CN117609402B - 一种物联网系统 - Google Patents
一种物联网系统 Download PDFInfo
- Publication number
- CN117609402B CN117609402B CN202410087703.6A CN202410087703A CN117609402B CN 117609402 B CN117609402 B CN 117609402B CN 202410087703 A CN202410087703 A CN 202410087703A CN 117609402 B CN117609402 B CN 117609402B
- Authority
- CN
- China
- Prior art keywords
- data
- sub
- degree
- processing
- classification
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000013144 data compression Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 238000003672 processing method Methods 0.000 claims abstract description 14
- 238000007789 sealing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000001914 filtration Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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]
- G16Y20/00—Information sensed or collected by the things
-
- 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]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- 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]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/60—General implementation details not specific to a particular type of compression
- H03M7/6064—Selection of Compressor
- H03M7/6082—Selection strategies
- H03M7/6094—Selection strategies according to reasons other than compression rate or data type
-
- 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
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种物联网系统,涉及物联网领域,包括:接收分类模块:用于接收数据触发事件及第一数据进行第一分类,得到第一分类数据;处理传输模块:用于对第一分类数据进行数据处理得到第一处理数据;第二分类模块:用于根据每一第一处理子数据的数据影响程度进行第二分类;数据压缩模块:用于将不同数据影响程度的分类子数据进行数据筛选,将数据影响程度高于预设程度的子数据进行数据压缩;数据封存模块:获取数据触发事件作为子数据的数据标签,并联合压缩子数据封存。通过对物联网终端设备的数据及对应触发事件进行处理,并结合每一子数据对触发事件的影响程度实现数据准确传输,同时对本地数据进行压缩保存,更加方便对数据的查找验证。
Description
技术领域
本发明涉及物联网领域,特别涉及一种物联网系统。
背景技术
目前,完整的物联网系统需要物联网平台对物联网终端设备进行统一的管理,物联网终端设备负责数据采集、上报、传输以及控制等功能,将数据传输给物联网平台,物联网平台负责收集物联网终端采集的数据,对数据进行分析、处理,然后将数据反馈给相应的物联网终端设备,为物联网终端设备的业务提供支持。
