无人机辅助的农业物联网恶意软件传播的控制方法及装置制造方法及图纸

本发明专利技术公开了一种无人机辅助的农业物联网恶意软件传播的控制方法及装置，包括：S1、建立无人机辅助的农业物联网系统；S2、对无人机辅助的农业物联网系统中恶意软件的传播进行分析后建立双层异构SIRD传染病模型；S3、基于最优控制理论和混杂控制系统理论设计针对恶意软件传播的混杂最优控制策略；S4、建立基于粒子群算法优化的stacking集成学习模型，使用基于粒子群算法优化的stacking集成学习模型拟合混杂最优控制策略，基于拟合的stacking集成学习模型对系统恶意软件传播进行实时控制。本发明专利技术可以实现无人机辅助的农业物联网恶意软件传播的控制。软件传播的控制。软件传播的控制。

【技术实现步骤摘要】
无人机辅助的农业物联网恶意软件传播的控制方法及装置


[0001]本专利技术涉及恶意软件传播领域，尤其是涉及一种无人机辅助的农业物联网恶意软件传播的控制方法及装置。

技术介绍

[0002]近年来，农业物联网，精准农业，智慧农业等已经成为现代农业的主要发展方向。通过引入无线通信和传感网，云计算和管理，自动化等技术，对农业生产进行全方位的监测和管理，使农场更高效的运作，产生更高的效益。农业物联网在农业生产中被广泛应用，指的是运用各类传感器、视觉采集器等感知设备，广泛地采集农场环境和农作物各项指标的现场信息，通过无线通信手段将信息传递给云平台，然后将获取的大量农业信息进行分析和处理，最后通过云终端和现场终端实现农业的智能化管理和自动化生产。与此同时，无人机由于其便携性、多功能性，越来越多地运用到农业物联网中，形成无人机辅助的农业物联网系统。无人机可以在设定的农场区域快速移动，和农场中的各种感知设备进行通信，实现下达指令，充电，采集现场信息等功能；可以携带高清摄像头，在空中监测农作物的生长状况和虫害情况；某些自动作业无人机还可以在农场实现洒水、喷农药、采摘、收割等自动化无人作业。无人机辅助的农业物联网系统也面临着一些安全问题，农场中的物联网常常暴露在开放环境中，各种传感器设备需要频繁进行通信，并且为了节省能量延长寿命，通常不具有完备的防御系统，所以很容易受到恶意软件的威胁和入侵，恶意软件入侵物联网系统后会大范围传播、窃取数据、破坏数据，导致系统功能缺少或瘫痪，造成巨大经济损失。

