一种物联网网关系统及实现方法与流程

本发明涉及数字通信，尤其涉及一种物联网网关系统及实现方法。

背景技术：

1、物联网是指通过互联网将各种物理设备连接起来，实现设备之间的数据交换和通信，在物联网系统中，物联网网关扮演着连接设备和互联网的重要角色，负责数据收集、处理和转发等任务。然而，传统的物联网网关实现方法往往对物联网设备只是进行普通的连接，没有考虑到对连接线路的优化来提高设备效率以及降低延迟，并且对于连接线路的安全也没有保障。

技术实现思路

1、基于此，本发明提供一种物联网网关系统及实现方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种物联网网关实现方法，包括以下步骤：

3、步骤s1：根据预设的物联网设备范畴对物联网设备进行标记，生成标记设备；获取数据库中标记设备的设备参数；对设备参数进行仿真运行，并进行异常值剔除，生成安全模拟设备数据；

4、步骤s2：基于安全模拟设备数据进行设备之间最小通信距离的网络拓扑建立，生成设备网络拓扑图；利用多重加密技术对设备网络拓扑图进行数据加密，以获得加密网络拓扑图；

5、步骤s3：对加密网络拓扑图进行数据带宽路径分析，生成带宽路径数据；对带宽路径数据进行最佳带宽路径计算，获得最佳带宽路径数据；利用最佳带宽路径数据对网关设备进行网关连接，生成网关连接路径数据；

6、步骤s4：对网关连接路径数据进行迭代监测及网关地址设置，生成网关地址数据。

7、本发明通过对物联网设备进行标记，可以对设备进行分类和归类，这有助于管理和组织大量的设备，并为后续的数据处理和分析提供基础。获取数据库中标记设备的设备参数可以提供详细的设备信息，包括传感器数据、设备状态、硬件规格等，这些信息对于后续的仿真运行和数据处理至关重要。通过对设备参数进行仿真运行，可以生成虚拟的设备数据，这有助于模拟真实设备的行为和性能，并提供可用于测试和分析的数据集，在仿真运行期间，可以通过检测和剔除异常值来提高数据的质量和可信度，剔除异常值可以减少对后续分析和决策的干扰，确保所使用的数据准确可靠。基于安全模拟设备数据，可以确定设备之间的最小通信距离，即设备之间的物理连接或通信路径，通过建立设备网络拓扑图，可以清晰地了解物联网中各设备之间的连接关系和拓扑结构。利用多重加密技术对设备网络拓扑图进行数据加密，可以增强网络的安全性和隐私保护，加密网络拓扑图可以防止未经授权的访问和恶意攻击，确保拓扑信息的机密性和完整性。对加密网络拓扑图进行数据带宽路径分析可以确定各设备之间的通信路径和带宽利用情况，这有助于了解网络中数据传输的瓶颈和瓶颈节点，为后续的优化和决策提供基础。通过对带宽路径数据进行最佳带宽路径计算，可以确定数据传输的最佳路径，这有助于优化网络性能，减少数据传输的延迟和拥塞，并提高数据传输的效率和可靠性。利用最佳带宽路径数据，可以对网关设备进行网关连接，将网关与物联网设备进行有效的连接，这有助于实现物联网设备的互联互通，并提供可靠的网关服务，生成的网关连接路径数据可以为后续的监测和管理提供参考。对网关连接路径数据进行迭代监测可以确保网关连接的稳定性和可靠性，通过监测网络连接状态、数据传输情况等指标，可以及时发现并解决潜在的问题，保证物联网系统的正常运行。对网关连接路径数据进行网关地址设置可以为网关设备分配唯一的标识符或地址，这有助于区分和识别不同的网关设备，并确保数据在物联网中的正确路由和传递。因此，本发明的物联网网关实现方法往往对物联网设备只是进行通过分析设备之间的通信距离以及连接线路的带宽路径进行网关连接，使得用户操控设备时效率提高，并且降低了数据延迟；利用多重加密技术对连接线路进行加密保障了线路的安全，防止黑客的窃取。

