[发明专利]一种基于边缘计算的区域异常监测方法

说明书

本发明公开了基于边缘计算的区域异常监测方法和边缘计算设备，涉及区域异常监测技术领域；监测方法包括如下步骤：边缘计算设备获取接入边缘计算设备的多个物联网设备采集的监控特征数据；预设所用处理模型，并将采集到的的特征数据进行输入模型中；进行边缘计算；身份验证；数据读取，计算设备包括数据获取模块、计算处理模块、身份验证模块和结果输出模块。本发明主要采用了基于距离的边缘计算方法和基于密度的边缘计算方法计算提取数据中的异常点数据，基于距离的边缘计算方法基于索引的方法依赖多维索引结构，通过将一个整集分为若干维，再通过搜索每一维中的异常点数据，最后进行汇总，提高了异常点数据分析提取的准确性和全面性。

技术领域

本发明涉及区域异常监测技术领域，尤其涉及一种基于边缘计算的区域异常监测方法。

背景技术

随着IOT(物联网)的发展，设备大规模接入物联网，在终端设备上产生的海量数据在提供商业价值的同时，也对大数据风控提出了新的挑战，即在保证隐私的同时监测异常数据。

经检索，中国公开号为CN109947079A公开了一种基于边缘计算的区域异常检测方法和边缘，其包括：边缘计算设备获取接入所述边缘计算设备的多个物联网设备采集的监控特征数据，其中所述多个物联网设备属于同一指定区域；将所述多个物联网设备的监控特征数据作为异常检测随机森林模型的输入，以预测所述指定区域是否发生异常，其中，所述异常检测随机森林模型包括基于所述多个物联网设备的监控特征数据分别训练得到的多颗随机森林决策树。

上述专利由于使用整个数据集合进行建模分析，由于监测数据的数量较多，整个数据库较大，直接利用集合建模分析，可能会导致数据异常点的漏提，从而无法保证数据的准确性和全面性。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于边缘计算的区域异常监测方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于边缘计算的区域异常监测方法，包括如下步骤：

S1：边缘计算设备获取接入边缘计算设备的多个物联网设备采集的监控特征数据；

S2：预设所用处理模型，并将采集到的监控特征数据输入到模型中；

S3：进行边缘计算，并且分析异常数据；

S4：身份验证，验证操作人员身份信息；验证成功后，可通过边缘计算设备读取异常数据信息。

优选地：所述S3中，边缘计算方法包括基于特征数据直接距离的边缘计算方法和基于特征数据直接密度的的边缘计算方法。

优选地：所述基于特征数据直接距离的边缘计算方法包括如下步骤：

S11:将所有监控特征数据输入数据集S中，并将数据集S中的某一个数据点称为，代表所述数据点横纵坐标值；

S12：如果数据点满足特定性质，采用异常数据点的横纵坐标值来代替，表示所有的基于统计的异常数据点。

优选地：所述S12中，特定性质为：数据集中有数据点与数据点的距离大于，其算法为：基于索引的方法依赖多维索引结构，通过对最近邻查询或数据点为中心的范围查询的回答来实现寻找所有数据点基于多为索引结构R-trees或kd-tree算法复杂度是，其中是维数，是数据点数，代表数据点。

优选地：所述基于特征数据直接密度的的边缘计算方法包括：

S21：对象P的距离称为，对任一的自然数，定义P的距离及为P和某个对象之间的距离，此处数据点需要满足预设条件；

S22：对象P的距离邻域称为，给定的P的距离为，P的距离邻域包含所有与P的距离不超过的对象，即；