一种物联网设备行为画像方法与流程

本发明涉及物联网、云计算和人工智能技术领域，具体地说是一种物联网设备行为画像方法。

背景技术：

近年来，物联网技术发展迅速，其所引发的不仅是第四次工业革命，包括对农业、工业、服务业等人类社会基本业态，都会产生深远影响，从而对整个人类社会的生产和生活方式带来革命。物联网产业从应用示范期，到标准形成期，再到现在产业全面成熟期，物联网技术已从单纯技术上升到一种经济形态的新经济形态。

物联网中存在海量的智能终端设备，其产生的数据量也规模巨大，云计算技术的推广普及和云基础设施及平台的建设，使得这些海量终端的实时动态管理以及智能分析变得可能。随着产业的成熟，能够支持不同互联协议、允许海量设备的接入、并能集成多种支撑服务的共性技术平台将是物联网产业发展成熟的结果。通用物联网平台的出现将大大降低开发物联网应用的门槛，传统的物联网应用开发将转向平台，而随着近几年人工智能技术的发展，特别是用户画像技术，通过对海量数据进行分析，进而挖掘出数据背后潜在的商业价值。

用户画像通过收集分析用户的社会属性、生活习性、消费行为等数据，进而分析抽象出一个用户的信息全貌。在物联网环境下，通用物联网平台已经解决了部分设备接入的问题，在这种情况下，如何能有效地分析物联网中的智能设备终端的行为，对其进行行为画像成为亟需解决的问题。

技术实现要素：

本发明的技术任务是提供一种物联网设备行为画像方法。

本发明的技术任务是按以下方式实现的，该方法是将用户画像系统与物联网平台相结合，通过对采集得到的智能终端设备的行为数据进行分析、特征提取、放置标签的处理，最终生成多维度的设备行为画像，并生成模型回馈给物联网平台。

所述的物联网平台负责智能终端设备的数据采集，通过数据通道向画像系统提供设备行为数据，通过restfulapi接口将设备的基本信息开放给画像系统，并调用画像系统来完成行为画像相关的个性化服务。

所述的数据通道为flume数据通道或kafka数据通道。

所述的设备行为数据包括数据上传的时间间隔，数据量的大小，设备管理频率的信息。

该方法的具体操作步骤如下：

步骤1）画像系统根据实际需求制定相应的标签规则，确定需要采集的设备行为数据；

步骤2）物联网平台收集智能终端设备的行为数据；

步骤3）物联网平台的日志文件流通过flume数据通道或kafka数据通道发送给所述的画像系统的日志分析器进行处理，日志分析器处理后得到结构化的数据，交给特征提取器进行处理；

步骤4）物联网平台的结构化数据发送到kafka消息队列，所述的画像系统的特征提取器负责读取消息队列数据并进行处理；

步骤5）画像系统的特征提取器根据标签规则库，为物联网智能终端设备打上标签；

步骤6）物联网平台将设备基本信息进行匿名化，再提供给所述的画像系统的多维度画像生成器；

步骤7）画像系统的多维度画像生成器利用设备行为学习模型对收集的数据进行处理，在学习过程中生成设备行为画像模型，并对标签规则库进行优化更新，最终生成多维度的设备画像；

步骤8）画像系统的多维度画像生成器得到的画像模型以服务的方式开放给所述的物联网平台，用于设备预测性维护、设备通信网络拥塞预测、设备个性化服务的应用方面。

一种物联网设备行为画像的系统，该系统包括画像系统和物联网平台；所述的物联网平台负责智能终端设备的数据采集，通过flume数据通道或kafka数据通道向画像系统提供设备行为数据，并将设备的基本信息开放给画像系统，同时调用画像系统来完成行为画像相关的个性化服务。

所述的画像系统由日志分析器、特征提取器、标签规则库、设备行为学习模型、多维度画像生成器、设备行为画像模型和服务使能开放组成。

所述的日志分析器负责将收集的日志文件进行结构化处理；

特征提取器来提取行为数据的特征；

标签规则库用来设定标签所对应的规则；

设备行为学习模型用来采用机器学习算法对数据进行分析；

多维度画像生成器根据实际的需求进行设备行为画像的生成；

设备行为画像模型为通过所述的物联网平台提供的行为数据生成的画像模型；

服务使能开放则将基于画像系统的服务开放出来。

本发明的一种物联网设备行为画像方法和现有技术相比，具有以下特点：

1）将用户画像技术与物联网平台相结合，利用物联网平台来采集智能终端设备的数据，这样充分的利用了物联网平台的资源；

2）通过消息队列进行数据集成，有效的实现了画像系统与物联网平台的对接；

3）画像系统通过对采集得到的智能终端设备的行为数据进行分析、特征提取、放置标签等处理，最终生成多维度的设备行为画像，并能生成模型回馈给物联网平台，在这个过程中，将会持续改进画像模型和优化标签规则库；