8、优选地，步骤s1包括以下步骤：

9、步骤s11：根据预设的物联网设备范畴对物联网设备进行标记，生成标记设备；

10、步骤s12：获取数据库中标记设备的设备参数；

11、步骤s13：基于标记设备进行数据建模，并利用设备参数进行仿真运行，以生成模拟设备数据；

12、步骤s14：利用模拟设备异常检测数学公式对模拟设备数据进行模拟设备数据异常检测计算，生成模拟设备数据的异常检测数据；

13、步骤s15：利用预设的模拟设备异常阈值对异常检测数据进行异常判断，当异常检测数据大于模拟设备异常阈值时，将异常检测数据对应的模拟设备数据标记为异常模拟设备数据；当异常检测数据不大于模拟设备异常阈值时，将异常检测数据对应的模拟设备数据标记为安全模拟设备数据；

14、步骤s16：将异常模拟设备数据进行剔除。

15、本发明通过对物联网设备进行标记，可以将它们按照预设的设备范畴进行分类和归类，这有助于管理和组织大量的设备，并为后续的数据处理和分析提供基础。获取数据库中标记设备的设备参数可以提供详细的设备信息，包括传感器数据、设备状态、硬件规格等，这些信息对于后续的仿真运行和数据处理至关重要。通过对标记设备进行数据建模和仿真运行，可以生成虚拟的设备数据，这有助于模拟真实设备的行为和性能，并提供可用于测试和分析的数据集。通过应用异常检测数学公式对模拟设备数据进行计算，可以识别数据中的异常模式或异常值，这有助于发现设备行为的异常情况，提供早期预警和故障诊断的依据。利用设定模拟设备异常阈值，可以对异常检测数据进行判断，将超过阈值的数据标记为异常模拟设备数据，而不超过阈值的数据标记为安全模拟设备数据，有助于进一步区分和分类设备数据，为后续处理和分析提供基础。剔除异常模拟设备数据，可以净化数据集，提高数据的准确性和可信度，这有助于避免异常数据对后续分析和决策的干扰，确保所使用的数据具有可靠性。

16、优选地，步骤s14中的模拟设备异常检测数学公式如下所示：

17、；

18、式中，p表示为模拟设备数据的异常检测数据，x表示为根据模拟设备数据生成的设备能量数据，a表示为设备能量数据的均值数据，b表示为设备能量数据的波动程度，t表示为模拟设备数据的周期长度，k表示为模拟设备数据的使用频率衰减速率，τ表示为异常检测数据的异常调整值。

19、本发明利用一种模拟设备异常检测数学公式，该公式充分考虑了根据模拟设备数据生成的设备能量数据x、设备能量数据的均值数据a、设备能量数据的波动程度b、模拟设备数据的周期长度t、模拟设备数据的使用频率衰减速率k以及函数之间的相互作用关系，以形成函数关系式：

20、即，，利用指数函数将根据模拟设备数据生成的设备能量数据进行指数变换，调整设备能量数据的分布形态和偏态，并根据设备能量数据的均值数据计算设备能量数据的集中趋势，以及根据设备能量数据的波动程度计算设备能量数据的变化幅度，从而初步检测出数据的异常；通过对数函数对设备能量数据进行映射和转换，将其压缩到[0, 1]的范围内，这有助于判断设备能量数据是否超出正常范围；利用正弦函数对模拟设备数据的周期长度与模拟设备数据的使用频率衰减速率进行周期性的异常检测，这有助于检测出周期性的异常模式或频率异常。指数函数和正弦函数的应用能够对设备能量数据进行变换和调整，引入非线性和周期性特征，增强了对不同类型的异常模式的识别能力。不同类型的异常模式可能表现为能量水平的突然变化、周期性振荡或其他非常规模式，通过引入非线性和周期性变换，可以更准确地捕捉这些异常模式。通过综合设备能量数据的均值、波动程度、周期长度和使用频率衰减速率等参数，并应用指数函数和正弦函数进行数据变换，提高对模拟设备数据异常的检测能力，使得异常模式更容易被检测到，从而提高对物联网设备行为异常的识别和预警能力。利用异常检测数据的异常调整值τ对函数关系式进行调整修正，减少异常数据或误差项带来的误差影响，从而更准确地生成模拟设备数据的异常检测数据p，提高了对模拟设备数据进行模拟设备数据异常检测计算的准确性和可靠性。同时该公式中的调整值可以根据实际情况进行调整，应用于不同的模拟设备数据中，提高了算法的灵活性与适用性。

