[发明专利]一种基于物联网的信息保护系统在审

专利信息
申请号: 202110882917.9 申请日: 2021-08-02
公开(公告)号: CN113468497A 公开(公告)日: 2021-10-01
发明(设计)人: 刘前刚;周筠 申请(专利权)人: 刘前刚
主分类号: G06F21/32 分类号: G06F21/32;G06F21/44;G06F21/60;G06K9/62;G06N3/04;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 336305 江西*** 国省代码: 江西;36
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 基于 联网 信息 保护 系统
【权利要求书】:

1.一种基于物联网的信息保护系统,其特征在于,所述基于物联网的信息保护系统包括:

网络可信性检测模块,与中央控制模块连接,用于通过网络可信性检测程序进行网络可信性的检测,得到网络可信性检测结果;

所述通过网络可信性检测程序进行网络可信性的检测,得到网络可信性检测结果,包括:对不同类型的网络进行特征提取;通过广义回归神经网络结合模糊聚类算法对提取的特征进行迭代和训练得出的聚类结果;根据所述聚类结果以及改进的关联属性判定算法计算不同类型的网络的可信性;

所述通过广义回归神经网络结合模糊聚类算法对提取的特征进行迭代和训练得出的聚类结果,包括:

根据模糊聚类算法将数据进行分类,并计算每类的聚类中心;

FCM把n个向量xk分为c个模糊类,并求每类的聚类中心ci,从而使模糊目标函数最小;

模糊聚类的目标函数为:

其中,dij=||ci-xj||为样本向量距离中心点的欧式距离,ci是第i类的中心,m为样本个数,j为属性列;每一聚类中心的计算公式为:

通过隶属度函数计算隶属度值,构成模糊矩阵;

隶属度函数为:

从模糊矩阵中选择训练样本,作为广义神经网络的训练输入;

在模糊矩阵中选择距离中心值最小的m个样本作为训练样本,通过n*m组数据作为广义神经网络的训练输入;其中,n为根据模糊聚类算法将入侵数据分类的个数,m为1~5之间的数据;

根据广义神经网络的训练输入,预测输出入侵数据类别;所述广义神经网络由输入层、模式层、求和层和输出层四级结构组成;

将数据重新分为n类,找出最靠近每类中心值的样本作为训练样本;得出聚类结果;

网络连接模块,与中央控制模块连接,用于通过网络连接程序依据网络可信性检测结果进行可信网络的获取,并进行可信网络的连接;

用户信息获取模块,与中央控制模块连接,用于通过用户信息获取程序获取用户信息;

用户信息验证模块,与中央控制模块连接,用于通过用户信息验证程序进行用户信息的验证;

中央控制模块,与网络可信性检测模块、网络连接模块、用户信息获取模块、用户信息验证模块连接,用于通过主控机控制各连接模块的运行,保证各个模块正常运行。

2.如权利要求1所述基于物联网的信息保护系统,其特征在于,所述基于物联网的信息保护系统还包括:

访问权限获取模块,与中央控制模块连接,用于通过访问权限获取程序在用户信息通过验证后获取访问权限;

数据信息选择模块,与中央控制模块连接,用于通过数据信息选择程序在访问中进行数据信息的选择,得到选定的数据信息;

数据加密模块,与中央控制模块连接,用于通过数据加密程序进行选定的数据信息的加密,得到加密数据;

数据传输模块,与中央控制模块连接,用于通过数据传输程序进行加密数据的传输;

攻击检测模块,与中央控制模块连接,用于通过攻击检测程序进行数据传输过程中的攻击检测。

3.如权利要求1所述基于物联网的信息保护系统,其特征在于,所述根据所述聚类结果以及改进的关联属性判定算法计算不同类型的网络的可信性,包括:

对规则库进行分段;对每个分段选取随机样本进行挖掘,读取频繁项集;

根据所述频繁项集生成候选项集;

扫描所述数据库,确定每一候选集的支持度,删除支持度小于阈值的候选项集;

合并分段样本的频繁项集,并扫描验证;

根据对应类别属性的可信性权重向量,再次调整规则的可信性。

4.如权利要求1所述基于物联网的信息保护系统,其特征在于,所述用户信息包括用户基本信息与用户人脸信息;所述用户基本信息包括用户手机号码、用户登录密码。

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刘前刚,未经刘前刚许可,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/202110882917.9/1.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