一种物联网异常数据识别方法和系统与流程

本发明属于物联网的安全控制技术领域，具体涉及一种物联网异常数据识别方法和系统。

背景技术：

物联网，即“万物相连的互联网”，是在互联网基础上延伸和扩展的网络，其通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等检测设备，实时采集任何需要监控、连接、互动的物体或过程，得到其声、光、热、电、力学、化学、生物、位置等各种需要的信息，并通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。并且物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。

物联网的安全问题非常重要，物联网的安全性主要受到两个方面的影响，一方面是检测设备自身检测准确性的影响，另一方面是由外界入侵对物联网造成影响。

为了保证物联网的安全性，需要对其中的异常数据进行识别，并在出现异常数据时采取措施。现有技术中对物联网异常数据的识别比较简单，对于检测设备自身检测准确性只通过阈值进行识别，即将检测到的数据与阈值比较，根据其与阈值的大小关系判断其是否一行；对于外界入侵，都是采用加密的方式来保证物联网的安全性。

由于物联网中检测设备的检测目标可能会受到外界环境的影响而变化，加密可能被破解，因此这两种方法的安全性和可靠性都比较差。

技术实现要素：

本发明的目的是提供一种物联网异常数据识别方法和系统，用于对物联网中的异常数据进行识别，解决现有技术中对物联网数据识别准确性较差的问题，能够提高物联网的安全性和可靠性。

为实现上述目的，本发明的采用如下技术方案：

一种物联网异常数据识别方法，其特征在于，包括如下步骤：

(1)获取本周期检测设备在当前时刻所发出的数据量；

获取当前时刻所在周期前设定数量周期内与当前时刻相对应时刻检测设备所发出的数据量，根据该数据量判断当前时刻的数据量是否异常；

(2)获取当前时刻所在周期前一周期内检测设备在各时刻所发出的数据，得到前一周期的数据变化模型；

将前一周期的数据变化模型作为本周期的数据变化模型，预测当前时刻检测设备所发出的数据；

判断预测出的当前时刻检测设备发出的与检测到的当前时刻检测设备所发出的数据的差值是否大于设定数据差，如果大于，则判断为当前时刻检测设备所发出的数据异常；

所述周期根据检测设备所检测目标的变化周期确定。

进一步的，还包括如下步骤：获取本周期的天气信息，根据本周期的天气信息与上一周期的天气信息中对检测设备的影响程度对所述设定数据差进行修正。

进一步的，所述步骤(1)中获取当前时刻所在周期前设定数量的周期内与当前时刻相对应时刻检测设备所发出的数据量后计算其平均值，判断该平均值与本周期检测设备在当前时刻所发出数据量的差值是否大于设定数据量；如果大于，则判断为当前时刻的数据量异常。

进一步的，所述数据变化模型为：

y＝a0+a1x+a2x²+a3x³+a4x⁴+a5x⁵

其中y为检测设备在时刻x所发出的数据，a0、a1、a2、a3、a4、a5分别为相应的系数。

进一步的，所述检测设备的检测量为温度、光照强度、湿度和/或粉尘浓度。

一种物联网异常数据识别系统，包括控制器和存储器，存储器上存储有用于在所述控制器执行的计算机程序；所述控制器执所述计算机程序时实现如下步骤：

(1)获取本周期检测设备在当前时刻所发出的数据量；

获取当前时刻所在周期前设定数量周期内与当前时刻相对应时刻检测设备所发出的数据量，根据该数据量判断当前时刻的数据量是否异常；

(2)获取当前时刻所在周期前一周期内检测设备在各时刻所发出的数据，得到前一周期的数据变化模型；

将前一周期的数据变化模型作为本周期的数据变化模型，预测当前时刻检测设备所发出的数据；

判断预测出的当前时刻检测设备发出的与检测到的当前时刻检测设备所发出的数据的差值是否大于设定数据差，如果大于，则判断为当前时刻检测设备所发出的数据异常；

所述周期根据检测设备所检测目标的变化周期确定。

进一步的，还包括如下步骤：获取本周期的天气信息，根据本周期的天气信息与上一周期的天气信息中对检测设备的影响程度对所述设定数据差进行修正。

进一步的，所述步骤(1)中获取当前时刻所在周期前设定数量的周期内与当前时刻相对应时刻检测设备所发出的数据量后计算其平均值，判断该平均值与本周期检测设备在当前时刻所发出数据量的差值是否大于设定数据量；如果大于，则判断为当前时刻的数据量异常。

进一步的，所述数据变化模型为：

y＝a0+a1x+a2x²+a3x³+a4x⁴+a5x⁵

其中y为检测设备在时刻x所发出的数据，a0、a1、a2、a3、a4、a5分别为相应的系数。

进一步的，所述检测设备的检测量为温度、光照强度、湿度和/或粉尘浓度。

本发明的有益效果：本发明所提供的技术方案，根据连续几个周期的数据量判断当前时刻的数据量是否异常，根据上周期当前时刻的数据预测当前时刻的数据，并根据预测值和实际值的差值判断当前时刻的数据是否异常。由于连续周期内检测设备所检测的数据变化量较小，因此本发明所提供的技术方案能够准确判断出当前时刻检测设备检测到的数据是否异常，能够提高物联网的安全性和可靠性，解决现有技术中对物联网数据识别准确性较差的问题。

