质 |
CN117851835A (zh) * | 2024-01-24 | 2024-04-09 | 广州科韵智慧科技有限公司 | 一种深度学习的物联网识别系统及方法 |
-
2023
- 2023-05-30 CN CN202310624638.1A patent/CN116709275A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094574A (zh) * | 2023-10-19 | 2023-11-21 | 北京恒信启华信息技术股份有限公司 | 一种企业资产高效管理方法、系统、设备和可读存储介质 |
CN117094574B (zh) * | 2023-10-19 | 2024-02-02 | 北京恒信启华信息技术股份有限公司 | 一种企业资产高效管理方法、系统、设备和可读存储介质 |
CN117851835A (zh) * | 2024-01-24 | 2024-04-09 | 广州科韵智慧科技有限公司 | 一种深度学习的物联网识别系统及方法 |
CN117851835B (zh) * | 2024-01-24 | 2024-05-28 | 广州科韵智慧科技有限公司 | 一种深度学习的物联网识别系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116709275A (zh) | 一种基于ble低功耗蓝牙技术进行资产指纹识别方法和系统 | |
US11769573B2 (en) | Team-based tele-diagnostics blockchain-enabled system | |
US10574591B1 (en) | Systems and methods for assigning tasks based on usage patterns and resource capacities | |
US9031548B2 (en) | Method and system for obtaining a configuration profile | |
US9811391B1 (en) | Load balancing and conflict processing in workflow with task dependencies | |
CN104239158A (zh) | 用于自动分析和链接错误日志的分析引擎 | |
CN111970138B (zh) | 一种网络资源管控系统及资源管理方法 | |
CN110674360B (zh) | 一种用于数据的溯源方法和系统 | |
CN111291071B (zh) | 数据处理方法、装置及电子设备 | |
US8188864B2 (en) | Device and method for inspecting equipment | |
CN113159615A (zh) | 一种工业控制系统信息安全风险智能测定系统及方法 | |
CN108848276A (zh) | 电话号码可用性检测方法、系统、设备及存储介质 | |
US9817866B1 (en) | Lossless compression of client read data | |
US9811552B1 (en) | Detecting and bucketing sparse indicators for communication generation | |
US9774508B1 (en) | Communication generation using sparse indicators and sensor data | |
CN115346686A (zh) | 关系图谱生成方法及装置、存储介质及电子设备 | |
CN116032602A (zh) | 一种自动识别威胁数据的方法、装置、设备及存储介质 | |
Zhang et al. | A performance evaluation method for radio frequency identification–based tracking network of job-shop-type work-in-process material flows | |
CN114661994A (zh) | 基于人工智能的用户兴趣数据处理方法、系统及云平台 | |
US9811439B1 (en) | Functional testing of code modifications for read processing systems | |
US9584882B1 (en) | Communication generation using sparse indicators and sensor data | |
CN112035334A (zh) | 异常设备检测方法、装置、存储介质与电子设备 | |
US11860727B2 (en) | Data quality-based computations for KPIs derived from time-series data | |
US7574608B2 (en) | Security screening of electronic devices by device-reported data | |
US20220222334A1 (en) | System and methods for automated software analysis and classification |
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 |