[发明专利]基于局部敏感布隆过滤器的工业物联网隐性异常检测方法

权利要求书

1.基于局部敏感布隆过滤器的工业物联网隐性异常检测方法，其特征在于：其包括以下步骤：

步骤1，获取工业物联网IIoT的原始多类型数据，并通过特征化将多媒体数据转换成特征向量；

步骤2，IIoT数据利用SP-FJLT进行哈希投影；步骤2中的具体方法为：首先构建SP-FJLT投影变换，然后进行空间划分，并采用MC策略进行除噪得到对应的哈希投影；步骤2的SP-FJLT的组成为：

其中，P∈R^k×d是一个元素独立分布的m×d矩阵，k＝δd，δ是参数，d是数据初始维度，在概率1-q的情况下设置P_ij＝0，否则从方差为0且期望为q^-1的正态分布中提取p_ij,稀疏常量q表示为：其中p表示为二阶范式；n表示数据的数据量，d表示数据初始维度；

F_N∈C^n×n是一个标准化的Walsh-Hadamard矩阵，i,j是m位向量i,j在二进制中的点积；D_N∈R^n×n是一个d×d的对角阵，D_ii为1的概率是1/2，否则D_ii为-1；

步骤2的空间划分为：SP-FJLT从单位球S^D-1中随机均匀地选择一个方向，并使用与该方向正交的超平面利用数据空间分布性质进行划分,具体组成如下：

其中，k表示数据经过SP-FJLT投影后的维度，n表示数据量，表示SP-FJLT投影的组成，z表示单位球面的高斯函数；

步骤3，SP-FJLT投影变换后的IIoT数据通过相互竞争策略进行除噪后映射到BloomFilter上，Bloom Filter被哈希映射的位向量由“0”变为“1”；

步骤4，待检测的IIoT数据通过SP-FJLT投影到布隆过滤器的位向量上，检查映射的k个位向量是否都为1；当满足k个位向量均为1时，则判定为正常数据；否则，判定为异常数据。

2.根据权利要求1所述的基于局部敏感布隆过滤器的工业物联网隐性异常检测方法，其特征在于：步骤1中对文本数据进行特征提取采用TF-IDF方法或词频方法，以将文本数据转换为欧式空间下的特征向量；对图像数据进行特征提取时通过提取SIFT特征值进行特征化处理。

3.根据权利要求1所述的基于局部敏感布隆过滤器的工业物联网隐性异常检测方法，其特征在于：步骤3中哈希投影后相似的数据被映射至同一编码，将编码采用相互竞争策略与设定的参数进行比较；将大于设定参数的编码予以保留，小于设定参数的编码剔除。

4.根据权利要求1所述的基于局部敏感布隆过滤器的工业物联网隐性异常检测方法，其特征在于：步骤3中初始的Bloom Filter位向量全为“0”标记，当对应的位置被SP-FJLT映射后，“0”转变为“1”，意味着此位向量已被哈希映射，即该位是正常数据映射的位。