然而,现有的物联网系统中物联网终端设备的数据逐渐增多,物联网平台对物联网终端的管理加重了物联网平台的负荷,降低了系统的可靠性及工作效率,同时也增加了数据查找验证的难度。
因此,本发明提供了一种物联网系统。
发明内容
本发明提供了一种物联网系统,用以通过对物联网终端设备的数据及对应触发事件进行分析处理,并结合每一子数据对触发事件的影响程度进行分类筛选,从而实现数据的准确传输,同时对数据影响程度高的数据进行压缩保存,可以更加方便对数据的查找验证。
本发明提供了一种物联网系统,包括:
接收分类模块:用于接收物联网终端设备的数据触发事件及对应第一数据,并基于数据触发事件对第一数据进行第一分类,得到第一分类数据;
处理传输模块:用于将第一分类数据进行数据处理,得到第一处理数据;
第二分类模块:用于根据第一处理数据中每一处理子数据在对应数据触发事件中的数据影响程度进行第二分类,得到第二分类子数据;
数据压缩模块:用于将第二分类数据中不同数据影响程度的分类子数据进行数据筛选,将数据影响程度高于预设程度的核心子数据进行数据压缩;
数据封存模块:获取核心子数据对应的数据触发事件作为当前子数据的数据标签,并联合压缩子数据封存在本地数据库中。
在一种可能实现的方式中,接收分类模块,包括:
数据获取单元:用于获取物联网终端设备所有的数据触发事件及每一数据触发事件包含的第一数据;
数据判断单元:用于判断所述第一数据中是否存在静态数据;
若第一数据中存在静态数据,则判断本地数据库中是否包含所述静态数据,若包含,则将第一数据中的静态数据进行剔除,得到第一动态数据;
反之,则将所述第一数据视为第一动态数据;
数据分类单元:用于按照数据触发事件的事件类型不同对第一动态数据进行第一分类,得到第一分类数据,其中,每一数据触发事件对应一个第一分类子数据。
在一种可能实现的方式中,处理传输模块,包括:
数据筛选单元:用于对第一分类子数据进行子数据筛选,剔除每一第一分类子数据中的无效数据及重复数据,得到初始处理子数据;
数据处理单元:用于对初始处理子数据进行数据标准化处理,得到第一处理子数据,并将所有第一处理子数据整理得到第一处理数据。
在一种可能实现的方式中,第二分类模块,包括:
数据表获取单元:用于获取每一数据触发事件中不同数据影响程度对应的程度等级数据表;
程度计算单元:用于计算第一处理数据中每一处理子数据在对应数据触发事件中的数据影响程度;
等级确定单元:用于将计算得到的数据影响程度填充入程度等级数据表中,并确定每一数据影响程度对应的程度等级;
等级排序单元:用于基于程度等级数据表中所填充的程度等级匹配对应的处理子数据,并基于程度等级的高低进行排序,得到数据-等级表;
分类处理单元:用于将数据-等级表中的处理子数据按照对应程度等级的高低进行分类,得到第二分类子数据,其中,程度等级相同的处理子数据对应唯一第二分类子数据。
在一种可能实现的方式中,数据压缩模块,包括:
节点确定单元:用于基于当前数据的传输储存精度确定最低预设程度,作为核心子数据与边缘子数据的筛选节点;
程度比较单元:用于将数据-等级表中第二分类数据对应不同分类子数据的数据影响程度与最低预设程度进行比较;
核心数据确定单元:用于基于数据影响程度高于预设影响程度的子数据得到核心子数据,基于数据影响程度不高于预设影响程度的子数据得到边缘子数据;
压缩参数获取单元:用于基于核心子数据的数据传输储存精度结合子数据数量匹配对应的数据压缩参数;
数据压缩单元:用于将核心子数据进行数据格式的转化,并基于格式转化后的核心子数据结合数据压缩参数进行数据压缩。
在一种可能实现的方式中,核心数据单元,包括:
核心数据筛选子单元:用于筛选数据影响程度高于预设影响程度的子数据作为初始核心子数据;
信任度判断子单元:用于判断初始核心子数据中每一单一数据的数据信任度;
第一数据确定子单元:用于提取数据信任度低于第一预设数据信任度的单一数据作为第一恶意数据;
综合数据信任度确定子单元:用于基于单一数据的数据信任度确定所对应子数据的综合数据信任度,其中,每个子数据中包含若干单一数据;
第二数据确定子单元:用于当对应子数据的综合数据信任度低于第二预设数据信任度时,则提取对应子数据中全部单一数据作为第二恶意数据;
恶意数据确定子单元:用于将同一子数据对应的第一恶意数据与第二恶意数据进行数据比较,并基于数据比较结果将数据重叠的部分作为对应子数据的恶意数据;
异常检出率确定子单元:用于将数据剔除结果中单一数据的数据量与初始核心子数据中单一数据的数据量的比值作为当前核心子数据的异常数据检出率;
