[发明专利]基于边缘计算网关的异常检测方法

说明书

本公开的实施例提供了基于边缘计算网关的异常检测方法、装置、设备和计算机可读存储介质。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，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；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；所述云服务器根据所述检测结果启动相应的异常应对方案。以此方式，可以降低上传至云服务器的数据量，减轻主干链路带宽负载。

技术领域

本公开的实施例一般涉及数据监测领域，并且更具体地，涉及基于边缘计算网关的异常检测方法、装置、设备和计算机可读存储介质。

背景技术

随着物联网技术飞速发展，以传感器为基础的检测网络被广泛应用于各种环境监测和控制当中。如大棚监控、森林监测、安防监测等。在系统部署过程中，大量的在线物联网终端设备连接在系统中。

当前物联网监测体系中，所有的传感器数据都被传输到MQTT服务器(云服务器)，通过存在云上的算法对现场的设备进行控制，然而体系中大量的数据上传和处理给MQTT服务器的带宽负载和实时性反馈等方面带来了严峻考验。

发明内容

根据本公开的实施例，提供了一种基于边缘计算网关的异常检测方案。

在本公开的第一方面，提供了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，该方法包括：

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；

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；

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。

进一步地，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。

进一步地，所述第一检测模型包括基于WEASEL+MUSE分类器的检测模型。

进一步地，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。

进一步地，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中每个词的状态以及所述词袋对应的标注；

将所述词袋中每一个词的状态作为输入，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。

进一步地，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：