附图说明

图1是本发明方法实施例中物联网异常数据识别方法的流程；

图2是本发明方法实施例中判断物联网中各检测设备所发送的数据量是否异常的流程图；

图3是本发明方法实施例中判断检测设备所检测到的数据是否存在异常的流程图。

具体实施方式

方法实施例：

本实施例提供一种物联网异常数据识别方法，用于对物联网中的异常数据进行识别，解决现有技术中对物联网数据识别准确性较差的问题，能够提高物联网的安全性和可靠性。

本实施例所提供的物联网异常数据识别方法，其流程如图1所示，包括如下步骤：

(1)判断物联网中各检测设备所发送的数据量是否异常。

当物联网中被入侵时物联网中主控设备所接收到的检测设备所发送的数据量会增加，当检测设备出现故障而停止工作时主控设备所接收到的检测设备所发送的数据量会减少，因此通过判断物联网中各检测设备所发送的数据量是否异常可提高物联网的安全性和可靠性。

本实施例中判断物联网中各检测设备所发送数据量是否异常方法的流程如图2所示，以对一种检测设备所发送数据量的判断为例，包括如下步骤：

获取本周期检测设备在当前时刻所发出的数据量，设该数据量为v0；

获取本周期前设定数量个周期内与当前时刻相对应时刻检测设备所发出的数据量，计算其平均值；如在本周期当前时刻为t，设定数量为n，那么获取本周期前n个周期内从零时刻到时刻t检测设备所发出的数据量，设其分别为v1、v2……vn，则计算出的平均值为：

计算v0和平均值之间的差值，判断其是否大于设定数据量；如果大于，则判断为该时刻的数据量异常。

本实施例中周期根据检测设备所检测目标的变化周期确定，如对于温度传感器、湿度传感器、光照强度传感器、粉尘浓度传感器等检测设备，其检测目标都是以自然日为周期变化的，因此其周期为一个自然日。

(2)判断检测设备所检测到的数据是否存在异常。

相邻两个周期内检测设备相应时刻检测到的数据比较接近，因此如果相邻两个周期内检测设备在相应时刻检测到的数据差值比较大，即可判断出该检测设备检测到的数据出现异常。

本实施例中判断物联网中各检测设备所发送数据量是否异常方法的流程如图3所示，以对一种检测设备所发送数据量的判断为例，包括如下步骤：

获取该时刻前一周期内数据的变化模型；一周期内数据的变化模型，是指在一个周期内数据与时间之间的对应关系；

将前一周期内数据的变化模型作为本周期的数据变化模型，计算出该时刻的数据预测值；

将该时刻的数据预测值与检测设备检测到的实际值进行比较，判断两者之间的差值是否大于设定数据差值；如果大于，则判断为当前时刻检测设备所检测到的数据异常。

本实施例中的数据变化模型为：

y＝a0+a1x+a2x²+a3x³+a4x⁴+a5x⁵

其中y为检测设备在时刻x所发出的数据，a0、a1、a2、a3、a4、a5分别为相应的系数；在建立一个周期内数据变化模型时，从该周期内选取六个时刻的数据值代入到该数据变化模型中，得到一个包含各系数的方程组，然后对方程组求解，计算出各系数的值，得到一个周期的数据变化模型。

当连续两个周期天气急剧变化时，会影响异常数据识别的准确性，因此为了消除天气因素对异常数据识别结果所造成的影响，本实施例所提供的物联网异常数据识别方法还包括如下步骤：

获取本周期天气信息，将其与前一周期内的天气信息进行对比，根据两个周期内天气变化信息对设定差值进行修正。

当两个周期内的天气发生较大的变化时，各检测设备检测到的数据也会产生相应的变化，尤其是温度、湿度、光照强度和粉尘浓度。

以温度变化为例，设上一周期内与当前时刻对应时刻的天气温度为t1，本周期该时刻的天气温度为t2，设定数据差值为t，则修正后的设定差值为：

t′＝m×t×t2/t1+δt

其中m为权重值，δt为常量。

本实施例中的检测设备为温度传感器、光照强度传感器、湿度传感器和粉尘浓度传感器中的一种或多种，用于检测环境的温度、光照强度、湿度和粉尘浓度。

系统实施例：

本实施例提供一种物联网异常数据识别系统，包括控制器和存储器，存储器上存储有用于在控制器执行的计算机程序，控制器执计算机程序时实现如上述方法实施例中所提供的物联网异常数据识别方法。

以上公开的本发明的实施例只是用于帮助阐明本发明的技术方案，并没有尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。