21、优选地，步骤s2包括以下步骤：

22、步骤s21：基于安全模拟设备数据进行设备之间的网络拓扑建立，生成初始网络拓扑图；

23、步骤s22：利用最小生成树算法对初始网络拓扑图进行最小通信距离计算及节点优化，生成设备网络拓扑图；

24、步骤s23：利用哈希算法对设备网络拓扑图进行节点哈希计算，生成节点哈希摘要；

25、步骤s24：利用非对称加密对节点哈希摘要进行数据加密，以获得加密网络拓扑图。

26、本发明通过基于安全模拟设备数据建立设备之间的网络拓扑，可以确定设备之间的连接关系和拓扑结构，这有助于了解物联网中设备的布局和通信路径，为后续的网络优化和管理提供基础。通过最小生成树算法计算初始网络拓扑图的最小通信距离，可以优化设备之间的通信距离，优化后的设备网络拓扑图能够缩短通信路径，减少数据传输的延迟和丢失，提高通信效率和可靠性，节点优化可以根据设备的特性、传输需求和拓扑结构等因素，调整设备节点的位置和连接关系，进一步优化网络性能和资源利用。通过对设备网络拓扑图进行哈希计算，可以生成节点哈希摘要，节点哈希摘要是对拓扑图的数字指纹，用于验证拓扑图的完整性和防止未经授权的更改，这有助于保护网络拓扑的数据完整性，防止拓扑图被篡改或操纵。通过应用非对称加密算法对节点哈希摘要进行加密，可以提高网络拓扑图的数据安全性，加密网络拓扑图能够防止未经授权的访问和篡改，确保拓扑图的机密性和完整性，增强物联网系统的安全性。

27、优选地，步骤s22包括以下步骤：

28、步骤s221：利用模拟设备通信距离优化算法对安全模拟设备数据进行通信距离计算，生成设备通信距离；

29、步骤s222：利用最小生成树算法与设备通信距离对初始网络拓扑图进行最小通信距离的网络节点优化调整，生成设备网络拓扑图。

30、本发明通过模拟设备通信距离优化算法，可以计算设备之间的通信距离，这有助于确定设备之间的通信路径和距离关系，为后续的网络优化和节点调整提供基础，计算设备之间的通信距离，可以优化通信路径，减少通信延迟和丢包率，提高通信性能和数据传输的效率。通过最小生成树算法结合设备通信距离，可以对初始网络拓扑图进行节点优化调整，优化后的设备网络拓扑图能够缩短通信路径，减少数据传输的延迟和丢失，提高通信效率和可靠性，最小生成树算法可以优化设备之间的连接关系，使得网络中的节点间通信路径最短且经济高效，这有助于最大程度地利用可用的网络资源，提高物联网系统的资源利用效率。

31、优选地，步骤s221中的模拟设备通信距离优化算法如下所示：

32、；

33、式中，k表示为安全模拟设备数据的设备通信距离，c表示为安全模拟设备数据在空间中的信号频率，d表示为安全模拟设备数据的发射信号强度，f表示为设备通信之间的路径损耗，g表示为设备通信之间的噪声功率，m表示为设备通信时接收设备的接收功率，ω表示为传播信号的波长，θ表示为设备之间的夹角，μ表示为设备通信距离的异常调整值。

34、本发明利用一种模拟设备通信距离优化算法，该算法充分考虑了安全模拟设备数据在空间中的信号频率c、安全模拟设备数据的发射信号强度d、设备通信之间的路径损耗f、设备通信之间的噪声功率g、设备通信时接收设备的接收功率m、传播信号的波长ω、设备之间的夹角θ以及函数之间的相互作用关系，以形成函数关系式：