数据来源判断子单元:用于当异常数据检出率高于预设异常检出率时,获取对应子数据的数据来源,对所述数据来源进行预警;
核心数据确定子单元:用于剔除所述数据来源的子数据,同时,将属于同一子数据的边缘子数据中数据影响程度最高的子数据进行提取,作为核心子数据。
在一种可能实现的方式中,数据封存模块,包括:
第一标签获取单元:用于获取每一核心子数据对应的数据触发事件,并基于数据触发事件作为对应核心子数据的第一数据标签;
第二标签获取单元:用于基于每一核心子数据中数据影响程度最高的子数据的数据特征作为对应核心子数据的第二数据标签;
数据标签确定单元:用于将同一核心子数据对应的第一数据标签结合第二数据标签构建对应核心子数据的数据标签;
数据封存单元:用于将数据标签联合对应压缩子数据打包封存在本地数据库中。
在一种可能实现的方式中,数据标签确定单元,包括:
标签筛选块:用于将同一核心子数据对应的第一数据标签及第二数据标签进行有序排列,在进行数据查找验证时,首先基于第一数据标签进行第一数据筛选;
若第一数据筛选结果无唯一所需子数据,则获取对应第二数据标签进行第二数据筛选。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并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,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种物联网系统的结构图;
图2为本发明实施例中数据压缩模块的结构图;
图3为本发明实施例中数据封存模块的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明实施例提供了一种物联网系统,如图1所示,包括:
接收分类模块:用于接收物联网终端设备的数据触发事件及对应第一数据,并基于数据触发事件对第一数据进行第一分类,得到第一分类数据;
处理传输模块:用于将第一分类数据进行数据处理,得到第一处理数据;
第二分类模块:用于根据第一处理数据中每一处理子数据在对应数据触发事件中的数据影响程度进行第二分类,得到第二分类子数据;
数据压缩模块:用于将第二分类数据中不同数据影响程度的分类子数据进行数据筛选,将数据影响程度高于预设程度的核心子数据进行数据压缩;
数据封存模块:获取核心子数据对应的数据触发事件作为当前子数据的数据标签,并联合压缩子数据封存在本地数据库中。
该实施例中,物联网终端设备是指需要进行物联网控制的工业或家居产品,比如,智能家居的物联网终端设备包括:智能冰箱、智能窗帘、智能空调等。
该实施例中,数据触发事件是指物联网终端设备中采集对应数据的数据触发条件,即当数据量或数据特征达到数据触发事件,则触发物联网系统进行数据的采集获取。
该实施例中,第一数据是指物联网终端设备中达到每一触发事件后获取到的对应数据。
该实施例中,第一分类是指将第一数据按照对应数据触发事件的不同进行数据分类。
该实施例中,数据处理是指将第一分类后的第一分类数据剔除无效数据及重复数据,并对剩余子数据进行标准化处理的过程。
该实施例中,第一处理数据是指经过数据处理后的第一分类数据。
该实施例中,数据影响程度是指当前子数据在对应触发事件中的影响程度,其中,数据影响程度的取值范围为(0,1)。
该实施例中,第二分类是指根据第一处理数据中每一子数据对应数据影响程度不同进行分类。
该实施例中,第二分类子数据是根据数据影响程度不同将第一处理数据中的数据进行分类后得到的。
该实施例中,数据筛选是指根据第二分类数据中不同分类子数据对应的数据影响程度不同进行数据筛选,其中,需要将数据影响程度高于预设影响程度的子数据与数据影响程度不高于预设影响程度的子数据进行区分筛选。
该实施例中,核心子数据是指数据影响程度高于预设影响程度的子数据。
该实施例中,数据标签是指将核心子数据对应的数据触发事件作为子数据的数据标签。
该实施例中,封存是指将核心子数据及对应数据标签保存在本地数据库中。
上述技术方案的有益效果是:通过对物联网终端设备的数据及对应触发事件进行分析处理,并结合每一子数据对触发事件的影响程度进行分类筛选,从而实现数据的准确传输,同时对数据影响程度高的数据进行压缩保存,可以更加方便对数据的查找验证。
实施例2:
基于实施例1的基础上,接收分类模块,包括:
数据获取单元:用于获取物联网终端设备所有的数据触发事件及每一数据触发事件包含的第一数据;
数据判断单元:用于判断所述第一数据中是否存在静态数据;
