[发明专利]一种物联网安全预警系统有效

专利信息
申请号: 201910673303.2 申请日: 2019-07-24
公开(公告)号: CN110225067B 公开(公告)日: 2021-08-24
发明(设计)人: 陈鹏;路施为;胡逸漪;章丽娟;刘旭 申请(专利权)人: 上海戎磐网络科技有限公司
主分类号: H04L29/06 分类号: H04L29/06;H04L29/08;G06N3/04
代理公司: 成都顶峰专利事务所(普通合伙) 51224 代理人: 何红信
地址: 200000 上海市长宁区*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 联网 安全 预警系统
【权利要求书】:

1.一种物联网安全预警系统,其特征在于:包括边缘计算装置(1)和AI哨兵终端(2),其中,所述边缘计算装置(1)部署在物联网进出口处且星型连接所述AI哨兵终端(2)和若干物联网终端(3);

所述边缘计算装置(1)用于针对第一物联网终端,按照如下步骤S101~S108进行安全异常识别:

S101.获取第一物联网终端在不同单位时间内收发的多份第一网络数据以及标记各份第一网络数据的网络流量异常类型,其中,所述网络流量异常类型包括无异常类型和异常类型,并针对各种网络流量异常类型,对应第一网络数据的份数不少于100份;

S102.针对各份第一网络数据,解析获取对应的网络流量特征值集合,其中,所述网络流量特征值集合包含有M2个不同维度的网络流量特征值,M为不小于3的自然数;

S103.针对各份第一网络数据,根据对应的网络流量特征值集合生成对应的且具有M*M个像素点的第一网络流量特征灰度图;

S104.将各份第一网络数据的第一网络流量特征灰度图及对应标记的网络流量异常类型作为一次训练样本,导入到卷积神经网络模型中进行网络流量异常识别训练,其中,将第一网络数据的第一网络流量特征灰度图作为样本输入数据,将与第一网络流量特征灰度图对应的网络流量异常类型作为样本校验数据;

S105.获取第一物联网终端在最新单位时间内收发的第二网络数据;

S106.针对第二网络数据,按照与处理第一网络数据相同的方式生成对应的且具有M*M个像素点的第二网络流量特征灰度图;

S107.将第二网络数据的第二网络流量特征灰度图导入到经过所述步骤S104完成网络流量异常识别训练的卷积神经网络模型中进行网络流量异常识别预测,得到不同网络流量异常类型的归属概率;

S108.判断网络流量异常类型为异常类型的归属概率是否超过第一阈值,若超过则判定出现网络流量异常,然后禁止第一物联网终端收发网络数据,以及将本次异常识别结果传送至所述AI哨兵终端(2);

所述AI哨兵终端(2)用于在收到异常识别结果时发出警报。

2.如权利要求1所述的一种物联网安全预警系统,其特征在于,在所述步骤S103中按照如下方式生成第一网络流量特征灰度图:

S301.针对网络流量特征值集合中的各个网络流量特征值,按照如下公式进行范围值介于0~255之间的数值映射:

式中,Ri为第i维网络流量特征值的映射值,round()为四舍五入取整函数,vi为第i维网络流量特征值,vmax为当前获取所有第i维网络流量特征值中的最大值,vmin为当前获取所有第i维网络流量特征值中的最小值,i为介于1~M2之间的自然数;

S302.针对网络流量特征值集合中的各个网络流量特征值,逐个地将对应映射值作为一个像素点的灰度值,得到具有M*M个像素点的第一网络流量特征灰度图。

3.如权利要求1所述的一种物联网安全预警系统,其特征在于:在所述步骤S104中,所述卷积神经网络模型包括输入层、卷积层、激活函数层、全连接层、舍弃层和输出层;

所述输入层用于导入第一网络流量特征灰度图和第二网络流量特征灰度图;

所述卷积层用于对导入的网络流量特征灰度图进行卷积操作,其中,构造有N个大小为m*m*1的卷积核,N为大于8的自然数,m为不小于3且不大于M的自然数;

所述激活函数层用于对卷积层的输出结果进行激活,其中,选择Sigmoid函数作为激活函数;

所述全连接层用于将在卷积层中各个卷积核所产生的特征图映射到一个样本标记空间;

所述舍弃层用于将全连接层中的且随机选择的部分神经元在每次传播或更新过程中设置为0,防止出现过度拟合现象;

所述输出层用于输出不同网络流量异常类型的归属概率,其中,采用Softmax分类器来判定导入网络流量特征灰度图的对应网络流量异常类型及计算不同网络流量异常类型的归属概率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海戎磐网络科技有限公司,未经上海戎磐网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910673303.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top