35、即，，通信距离是指设备之间可以进行可靠通信的最大距离，通过计算安全模拟设备数据相关的各项参数和变量，可以调整设备之间的通信距离，使其在最佳范围内，以提高通信的可靠性和效率；设备通信之间的路径损耗是指信号在传播过程中由于信号衰减、散射和阻抗匹配等原因而减弱的情况，考虑了设备通信之间的路径损耗，能够准确反映信号在传播过程中的减弱情况，通过考虑路径损耗因素，可以更准确地估计设备之间的通信距离，避免信号过度衰减或不足的问题；设备通信之间的噪声功率是指通信系统中存在的随机噪声引起的功率损失，通过考虑噪声功率因素，可以更准确地评估设备之间的通信距离，提高通信系统的抗干扰能力和通信质量。通过传播信号的波长与设备之间的夹角够在计算中综合考虑设备的位置和朝向，通过考虑传播信号的波长与设备之间的夹角关系因素，可以优化设备之间的通信距离，避免信号传播的阻挡或多径传播的问题。通过优化算法中的参数和计算公式，能够精准采集到设备之间的通信距离，降低噪声与路径损耗影响，使得结果达到预想值，改善信号传输质量，提升网络性能，并具备异常情况校正的能力，提高物联网系统的通信效率、可靠性和鲁棒性，提供更好的用户体验和应用支持。

36、优选地，步骤s3包括以下步骤：

37、步骤s31：对模拟设备数据进行历史带宽数据提取，生成设备历史带宽数据；

38、步骤s32：利用卷积神经网络算法对设备历史带宽数据进行特征提取处理，生成设备带宽特征数据；

39、步骤s33：基于加密网络拓扑图与设备带宽特征数据进行带宽路径分析，生成带宽路径数据；

40、步骤s34：利用最短路径算法对带宽路径数据进行最佳带宽路径计算，以获得最佳带宽路径数据；

41、步骤s35：利用最佳带宽路径数据对网关设备进行网关连接，生成网关连接路径数据。

42、本发明模拟设备数据进行历史带宽数据提取，可以获取设备在过去一段时间内的带宽使用情况，这有助于了解设备的带宽需求和使用模式，为后续的带宽路径分析和优化提供基础。通过卷积神经网络算法对设备历史带宽数据进行特征提取，可以从数据中提取出关键的特征信息，有助于捕捉设备的带宽使用模式、周期性变化和趋势等重要特征，为后续的带宽路径分析和最佳带宽路径计算提供更准确的输入数据。通过将加密网络拓扑图与设备带宽特征数据结合，进行带宽路径分析，可以确定设备之间的带宽需求和传输路径，有助于了解网络中的瓶颈和优化潜力，并为后续的最佳带宽路径计算提供基础。应用最短路径算法对带宽路径数据进行计算，可以确定设备之间的最佳带宽路径，最佳带宽路径可以使数据传输更高效、稳定和可靠，减少数据传输的延迟和拥塞，提升整体系统性能和用户体验。通过利用最佳带宽路径数据对网关设备进行网关连接，可以实现对物联网设备的有效连接和集中管理，这有助于优化网络架构，提高数据的传输效率和可靠性，并为后续的监测和管理提供基础。

43、优选地，步骤s32包括以下步骤：

44、步骤s321：将设备历史带宽数据进行时间序列上的数据划分，分别生成历史带宽训练集与历史带宽测试集；

45、步骤s322：利用卷积神经网络算法建立历史带宽数据与带宽特征的映射关系，以生成初始带宽特征预测模型；

46、步骤s323：利用带宽训练集对初始带宽特征预测模型进行模型训练，生成带宽特征预测模型；

47、步骤s324：将带宽测试集传输至带宽特征预测模型中进行带宽数据特征提取，生成设备带宽特征数据。

48、本发明将设备历史带宽数据划分为训练集和测试集，可以确保模型的训练和评估过程的独立性和准确性，训练集用于建立预测模型，而测试集用于验证模型的泛化能力和性能。通过卷积神经网络算法，建立历史带宽数据与带宽特征之间的映射关系，这有助于从历史带宽数据中提取关键特征，并将其转化为可用于预测的带宽特征数据。使用带宽训练集对初始带宽特征预测模型进行训练，可以使模型学习历史带宽数据中的模式和规律，模型训练的目标是通过优化算法调整模型的参数和权重，以最大程度地拟合训练数据，并实现对未知数据的准确预测。通过将带宽测试集传输至带宽特征预测模型中，可以从测试数据中提取带宽特征数据，这些特征数据反映了设备的带宽使用模式、趋势和变化，可以用于后续的带宽路径分析和最佳带宽路径计算。