若第一数据中存在静态数据,则判断本地数据库中是否包含所述静态数据,若包含,则将第一数据中的静态数据进行剔除,得到第一动态数据;
反之,则将所述第一数据视为第一动态数据;
数据分类单元:用于按照数据触发事件的事件类型不同对第一动态数据进行第一分类,得到第一分类数据,其中,每一数据触发事件对应一个第一分类子数据。
该实施例中,数据触发事件是指物联网终端设备中采集对应数据的数据触发条件,即当数据量或数据特征达到数据触发事件,则触发物联网系统进行数据的采集获取。
该实施例中,第一数据是指物联网终端设备中达到每一触发事件后获取到的对应数据。
该实施例中,静态数据是指第一数据中不随设备运行而变化的数据。
该实施例中,第一动态数据是指第一数据中随设备运行而发生变化的数据。
该实施例中,第一分类是指将第一动态数据按照对应数据触发事件的不同进行数据分类。
该实施例中,每一数据触发事件对应一个第一分类子数据。
上述技术方案的有益效果是:通过对物联网终端设备的数据及对应触发事件进行分类分析,从而进行数据处理,可以结合每一子数据对触发事件的影响程度进行分类筛选,从而实现数据的准确传输。
实施例3:
基于实施例2的基础上,处理传输模块,包括:
数据筛选单元:用于对第一分类子数据进行子数据筛选,剔除每一第一分类子数据中的无效数据及重复数据,得到初始处理子数据;
数据处理单元:用于对初始处理子数据进行数据标准化处理,得到第一处理子数据,并将所有第一处理子数据整理得到第一处理数据。
该实施例中,无效数据是指在数据传输及分析中不具备数据可信度、准确性或适用性的数据,重复数据是指在同一组数据中出现的两个或更多记录拥有相同数据值的数据。
该实施例中,初始处理子数据是指将第一分类子数据中无效数据及重复数据进行剔除后得到的处理子数据。
该实施例中,数据标准化处理是指对初始处理子数据进行数据的指数化处理,主要包括数据同趋化处理和无量纲化处理两个方面。
该实施例中,第一处理数据是指对初始处理子数据进行标准化处理后得到的第一处理子数据进行整合后得到的处理数据。
上述技术方案的有益效果是:通过对物联网终端设备的数据及对应触发事件进行分类处理,从而结合每一子数据对触发事件的影响程度进行分类筛选,从而实现数据的准确传输。
实施例4:
基于实施例2的基础上,第二分类模块,包括:
数据表获取单元:用于获取每一数据触发事件中不同数据影响程度对应的程度等级数据表;
程度计算单元:用于计算第一处理数据中每一处理子数据在对应数据触发事件中的数据影响程度;
等级确定单元:用于将计算得到的数据影响程度填充入程度等级数据表中,并确定每一数据影响程度对应的程度等级;
等级排序单元:用于基于程度等级数据表中所填充的程度等级匹配对应的处理子数据,并基于程度等级的高低进行排序,得到数据-等级表;
分类处理单元:用于将数据-等级表中的处理子数据按照对应程度等级的高低进行分类,得到第二分类子数据,其中,程度等级相同的处理子数据对应唯一第二分类子数据。
该实施例中,数据影响程度是指当前子数据在对应触发事件中的影响程度,其中,数据影响程度的取值范围为(0,1)。
该实施例中,程度等级数据表是指包含不同数据影响程度及其对应影响程度等级的数据表。
该实施例中,程度等级是指每一子数据对应的数据影响程度在程度等级表中对应的程度等级。
该实施例中,数据-等级表是指基于程度等级数据表中所填充的程度等级匹配对应的处理子数据,并基于程度等级的高低进行排序,得到的数据表。
该实施例中,第二分类子数据是指根据每一子数据对应程度等级进行分类后得到的子数据。
上述技术方案的有益效果是:通过对物联网终端设备中每一子数据对触发事件的影响程度进行分类筛选,结合数据及对应触发事件进行分类处理的处理结果,可以实现数据更加准确的传输。
实施例5:
基于实施例4的基础上,数据压缩模块,如图2所示,包括:
节点确定单元:用于基于当前数据的传输储存精度确定最低预设程度,作为核心子数据与边缘子数据的筛选节点;
程度比较单元:用于将数据-等级表中第二分类数据对应不同分类子数据的数据影响程度与最低预设程度进行比较;
核心数据确定单元:用于基于数据影响程度高于预设影响程度的子数据得到核心子数据,基于数据影响程度不高于预设影响程度的子数据得到边缘子数据;
压缩参数获取单元:用于基于核心子数据的数据传输储存精度结合子数据数量匹配对应的数据压缩参数;
数据压缩单元:用于将核心子数据进行数据格式的转化,并基于格式转化后的核心子数据结合数据压缩参数进行数据压缩。
