[发明专利]基于物联网设备的网络检测方法、装置、设备及存储介质在审

专利信息
申请号: 202110803832.7 申请日: 2021-07-15
公开(公告)号: CN115701023A 公开(公告)日: 2023-02-07
发明(设计)人: 袁捷;张峰;杜雪涛;刘胜兰;赵蓓;张晨;薛姗;常玲;于乐;董航;洪东;于少中 申请(专利权)人: 中国移动通信集团设计院有限公司;中国移动通信集团有限公司
主分类号: H04L9/40 分类号: H04L9/40;H04L67/12
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 晏波
地址: 100089 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 联网 设备 网络 检测 方法 装置 存储 介质
【权利要求书】:

1.一种基于物联网设备的网络检测方法,其特征在于,所述基于物联网设备的网络检测方法包括:

在待检测物联网设备接入网络时,获取所述待检测物联网设备的周期性时间统计特征以及一般时间统计特征;

根据所述周期性时间统计特征以及一般时间统计特征通过无监督异常检测模型进行异常检测,得到检测结果;

根据所述检测结果确定所述待检测物联网设备是否为异常物联网设备。

2.如权利要求1所述的基于物联网设备的网络检测方法,其特征在于,所述根据所述周期性时间统计特征以及一般时间统计特征通过无监督异常检测模型进行异常检测,得到检测结果,包括:

从所述周期性时间统计特征以及一般时间统计特征中选取初始聚类中心;

分别获取所述周期性时间统计特征以及一般时间统计特征对应的加权因子;

根据所述加权因子以及初始聚类中心通过聚类模型进行异常检测,得到检测结果。

3.如权利要求2所述的基于物联网设备的网络检测方法,其特征在于,所述根据所述加权因子以及初始聚类中心通过聚类模型进行异常检测,得到检测结果,包括:

根据所述加权因子、初始聚类中心以及聚类模型对所述周期性时间统计特征以及一般时间统计特征进行聚类,得到聚类距离;

根据所述聚类距离得到所述周期性时间统计特征以及一般时间统计特征为聚类中心的概率;

根据所述聚类中心的概率确定聚类中心,以将正常样本和异常样本进行划分,鉴别网络入侵,得到检测结果。

4.如权利要求1所述的基于物联网设备的网络检测方法,其特征在于,所述在待检测物联网设备接入网络时,获取所述待检测物联网设备的周期性时间统计特征以及一般时间统计特征,包括:

在待检测物联网设备接入网络时,获取所述待检测物联网设备的流量数据;

对所述流量数据进行周期性流量提取,得到周期性流量数据;

根据所述周期性流量数据得到周期性时间统计特征以及一般时间统计特征。

5.如权利要求4所述的基于物联网设备的网络检测方法,其特征在于,所述对所述流量数据进行周期性流量提取,得到周期性流量数据,包括:

根据所述流量数据确定从缓存中输出的相同协议下各对地址间的通信流量字节数对应的时间序列、自相关函数的时移单位以及时间窗口的长度;

根据所述时间序列、自相关函数的时移单位以及时间窗口的长度确定自相关函数;

根据所述自相关函数、所述时间序列的均值以及所述时间序列的方差,得到自相关系数;

根据所述自相关系数对所述流量数据进行周期性流量提取,得到周期性流量数据。

6.如权利要求4所述的基于物联网设备的网络检测方法,其特征在于,根据所述周期性流量数据得到周期性时间统计特征,包括:

提取所述周期性流量数据中的周期间隔特征,频次特征,噪声系数特征和异变系数特征;

根据所述周期间隔特征,频次特征,噪声系数特征和异变系数特征构成周期性时间统计特征。

7.如权利要求4所述的基于物联网设备的网络检测方法,其特征在于,根据所述周期性流量数据得到一般时间统计特征,包括:

提取所述周期性流量数据中的数据包以及数据流;

通过阻尼滑动窗口模型确定所述数据包以及数据流中的特征信息元;

根据所述特征信息元构成一般时间统计特征。

8.如权利要求7所述的基于物联网设备的网络检测方法,其特征在于,所述通过阻尼时间窗口模型确定所述数据包以及数据流中的特征信息元,包括:

根据所述阻尼时间窗口模型确定阻尼增量统计元组,其中,所述阻尼增量统计元组包括当前权重、当前数据包的线性和、当前数据包的平方和以及出站流量和入站流量之间的特征;

根据所述当前权重、当前数据包的线性和、当前数据包的平方和以及出站流量和入站流量之间的特征确定所述数据包以及数据流中的特征信息元。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信集团设计院有限公司;中国移动通信集团有限公司,未经中国移动通信集团设计院有限公司;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110803832.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top