[发明专利]物联网入侵监测方法及装置

权利要求书

1.一种物联网入侵监测方法，其特征在于，所述方法包括：

获取在物联网感知层节点利用感知设备采集到的数据；

基于所述获取到的数据作为训练数据以及利用TrAdaBoost方法，建立物联网入侵分类模型，其中，所述物联网入侵分类包括入侵行为集和正常行为集；

获取在物联网感知层节点再次利用感知设备采集到的测试数据，并采用所述物联网入侵分类模型进行分类判断；

若所述测试数据分为入侵行为集，则进行拦截以及报警处理；

其中，所述基于所述获取到的数据作为训练数据以及利用TrAdaBoost方法，建立物联网入侵分类模型，其中，所述物联网入侵分类包括入侵行为集和正常行为集，包括：

将所述训练数据划分为m个视角，利用所述TrAdaBoost方法分别对所述m个视角进行分类训练，获得m个弱分类器以及所述m个弱分类器的权重；基于所述m个弱分类器、所述m个弱分类器的权重以及加权求和方法，获得加权所述m个弱分类器后的强分类器并获得物联网入侵分类模型，其中，所述物联网入侵分类包括入侵行为集和正常行为集；

对应的，所述m个视角包括第一视角，所述m个弱分类器包括所述第一视角对应的第一弱分类器，所述m个视角包括第二视角，所述m个弱分类器包括所述第二视角对应的第一弱分类器，所述将所述训练数据划分为m个视角，利用所述TrAdaBoost方法分别对m个视角进行分类训练，获得m个弱分类器以及所述m个弱分类器的权重，包括：

初始化所述第一视角的样本数据赋予同样的权重以及预设的第一迭代次数；

基于所述TrAdaBoost方法中预设的训练规则，训练所述初始化后的样本数据，直到满足所述预设的第一迭代次数，获得所述第一视角对应的第一弱分类器以及所述第一弱分类器的权重；

将所述第一弱分类器的样本数据的权重赋予给所述第二视角的样本数据以及预设的第二迭代次数；

基于TrAdaBoost方法中预设的训练规则，训练所述权重赋予后的所述第二视角的样本数据，直到满足所述预设的第二迭代次数，获得所述第二视角对应的第二弱分类器以及所述第二弱分类器的权重。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述测试数据分为正常行为集，则所述测试数据是安全数据并将所述测试数据更新到所述物联网分类模型中的所述正常行为集中。

3.根据权利要求1-2任意一项所述的方法，其特征在于，所述获取到的数据包括传感器、读写器、摄像头、GPS采集到的数据。