该实施例中,传输储存精度是指数据进行数据传输及数据存储的精确度。
该实施例中,最低预设程度是基于数据对应传输储存精度确定的,其中,最低预设程度的取值范围一般为(0.4,0.6)。
该实施例中,核心子数据是指数据影响程度高于预设影响程度的子数据,边缘子数据是指数据影响程度不高于预设影响程度的子数据。
该实施例中,数据压缩参数是指进行数据压缩所需要获取的参数,其中,数据压缩参数包括:压缩率、压缩速度、压缩效率等。
该实施例中,数据格式的转化是指将文本型的数据转化为对应的数值型数据。
该实施例中,数据压缩是指根据数据压缩参数及对应的数据压缩算法将核心子数据进行数据压缩。
上述技术方案的有益效果是:通过对数据影响程度高于预设影响程度的子数据进行压缩,并保存到本地数据库,可以更加方便对数据的查找验证,提高设备工作效率。
实施例6:
基于实施例5的基础上,核心数据单元,包括:
核心数据筛选子单元:用于筛选数据影响程度高于预设影响程度的子数据作为初始核心子数据;
信任度判断子单元:用于判断初始核心子数据中每一单一数据的数据信任度;
第一数据确定子单元:用于提取数据信任度低于第一预设数据信任度的单一数据作为第一恶意数据;
综合数据信任度确定子单元:用于基于单一数据的数据信任度确定所对应子数据的综合数据信任度,其中,每个子数据中包含若干单一数据;
第二数据确定子单元:用于当对应子数据的综合数据信任度低于第二预设数据信任度时,则提取对应子数据中全部单一数据作为第二恶意数据;
恶意数据确定子单元:用于将同一子数据对应的第一恶意数据与第二恶意数据进行数据比较,并基于数据比较结果将数据重叠的部分作为对应子数据的恶意数据;
异常检出率确定子单元:用于将数据剔除结果中单一数据的数据量与初始核心子数据中单一数据的数据量的比值作为当前核心子数据的异常数据检出率;
数据来源判断子单元:用于当异常数据检出率高于预设异常检出率时,获取对应子数据的数据来源,对所述数据来源进行预警;
核心数据确定子单元:用于剔除所述数据来源的子数据,同时,将属于同一子数据的边缘子数据中数据影响程度最高的子数据进行提取,作为核心子数据。
该实施例中,数据影响程度是指当前子数据在对应触发事件中的影响程度,其中,数据影响程度的取值范围为(0,1)。
该实施例中,预设影响程度是基于数据对应传输储存精度确定的,其中,最低预设程度的取值范围一般为(0.4,0.6)。
该实施例中,初始核心子数据是指当前数据中数据影响程度高于预设影响程度的子数据。
该实施例中,数据信任度是指当前数据可被信任的预期信任程度。
该实施例中,第一预设数据信任度、第二预设数据信任度是根据物联网终端设备的设备使用信任情况确定的。
该实施例中,第一恶意数据是指初始核心子数据中每一单一数据对应数据信任度低于第一预设数据信任度的单一数据,第二恶意数据是指综合数据信任度低于第二预设数据信任度的子数据中包含的所有单一数据。
该实施例中,综合数据信任度是指根据同一子数据对应的所有单一数据对应数据信任度确定的当前子数据的综合数据信任度。
该实施例中,每一子数据中包含若干单一数据。
该实施例中,数据比较是指将第一恶意数据与第二恶意数据中每一数据进行数据比较。
该实施例中,恶意数据是指第一恶意数据与第二恶意数据中数据重叠部分的数据。
该实施例中,异常数据检出率是指数据剔除结果中单一数据的数据量与初始核心子数据中单一数据的数据量的比值。
该实施例中,数据来源是指当前数据在物联网终端设备的对应子设备。
该实施例中,边缘子数据是指子数据对应数据影响程度不高于预设影响程度的子数据。
上述技术方案的有益效果是:通过对数据影响程度高于预设影响程度的子数据进行数据信任度判断,并根据信任度情况剔除部分数据后进行数据压缩,并保存到本地数据库,可以更加方便对数据的查找验证,提高设备工作效率。
实施例7:
基于实施例6的基础上,数据封存模块,如图3所示,包括:
第一标签获取单元:用于获取每一核心子数据对应的数据触发事件,并基于数据触发事件作为对应核心子数据的第一数据标签;
第二标签获取单元:用于基于每一核心子数据中数据影响程度最高的子数据的数据特征作为对应核心子数据的第二数据标签;
数据标签确定单元:用于将同一核心子数据对应的第一数据标签结合第二数据标签构建对应核心子数据的数据标签;
数据封存单元:用于将数据标签联合对应压缩子数据打包封存在本地数据库中。
该实施例中,数据标签是指包含同一核心子数据的第一数据标签及第二数据标签的标签集合。
上述技术方案的有益效果是:通过对数据影响程度高的数据进行压缩保存,可以更加方便对数据的查找验证,提高设备工作效率。
