本发明专利技术涉及物联网通信技术领域,尤其涉及用于HVAC的物联网设备通信异常检测方法及系统,方法包括:获取物联网设备之间的在先数据,将在先数据分为远期数据和近期数据;构建第一检测模型及第二检测模型;根据远期数据与近期数据的分布相似度设定第一检测模型及第二检测模型的权重,生成目标检测模型;将物联网设备进行通信的实时数据输入至目标检测模型,得到目标异常值,基于目标异常值判断实时数据是否正常;持续采集实时数据,基于预设时段更新远期数据及近期数据,对更新后的远期数据进行筛选得到信任数据;基于信任数据、更新后的远期数据及更新后的近期数据动态更新目标检测模型。本发明专利技术具有长效的精确检测物联网通信异常的能力。
【技术实现步骤摘要】
本专利技术涉及物联网通信,尤其涉及用于hvac的物联网设备通信异常检测方法及系统。
技术介绍
1、暖通空调(heating,ventilation and air conditioning,简称hvac)是指室内负责暖气、通风及空气调节的系统或相关设备。暖通空调系统可以控制空气的温度及湿度,提高室内的舒适度,广泛应用于中大型工业建筑或办公建筑中。
2、现有大型建筑物中的暖通空调系统包含的空气处理设备复杂多样,而且随着建筑设施的现代化建设,通常都会采用物联网技术对空气处理设备进行通信控制及管理,但是由于空气处理设备以及物联网通信系统设备具有多样性,整个物联网系统可能会存在各种各样的安全漏洞,留下如远程登录端口开放、系统固件过时、敏感数据传输未加密等隐患。这些隐患会导致物联网通信容易被黑客恶意攻击或者出现系统故障,尤其是对物联网中比较重要的通信行为如智能设备管理、智能设备交换机的交付控制、重要信息通信、设备的维护运行等,会因为一些人为或自然产生的异常,对物联网的正常通信造成破坏,影响暖通空调系统的正常运转。
3、因此,在暖通空调系统中利用物联网环境下的通信数据来检测异常,并针对异常采取相应的措施能够有效地保护暖通空调系统正常运转。当然,这种针对物联网通信数据的异常检测方法还可以应用于其他领域,如更贴近生活的智能家居,推动社会智能发展的智慧城市,推动生产力发展的工业物联网以及应用互联网思维的车联网等。面对物联网的广阔应用前景,构建准确高效的异常检测模型是保障物联网安全通信的一个重要并且十分紧迫的问题。
<
br/>技术实现思路
1、为了解决上述技术问题,本专利技术提供了用于hvac的物联网设备通信异常检测方法及系统。
2、本专利技术采用以下技术方案:用于hvac的物联网设备通信异常检测方法,所述方法包括:
3、获取物联网设备之间的在先数据,基于时序将所述在先数据分为远期数据和近期数据;
4、基于k均值聚类算法将所述远期数据作为训练样本构建第一检测模型,基于孤立森林算法将所述近期数据作为训练样本构建第二检测模型;
5、根据所述远期数据与所述近期数据的分布相似度设定所述第一检测模型及所述第二检测模型的权重,生成目标检测模型;
6、将物联网设备进行通信的实时数据输入至所述目标检测模型,得到目标异常值,基于所述目标异常值判断所述实时数据是否正常;
7、持续采集所述实时数据,基于预设时段更新所述远期数据及所述近期数据,对更新后的所述远期数据进行筛选得到信任数据;
8、基于所述信任数据、更新后的所述远期数据及更新后的所述近期数据动态更新所述目标检测模型,以实现对物联网设备之间的通信数据持续检测。
9、本专利技术一实施例的用于hvac的物联网设备通信异常检测方法,通过将在线数据分为远期数据和近期数据,并分别用远期数据和近期数据训练第一检测模型和第二检测模型,再利用两组数据的分布相似度将两个检测模型融合,有效提高了物联网通信数据异常检测的准确性;再通过定期的更新远期数据和近期数据,并从远期数据中筛选信任数据用于更新目标检测模型,使得目标检测模型能够基于时序持续更新,避免初始采集的在先数据与未来采集的通信数据存在偏差时目标检测模型不适应未来采集数据的情况,使得目标检测模型具有长效的精确检测物联网通信异常的能力,为暖通空调系统的物联网通信提供保障。
10、进一步的,获取物联网设备之间的在先数据,基于时序将所述在先数据分为远期数据和近期数据的步骤具体包括:
11、获取物联网设备之间进行通信的在先数据,所述在先数据为带有时戳的数据流,设所述在先数据的时间跨度为t,记为;
12、基于时序将所述在先数据分为远期数据和近期数据,分别记为和,其中,为所述远期数据的时间跨度,为所述近期数据的时间跨度,且,;
13、令,其中,n的取值基于所述在先数据的大小而定。
14、进一步的,在所述基于时序将所述在先数据分为远期数据和近期数据之前,将所述在先数据进行归一化处理,步骤具体包括:
15、设每个所述在先数据为a,则进行归一化处理后的每个所述在先数据记为:
16、
17、其中,为所述在先数据所对应特征的最大值,为所述在先数据所对应特征的最小值。
18、进一步的,基于k均值聚类算法将所述远期数据作为训练样本构建第一检测模型的步骤具体包括:
19、基于k均值聚类算法设所述远期数据具有n个历史样本,记每个所述历史样本为,其中,;从所述历史样本中选取k个样本作为类簇中心,记所述类簇中心为,其中,;
20、计算剩余的所述历史样本到k个所述类簇中心的欧氏距离:
21、
22、其中,为第个所述历史样本到k个所述类簇中心的欧氏距离;