4）物联网平台可以结合画像系统，用于设备预测性维护、设备通信网络拥塞预测、设备个性化服务等方面；

5）物联网平台提供的设备基本信息会进行匿名化，这将有效的保护物联网设备的隐私。

附图说明

附图1为一种物联网设备行为画像方法的流程图；

附图2为画像系统与物联网平台系统结构图；

附图3为画像系统组成结构示意图。

具体实施方式

实施例1：

该物联网设备行为画像的系统包括画像系统和物联网平台；所述的物联网平台负责智能终端设备的数据采集，通过flume数据通道向画像系统提供设备行为数据，并将设备的基本信息开放给画像系统，同时调用画像系统来完成行为画像相关的个性化服务。

所述的画像系统由日志分析器、特征提取器、标签规则库、设备行为学习模型、多维度画像生成器、设备行为画像模型和服务使能开放组成。

日志分析器负责将收集的日志文件进行结构化处理；

特征提取器来提取行为数据的特征；

标签规则库用来设定标签所对应的规则；

设备行为学习模型用来采用机器学习算法对数据进行分析；

多维度画像生成器根据实际的需求进行设备行为画像的生成；

设备行为画像模型为通过所述的物联网平台提供的行为数据生成的画像模型；

服务使能开放则将基于画像系统的服务开放出来。

该物联网设备行为画像方法的具体操作步骤如下：

步骤1）画像系统根据实际需求制定相应的标签规则，确定需要采集的设备行为数据；

步骤2）物联网平台收集智能终端设备的行为数据；

步骤3）物联网平台的日志文件流通过flume数据通道发送给所述的画像系统的日志分析器进行处理，日志分析器处理后得到结构化的数据，交给特征提取器进行处理；

步骤4）物联网平台的结构化数据发送到kafka消息队列，所述的画像系统的特征提取器负责读取消息队列数据并进行处理；

步骤5）画像系统的特征提取器根据标签规则库，为物联网智能终端设备打上标签；

步骤6）物联网平台将设备基本信息进行匿名化，再提供给所述的画像系统的多维度画像生成器；

步骤7）画像系统的多维度画像生成器利用设备行为学习模型对收集的数据进行处理，在学习过程中生成设备行为画像模型，并对标签规则库进行优化更新，最终生成多维度的设备画像；

步骤8）画像系统的多维度画像生成器得到的画像模型以服务的方式开放给所述的物联网平台，用于设备预测性维护、设备通信网络拥塞预测、设备个性化服务的应用方面。

实施例2：

该物联网设备行为画像的系统包括画像系统和物联网平台；所述的物联网平台负责智能终端设备的数据采集，通过kafka数据通道向画像系统提供设备行为数据，并将设备的基本信息开放给画像系统，同时调用画像系统来完成行为画像相关的个性化服务。

所述的画像系统由日志分析器、特征提取器、标签规则库、设备行为学习模型、多维度画像生成器、设备行为画像模型和服务使能开放组成。

日志分析器负责将收集的日志文件进行结构化处理；

特征提取器来提取行为数据的特征；

标签规则库用来设定标签所对应的规则；

设备行为学习模型用来采用机器学习算法对数据进行分析；

多维度画像生成器根据实际的需求进行设备行为画像的生成；

设备行为画像模型为通过所述的物联网平台提供的行为数据生成的画像模型；

服务使能开放则将基于画像系统的服务开放出来。

该物联网设备行为画像方法的具体操作步骤如下：

步骤1）画像系统根据实际需求制定相应的标签规则，确定需要采集的设备行为数据；设备行为数据可以包括数据上传的时间间隔，数据量的大小，设备管理频率，设备故障情况等信息；

步骤2）物联网平台收集智能终端设备的行为数据；

步骤3）物联网平台的日志文件流通过kafka数据通道发送给所述的画像系统的日志分析器进行处理，例如日志文件是有一定格式的文本文件，日志分析器处理后得到结构化的数据，交给特征提取器进行处理；

步骤4）物联网平台的结构化数据发送到kafka消息队列，所述的画像系统的特征提取器负责读取消息队列数据并进行处理；这里消息队列由物联网平台产生消息，画像系统负责消费消息；

步骤5）画像系统的特征提取器根据标签规则库，为物联网智能终端设备打上标签；

步骤6）物联网平台将设备基本信息（profile）进行匿名化，再提供给所述的画像系统的多维度画像生成器；这里匿名化主要是将设备标识采用伪码替换，无法通过标识对应的具体的设备；

步骤7）画像系统的多维度画像生成器利用设备行为学习模型对收集的数据进行处理，在学习过程中生成设备行为画像模型，并对标签规则库进行优化更新，最终生成多维度的设备画像；例如判定数据量为1m/天为大数据量标签，但是根据实际的情况，会对规则进行调整优化，最终更加符合实际的网络和存储环境；而最终生成的设备画像会包含各类标签，比如某智能设备经过计算得到画像，可能的标签：网络流量大、高频率连接、存储需求大、故障率低。

步骤8）画像系统的多维度画像生成器得到的画像模型以服务的方式开放给所述的物联网平台，用于设备预测性维护、设备通信网络拥塞预测、设备个性化服务的应用方面。

通过上面具体实施方式，所述技术领域的技术人员可容易的实现本发明。但是应当理解，本发明并不限于上述的几种具体实施方式。在公开的实施方式的基础上，所述技术领域的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。