实施例8:
基于实施例7的基础上,数据标签确定单元,包括:
标签筛选块:用于将同一核心子数据对应的第一数据标签及第二数据标签进行有序排列,在进行数据查找验证时,首先基于第一数据标签进行第一数据筛选;
若第一数据筛选结果无唯一所需子数据,则获取对应第二数据标签进行第二数据筛选。
该实施例中,第一数据标签是指核心子数据对应的数据触发事件,第二数据标签是指每一核心子数据中数据影响程度最高的子数据的数据特征。
该实施例中,查找验证是指基于本地数据库对对应子数据进行查找验证。
该实施例中,第一数据筛选是指根据第一数据标签对本地数据库中的核心子数据进行数据筛选,第二数据筛选是指根据第二数据标签对本地数据库中的核心子数据进行数据筛选。
上述技术方案的有益效果是:通过将数据影响程度高于预设影响程度的数据结合数据标签进行压缩封存,可以更加方便对数据的查找验证,也减少了对物联网云端的访问,加快查找进程,提高设备工作效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种物联网系统,其特征在于,包括:
接收分类模块:用于接收物联网终端设备的数据触发事件及对应第一数据,并基于数据触发事件对第一数据进行第一分类,得到第一分类数据;
处理传输模块:用于将第一分类数据进行数据处理,得到第一处理数据;
第二分类模块:用于根据第一处理数据中每一处理子数据在对应数据触发事件中的数据影响程度进行第二分类,得到第二分类子数据;
数据压缩模块:用于将第二分类数据中不同数据影响程度的分类子数据进行数据筛选,将数据影响程度高于预设程度的核心子数据进行数据压缩;
数据封存模块:获取核心子数据对应的数据触发事件作为当前子数据的数据标签,并联合压缩子数据封存在本地数据库中;
其中,数据压缩模块,包括:
节点确定单元:用于基于当前数据的传输储存精度确定最低预设程度,作为核心子数据与边缘子数据的筛选节点;
程度比较单元:用于将数据-等级表中第二分类数据对应不同分类子数据的数据影响程度与最低预设程度进行比较;
核心数据确定单元:用于基于数据影响程度高于预设影响程度的子数据得到核心子数据,基于数据影响程度不高于预设影响程度的子数据得到边缘子数据;
压缩参数获取单元:用于基于核心子数据的数据传输储存精度结合子数据数量匹配对应的数据压缩参数;
数据压缩单元:用于将核心子数据进行数据格式的转化,并基于格式转化后的核心子数据结合数据压缩参数进行数据压缩。
2.根据权利要求1所述的一种物联网系统,其特征在于,接收分类模块,包括:
数据获取单元:用于获取物联网终端设备所有的数据触发事件及每一数据触发事件包含的第一数据;
数据判断单元:用于判断所述第一数据中是否存在静态数据;
若第一数据中存在静态数据,则判断本地数据库中是否包含所述静态数据,若包含,则将第一数据中的静态数据进行剔除,得到第一动态数据;
反之,则将所述第一数据视为第一动态数据;
数据分类单元:用于按照数据触发事件的事件类型不同对第一动态数据进行第一分类,得到第一分类数据,其中,每一数据触发事件对应一个第一分类子数据。
3.根据权利要求2所述的一种物联网系统,其特征在于,处理传输模块,包括:
数据筛选单元:用于对第一分类子数据进行子数据筛选,剔除每一第一分类子数据中的无效数据及重复数据,得到初始处理子数据;
数据处理单元:用于对初始处理子数据进行数据标准化处理,得到第一处理子数据,并将所有第一处理子数据整理得到第一处理数据。
4.根据权利要求3所述的一种物联网系统,其特征在于,第二分类模块,包括:
数据表获取单元:用于获取每一数据触发事件中不同数据影响程度对应的程度等级数据表;
程度计算单元:用于计算第一处理数据中每一处理子数据在对应数据触发事件中的数据影响程度;
等级确定单元:用于将计算得到的数据影响程度填充入程度等级数据表中,并确定每一数据影响程度对应的程度等级;
等级排序单元:用于基于程度等级数据表中所填充的程度等级匹配对应的处理子数据,并基于程度等级的高低进行排序,得到数据-等级表;
分类处理单元:用于将数据-等级表中的处理子数据按照对应程度等级的高低进行分类,得到第二分类子数据,其中,程度等级相同的处理子数据对应唯一第二分类子数据。
5.根据权利要求1所述的一种物联网系统,其特征在于,核心数据单元,包括:
核心数据筛选子单元:用于筛选数据影响程度高于预设影响程度的子数据作为初始核心子数据;
信任度判断子单元:用于判断初始核心子数据中每一单一数据的数据信任度;
