[发明专利]基于边缘计算网关的异常检测方法

权利要求书

1.一种基于边缘计算网关的异常检测方法，应用于边缘计算网关，所述边缘计算网关部署有云服务器下发的预先训练的第一检测模型和第二检测模型；其特征在于，包括：

接收与所述边缘计算网关相连接的多个传感器采集并上传的数据，所述数据为多变量时间序列；

通过所述第一检测模型对所述多变量时间序列进行检测，确定对应的传感器的类别，将所述多变量时间序列中对应传感器的类别进行组合，构建基于所述多变量时间序列的词袋，所述第一检测模型通过如下步骤训练得到：对多个传感器采集并上传的多变时间序列进行传感器类别标注，生成第一训练样本集；将所述第一训练样本集中的多变量时间序列作为输入，将与所述多变量时间序列对应的传感器类别作为期望输出，训练第一检测模型；

通过所述第二检测模型对所述词袋进行检测，得到对应的检测结果，所述第二检测模型通过如下步骤训练得到：生成第二训练样本集；所述第二训练样本集包括所述词袋的状态以及所述词袋对应的标注；将所述词袋的状态作为输入，将与所述词袋对应的标注作为输出，对所述第二检测模型进行训练；

将所述第二检测模型的检测结果发送至云服务器，以便所述云服务器根据所述检测结果启动相应的异常应对方案。

2.根据权利要求1所述的方法，其特征在于，所述第一检测模型包括基于WEASEL+MUSE分类器的检测模型。

3.根据权利要求2所述的方法，其特征在于，所述通过所述第一检测模型对所述多变量时间序列进行检测，确定对应的传感器的类别包括：

通过WEASEL+MUSE分类器分别为每一个传感器类别创建一个符号表示，生成一组特征；所述特征包括多窗口长度、单图、双图和维度标识；

基于所述WEASEL+MUSE分类器的一个热度编码表示所述特征，形成一个用于表示传感器类别的词。

4.根据权利要求1所述的方法，其特征在于，所述以便云服务器根据所述检测结果启动相应的异常应对方案包括：

若检测结果为异常，则将异常值发送至云服务器，所述云服务器根据接收的所述异常值启动相应的异常应对方案。

5.一种基于边缘计算网关的异常检测装置，应用于边缘计算网关，所述边缘计算网关部署有云服务器下发的预先训练的第一检测模型和第二检测模型；其特征在于，包括：

接收模块，用于接收与所述边缘计算网关相连接的多个传感器采集并上传的数据，所述数据为多变量时间序列；

构建模块，用于通过所述第一检测模型对所述多变量时间序列进行检测，确定对应的传感器的类别，将所述多变量时间序列中对应传感器的类别进行组合，构建基于所述多变量时间序列的词袋，所述第一检测模型通过如下步骤训练得到：对多个传感器采集并上传的多变时间序列进行传感器类别标注，生成第一训练样本集；将所述第一训练样本集中的多变量时间序列作为输入，将与所述多变量时间序列对应的传感器类别作为期望输出，训练第一检测模型；

检测模块，用于通过所述第二检测模型对所述词袋进行检测，得到对应的检测结果，所述第二检测模型通过如下步骤训练得到：生成第二训练样本集；所述第二训练样本集包括所述词袋的状态以及所述词袋对应的标注；将所述词袋的状态作为输入，将与所述词袋对应的标注作为输出，对所述第二检测模型进行训练；

处理模块，用于将所述第二检测模型的检测结果发送至云服务器，以便所述云服务器根据所述检测结果启动相应的异常应对方案。

6.根据权利要求5所述的装置，其特征在于，所述第一检测模型通过如下步骤训练得到：

对传感器上传的多变时间序列进行传感器类别标注，生成第一训练样本集；

将所述第一训练样本集中的多变量时间序列作为输入，将与所述多变量时间序列对应的传感器类别作为期望输出，通过已训练完成的WEASEL+MUSE分类器对所述第一检测模型进行训练。

7.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～4中任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～4中任一项所述的方法。