技术实现思路

[0003]本专利技术的目的在于提供一种无人机辅助的农业物联网恶意软件传播的控制方法及装置，旨在解决恶意软件传播的问题。
[0004]本专利技术提供一种无人机辅助的农业物联网恶意软件传播的控制方法，包括：
[0005]一种无人机辅助的农业物联网恶意软件传播的控制方法，包括：
[0006]S1、建立无人机辅助的农业物联网系统；
[0007]S2、对无人机辅助的农业物联网系统中恶意软件的传播进行分析后建立双层异构SIRD传染病模型；
[0008]S3、基于最优控制理论和混杂控制系统理论设计针对恶意软件传播的混杂最优控制策略；
[0009]S4、建立基于粒子群算法优化的stacking集成学习模型，使用基于粒子群算法优化的stacking集成学习模型拟合混杂最优控制策略，基于拟合的stacking集成学习模型对系统恶意软件传播进行实时控制。
[0010]本专利技术实施例还提供一种无人机辅助的农业物联网恶意软件传播的控制装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述方法的步骤。
[0011]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述方法的步骤。
[0012]采用本专利技术实施例，可以实现无人机辅助的农业物联网恶意软件传播的控制。
[0013]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0014]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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。
[0015]图1是本专利技术实施例的无人机辅助的农业物联网恶意软件传播的控制方法的流程图
[0016]图2是本专利技术实施例的无人机辅助的农业物联网恶意软件传播的控制方法的SIRD传染病模型示意图；
[0017]图3是本专利技术实施例的无人机辅助的农业物联网恶意软件传播的控制方法的无人机移动示意图；
[0018]图4是本专利技术实施例的无人机辅助的农业物联网恶意软件传播的控制方法的集成学习模型设计流程图；
[0019]图5是本专利技术实施例的无人机辅助的农业物联网恶意软件传播的控制装置示意图。
具体实施方式
[0020]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0021]方法实施例
[0022]根据本专利技术实施例，提供了一种无人机辅助的农业物联网恶意软件传播的控制方法，图1是本专利技术实施例的无人机辅助的农业物联网恶意软件传播的控制方法的流程图，如图1所示，具体包括：
[0023]S1、建立无人机辅助的农业物联网系统；
[0024]S1具体包括：建立地面无线传感器网络和无人机网络，无线传感器网络和无人机网络进行通信和数据传输。
[0025]无线传感器网络包括：环境传感器，用于监测环境的温湿度、光照度和风向环境指标，土壤传感器，用于监测土壤的温湿度和酸碱度，水质传感器，用于监测水的酸碱度、微量元素和浊度。
[0026]无人机网络包括：多架无人机，所述多架无人机设有摄像头。
[0027]无人机辅助的农业物联网系统由农场中大量的无线传感器和无人机群，远端基站和云平台组成，主要是无人机群和地面无线传感器群这两个群体完成农场现场的各项任务。
[0028]2.针对地面无线传感器网络和无人机网络的恶意软件传播问题，建立双层异构SIRD传染病模型。
[0029]此模型具有以下特点：
[0030](1)模型同时具有时间延迟和脉冲特性，是一个混杂模型。
[0031](2)特别考虑了防御节点(D)。
[0032](3)由于各节点连通性和功能不同，模型是异构的双层交叉传播模型，并对交叉感染率进行了详细的建模分析。上下两层分别是无人机网络和地面无线传感器网络的恶意软件传播模型。
[0033]S2、对无人机辅助的农业物联网系统中恶意软件的传播进行分析后建立双层异构SIRD传染病模型；
[0034]S2具体包括：S2具体包括：在无人机网络层中，未感染的无人机会被已感染的无人机感染，感染率为β1iΘ1；同理在地面无线传感器网络层，未感染的传感器会被已感染的传感器感染，感染率为β2iΘ2；两层的节点能够相互传播恶意软件，无人机网络层节点被无线传感器网络层节点感染的交叉感染率为β
12
，无线传感器网络层节点被无人机网络层节点感染的交叉感染率为β
21
；易感节点感染恶意软件后会转化为感染节点，感染节点的功能会被恶意软件破坏，并且传播恶意软件；感染节点通过打修复补丁的方式转化为康复节点，上下两层已感染节点的康复率分别为γ1和γ2；康复节点可以清除恶意软件并免受其入侵，在一段时间后会失去免疫功能并且转化为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机辅助的农业物联网恶意软件传播的控制方法，其特征在于，包括：S1、建立无人机辅助的农业物联网系统；S2、对无人机辅助的农业物联网系统中恶意软件的传播进行分析后建立双层异构SIRD传染病模型；S3、基于最优控制理论和混杂控制系统理论设计针对恶意软件传播的混杂最优控制策略；S4、建立基于粒子群算法优化的stacking集成学习模型，使用基于粒子群算法优化的stacking集成学习模型拟合混杂最优控制策略，基于拟合的stacking集成学习模型对系统恶意软件传播进行实时控制。2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：建立地面无线传感器网络和无人机网络，无线传感器网络和无人机网络进行通信和数据传输。3.根据权利要求2所述的方法，其特征在于，所述无线传感器网络包括：环境传感器，用于监测环境的温湿度、光照度和风向环境指标，土壤传感器，用于监测土壤的温湿度和酸碱度，水质传感器，用于监测水的酸碱度、微量元素和浊度。4.根据权利要求3所述的方法，其特征在于，所述无人机网络包括：多架无人机，所述多架无人机设有摄像头。5.根据权利要求1所述的方法，其特征在于，所述S2具体包括：在无人机网络层中，未感染的无人机会被已感染的无人机感染，感染率为β1iΘ1；同理在地面无线传感器网络层，未感染的传感器会被已感染的传感器感染，感染率为β2iΘ2；两层的节点能够相互传播恶意软件，无人机网络层节点被无线传感器网络层节点感染的交叉感染率为β
12
，无线传感器网络层节点被无人机网络层节点感染的交叉感染率为β
21
；易感节点感染恶意软件后会转化为感染节点，感染节点的功能会被恶意软件破坏，并且传播恶意软件；感染节点通过打修复补丁的方式转化为康复节点，上下两层已感染节点的康复率分别为γ1和γ2；康复节点可以清除恶意软件并免受其入侵，在一段时间后会失去免疫功能并且转化为易感节点，上下两层的免疫失效率分别为σ1和σ2；在无线传感器网络和无人机网络中，对于防御节点，易感节点以脉冲的方式安装升级补丁，然后转化为防御节点，两层的脉冲转化率分别为a1＝θ1(t
k
)S1(t
k
)和a2＝θ2(t
k
)S2(t
k
)；防御节点以缓慢的失效率σ3和σ4重新转化为易感节点；由于故障或需要执行新任务等原因，无人机和无线传感器需要更换，Λ1和Λ2分别是无人机网络层节点和无线传感器网络层节点的加入率，μ1和μ2分别是无人机网络层节点和无线传感器网络层节点的淘汰率；由于各节点连通性和功能不同，需要将模型建立成异构模型，各种状态的节点以度i作为区分，i＝1，2，......，K表示每种状态的节点均被分成K个集合，每个集合的节点连通性和功能是相同的；根据节点的度建立其中的p(i)是度为i的节点的概率分布，<i>是节点的平均度，N1和N2分别是上层和下层的节点总数；根据随机方向移动理论对交叉感染率β
12
和β
21
进行设计，整个农场面积为L
×
Lm2，总的研究时间为T
sum
，在一个阶段中，无人机朝目标位置飞行的移动时间为T
m
，到达目标位置后
的停留时间为T
p
，则在总的研究时间中无人机共经历了个阶段，无人机的平均移动速度为v；无人机在时间T
sum
内覆盖的总面积为设计无人机对地面无线传...

【专利技术属性】
技术研发人员：刘贵云，张杰钊，
申请(专利权)人：广州大学，
类型：发明
国别省市：