第一数据确定子单元:用于提取数据信任度低于第一预设数据信任度的单一数据作为第一恶意数据;
综合数据信任度确定子单元:用于基于单一数据的数据信任度确定所对应子数据的综合数据信任度,其中,每个子数据中包含若干单一数据;
第二数据确定子单元:用于当对应子数据的综合数据信任度低于第二预设数据信任度时,则提取对应子数据中全部单一数据作为第二恶意数据;
恶意数据确定子单元:用于将同一子数据对应的第一恶意数据与第二恶意数据进行数据比较,并基于数据比较结果将数据重叠的部分作为对应子数据的恶意数据;
异常检出率确定子单元:用于将数据剔除结果中单一数据的数据量与初始核心子数据中单一数据的数据量的比值作为当前核心子数据的异常数据检出率;
数据来源判断子单元:用于当异常数据检出率高于预设异常检出率时,获取对应子数据的数据来源,对所述数据来源进行预警;
核心数据确定子单元:用于剔除所述数据来源的子数据,同时,将属于同一子数据的边缘子数据中数据影响程度最高的子数据进行提取,作为核心子数据。
6.根据权利要求1所述的一种物联网系统,其特征在于,数据封存模块,包括:
第一标签获取单元:用于获取每一核心子数据对应的数据触发事件,并基于数据触发事件作为对应核心子数据的第一数据标签;
第二标签获取单元:用于基于每一核心子数据中数据影响程度最高的子数据的数据特征作为对应核心子数据的第二数据标签;
数据标签确定单元:用于将同一核心子数据对应的第一数据标签结合第二数据标签构建对应核心子数据的数据标签;
数据封存单元:用于将数据标签联合对应压缩子数据打包封存在本地数据库中。
7.根据权利要求6所述的一种物联网系统,其特征在于,数据标签确定单元,包括:
标签筛选块:用于将同一核心子数据对应的第一数据标签及第二数据标签进行有序排列,在进行数据查找验证时,首先基于第一数据标签进行第一数据筛选;
若第一数据筛选结果无唯一所需子数据,则获取对应第二数据标签进行第二数据筛选。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410087703.6A CN117609402B (zh) | 2024-01-22 | 2024-01-22 | 一种物联网系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410087703.6A CN117609402B (zh) | 2024-01-22 | 2024-01-22 | 一种物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117609402A CN117609402A (zh) | 2024-02-27 |
CN117609402B true CN117609402B (zh) | 2024-03-26 |
Family
ID=89960162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410087703.6A Active CN117609402B (zh) | 2024-01-22 | 2024-01-22 | 一种物联网系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609402B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883158A (zh) * | 2011-07-14 | 2013-01-16 | 华为技术有限公司 | 一种参考帧压缩存储和解压方法及装置 |
CN109815096A (zh) * | 2017-11-20 | 2019-05-28 | 北京绪水互联科技有限公司 | 设备故障的分类统计方法和系统及基于关键词统计的设备实时质控方法和系统 |
CN113190682A (zh) * | 2021-06-30 | 2021-07-30 | 平安科技(深圳)有限公司 | 基于树模型的事件影响度获取方法、装置及计算机设备 |
CN115526224A (zh) * | 2021-06-08 | 2022-12-27 | 国际商业机器公司 | 用于信息技术操作的人工智能的随机事件分类 |