23、根据所述欧氏距离的值将所述历史样本划分为k个簇,记每个簇为,其中,;每个簇内具有多个样本,计算每个簇内的样本的平均值,并基于该平均值选择样本中心点,记为;
24、基于所述样本中心点进行聚类迭代,直至聚类结果不再变化为止,并将每个所述历史样本到每个簇的所述样本中心点的距离作为所述历史样本的检测结果,得到第一检测模型:
25、
26、其中,为第y个簇的所述样本中心点,为第个所述历史样本,k为簇的数量,为第个所述历史样本的异常值。
27、进一步的,基于孤立森林算法将所述近期数据作为训练样本构建第二检测模型的步骤具体包括:
28、基于所述孤立森林算法将每个所述近期数据在所有孤立树中的路径长度平均值作为所述近期数据的检测结果,从而得到第二检测模型:
29、
30、其中,所述近期数据具有q个当前样本,第b个所述当前样本记为,为第b个所述当前样本轮询全部孤立树时轮询的全部长度和的平均值,为树高度的归一化系数,,为调和函数。
31、进一步的,根据所述远期数据与所述近期数据的分布相似度设定所述第一检测模型及所述第二检测模型的权重,生成目标检测模型的步骤具体包括:
32、计算所述远期数据与所述近期数据的分布相似度:
33、
34、其中,;
35、令所述第一检测模型的权重及所述第二检测模型的权重为:
36、
37、
38、其中,为预设参数,和分别为权重的最大值及最小值;
39、则所述目标检测模型为:
40、
41、其中,为所述第一检测模型,为所述第二检测模型。
42、进一步的,基于所述目标异常值判断所述实时数据是否正常的步骤具体包括:
43、若所述目标异常值大于等于预设的异常阈值,则判定当前的所述实时数据异常;
44、若所述目标异常值小于预设的异常阈值,则判定当前的所述实时数据正常。
45、进一步的,持续采集所述实时数据,基于预设时段更新所述远本文档来自技高网
...
【技术保护点】
1.用于HVAC的物联网设备通信异常检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,获取物联网设备之间的在先数据,基于时序将所述在先数据分为远期数据和近期数据的步骤具体包括:
3.根据权利要求1所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,在所述基于时序将所述在先数据分为远期数据和近期数据之前,将所述在先数据进行归一化处理,步骤具体包括:
4.根据权利要求1所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,基于k均值聚类算法将所述远期数据作为训练样本构建第一检测模型的步骤具体包括:
5.根据权利要求4所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,基于孤立森林算法将所述近期数据作为训练样本构建第二检测模型的步骤具体包括:
6.根据权利要求5所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,根据所述远期数据与所述近期数据的分布相似度设定所述第一检测模型及所述第二检测模型的权重,生成目标检测模型的步骤具体包括:</p>7.根据权利要求1所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,基于所述目标异常值判断所述实时数据是否正常的步骤具体包括:
8.根据权利要求2所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,持续采集所述实时数据,基于预设时段更新所述远期数据及所述近期数据,对更新后的所述远期数据进行筛选得到信任数据的步骤具体包括:
9.根据权利要求1所述的用于HVAC的物联网设备通信异常检测方法,其特征在于,基于所述信任数据、更新后的所述远期数据及更新后的所述近期数据动态更新所述目标检测模型的步骤具体包括:
10.用于HVAC的物联网设备通信异常检测系统,其特征在于,所述系统包括:
...
【技术特征摘要】
1.用于hvac的物联网设备通信异常检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的用于hvac的物联网设备通信异常检测方法,其特征在于,获取物联网设备之间的在先数据,基于时序将所述在先数据分为远期数据和近期数据的步骤具体包括:
3.根据权利要求1所述的用于hvac的物联网设备通信异常检测方法,其特征在于,在所述基于时序将所述在先数据分为远期数据和近期数据之前,将所述在先数据进行归一化处理,步骤具体包括:
4.根据权利要求1所述的用于hvac的物联网设备通信异常检测方法,其特征在于,基于k均值聚类算法将所述远期数据作为训练样本构建第一检测模型的步骤具体包括:
5.根据权利要求4所述的用于hvac的物联网设备通信异常检测方法,其特征在于,基于孤立森林算法将所述近期数据作为训练样本构建第二检测模型的步骤具体包括:
6.根据权利要求5所述的用...
【专利技术属性】
技术研发人员:李康,罗方,熊泽民,熊浩,梁思涛,王冬林,
申请(专利权)人:江西省通信产业服务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。