49、优选地，步骤s4包括以下步骤：

50、步骤s41：对网关连接路径数据进行运行状况均值计算，生成均值网关连接数据；

51、步骤s42：利用网络监控设备对网络连接路径数据进行运行状况实时采集处理，生成实时网关连接数据；

52、步骤s43：基于均值网关连接数据进行网关连接的安全数据区间设计，生成网关安全连接区间；

53、步骤s44：将实时网关连接数据与网关安全连接区间进行网关连接安全的实时比对处理，当实时网关连接数据不处于网关安全连接区间时，将网关连接路径数据进行剔除，并返回步骤s33，以生成迭代的网络连接路径数据；当实时网关连接数据处于网关安全连接区间时，进行步骤s45；

54、步骤s45：根据网络连接路径数据进行网关地址设置，生成网关地址数据。

55、本发明通过对网关连接路径数据进行运行状况均值计算，可以得到网关连接的平均性能指标，这有助于评估整个物联网系统的运行状况，了解网络连接的平均质量和稳定性，为后续的安全数据区间设计和实时比对提供基础。通过网络监控设备对网络连接路径数据进行实时采集处理，可以获取网络连接的实时运行状况，这有助于实时监控网络连接的性能、可用性和安全性，及时发现并处理异常情况。通过基于均值网关连接数据进行分析和设计，可以确定网关连接的安全数据区间，安全数据区间是设定的数据范围，在该范围内的网关连接被认为是安全的。这有助于建立安全性标准和阈值，以判断网络连接是否异常或不安全。通过将实时网关连接数据与网关安全连接区间进行比对处理，可以验证网关连接的安全性，当实时网关连接数据处于网关安全连接区间时，说明网关连接是安全的；而当实时网关连接数据不处于网关安全连接区间时，说明网关连接可能存在异常或风险，这有助于及时检测和处理潜在的安全问题，保障物联网系统的网络连接的安全性和可靠性。根据网络连接路径数据，确定网关设备的地址设置，通过合理的网关地址设置，可以实现网络连接的管理和控制，确保数据的正确传输和路由，提高物联网系统的可靠性和性能。

56、在本说明书中，提供了一种物联网网关系统，包括：

57、数据采集模块：用于根据预设的物联网设备范畴对物联网设备进行标记，生成标记设备；获取数据库中标记设备的设备参数；对设备参数进行仿真运行，并进行异常值剔除，生成安全模拟设备数据；

58、网络拓扑图构建模块：基于安全模拟设备数据进行设备之间最小通信距离的网络拓扑建立，生成设备网络拓扑图；利用多重加密技术对设备网络拓扑图进行数据加密，以获得加密网络拓扑图；

59、网关连接模块：用于对加密网络拓扑图进行数据带宽路径分析，生成带宽路径数据；对带宽路径数据进行最佳带宽路径计算，获得最佳带宽路径数据；利用最佳带宽路径数据对网关设备进行网关连接，生成网关连接路径数据；

60、网关地址生成模块：对网关连接路径数据进行迭代监测及网关地址设置，生成网关地址数据。

61、本技术有益效果在于，本发明通过对设备参数进行仿真运行、通信距离优化、带宽路径分析和最佳带宽路径计算，可以优化物联网系统的网络性能，优化后的网络具有更短的通信距离、更高的带宽利用率和更低的延迟，提升了数据传输的效率和可靠性，增强了整个系统的性能。通过多重加密技术、节点哈希计算、网关连接安全实时比对，能够保护物联网系统的数据安全，加密网络拓扑图、加密传输数据和网关连接的安全性验证等措施有效防止未经授权的访问和数据篡改，保障物联网系统的信息安全和隐私保护。通过设备之间最小通信距离的网络拓扑建立、节点优化调整和网关连接路径的迭代监测，能够优化物联网系统的网络拓扑结构，优化后的网络拓扑具有更高的效率和稳定性，能够减少能量消耗、降低网络拥塞并提高设备之间的通信质量。通过对历史带宽数据的特征提取、带宽路径分析和实时网关连接数据的监控处理，可以实现对带宽资源的有效管理，根据带宽特征数据的分析和预测，可以合理分配带宽资源，优化带宽路径，提高带宽利用率和网络传输效率。通过模拟设备数据的异常检测、网络连接路径的安全比对和迭代监测等步骤，可以及时诊断和处理网络连接中的异常情况，系统具备容错能力，能够自动剔除异常设备和异常连接，减少故障传播范围，提高系统的稳定性和可靠性。