CN116016256A (zh) * | 2023-01-04 | 2023-04-25 | 深圳铸泰科技有限公司 | 一种基于物联网平台的网络质量管理系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11769318B2 (en) * | 2020-11-23 | 2023-09-26 | Argo AI, LLC | Systems and methods for intelligent selection of data for building a machine learning model |
-
2024
- 2024-01-22 CN CN202410087703.6A patent/CN117609402B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102883158A (zh) * | 2011-07-14 | 2013-01-16 | 华为技术有限公司 | 一种参考帧压缩存储和解压方法及装置 |
CN109815096A (zh) * | 2017-11-20 | 2019-05-28 | 北京绪水互联科技有限公司 | 设备故障的分类统计方法和系统及基于关键词统计的设备实时质控方法和系统 |
CN115526224A (zh) * | 2021-06-08 | 2022-12-27 | 国际商业机器公司 | 用于信息技术操作的人工智能的随机事件分类 |
CN113190682A (zh) * | 2021-06-30 | 2021-07-30 | 平安科技(深圳)有限公司 | 基于树模型的事件影响度获取方法、装置及计算机设备 |
CN116016256A (zh) * | 2023-01-04 | 2023-04-25 | 深圳铸泰科技有限公司 | 一种基于物联网平台的网络质量管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117609402A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751451B (zh) | 一种实验室大数据管理系统 | |
CN110362473B (zh) | 测试环境的优化方法及装置、存储介质、终端 | |
CN107329983B (zh) | 一种机器数据分布式存储、读取方法及系统 | |
CN105373894A (zh) | 基于稽查数据的电力营销业务诊断模型的建立方法及系统 | |
CN112463859B (zh) | 基于大数据和业务分析的用户数据处理方法及服务器 | |
CN111242170B (zh) | 食品检验检测项目预知方法及装置 | |
CN118200950B (zh) | 一种电信基站的巡检方法及系统 | |
CN115617784A (zh) | 一种信息化配电的数据处理系统及其处理方法 | |
CN114297140A (zh) | 一种基于人工智能的档案管理系统 | |
CN110611715B (zh) | 一种服务链路集合云监控信息的系统和方法 | |
CN113806343B (zh) | 一种车联网数据质量的评估方法和系统 | |
CN116150191A (zh) | 一种用于云端数据架构的数据运算加速方法及系统 | |
CN117609402B (zh) | 一种物联网系统 | |
CN114049016A (zh) | 指标相似性判断方法、系统、终端设备及计算机存储介质 | |
CN113283512A (zh) | 数据异常检测方法、装置、设备及存储介质 | |
CN112434886A (zh) | 一种预测客户抵押贷款违约概率的方法 | |
CN113095666B (zh) | 一种实验室能力验证与指标判定系统及方法 | |
CN111159251A (zh) | 一种异常数据的确定方法及装置 | |
CN110532758B (zh) | 一种针对群组的风险识别方法及装置 | |
CN113592216A (zh) | 一种应用于智能工厂的生产管理方法和系统 | |
CN117056576B (zh) | 一种基于大数据平台的数据质量灵活验证方法 | |
CN117333006B (zh) | 一种进出口工业产品风险信息监测系统及方法 | |
CN114741609B (zh) | 一种教学资源检索系统 | |
CN105989032A (zh) | 一种海量数据的信息处理方法及装置 | |
CN117932132B (zh) | 一种塑料制品研发数据处理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |