[发明专利]一种物联网设备检测方法、系统和设备

权利要求书

1.一种物联网设备检测方法，其特征在于，包括：

获取各物联设备的高维数据集，并对所述高维数据集进行预处理，得到正常样本集和第一异常样本集；

引入采样过程中产生的符合高斯分布的随机噪声，利用深度卷积对抗网络中的生成器将随机噪声生成为扩充异常样本，将扩充异常样本和所述第一异常样本集输入到深度卷积对抗网络中的判别器中进行判别，并将生成器和判别器进行反复交叉对抗训练，得到第二异常样本集；

将正常样本集、第一异常样本集和第二异常样本集整合为训练样本集集输入到分类回归树中进行分类训练，得到异常检测模型；

基于所述异常检测模型对待检测物联网设备进行异常检测。

2.根据权利要求1所述的物联网设备检测方法，其特征在于，所述高维数据集包括高维时间序列数据集，所述高维时间序列数据集包括与各数据特征属性对应的值，各数据特征属性至少包括时间、设备标识、设备类型、设备位置以及设备运行数据，其中，设备运行数据包括设备流量数据。

3.根据权利要求2所述的物联网设备检测方法，其特征在于，对所述高维数据集进行预处理，包括：

采用min-max法对高维时间序列数据集进行归一化处理实现数据标准化，采用主成分分析法对标准化后的高维时间序列数据集进行降维处理，并采用K-mean算法对降维后的时间序列数据集进行聚类分析。

4.根据权利要求3所述的物联网设备检测方法，其特征在于，在对所述高维时间序列数据集进行归一化处理、降维处理和聚类分析之后，所述方法还包括：

对聚类分析之后的时间序列数据集进行至少两次滑窗处理，以增加异常样本数据各维度间的相关性以及异常样本数据与时间的相关性。

5.根据权利要求1所述的物联网设备检测方法，其特征在于，将扩充异常样本和所述第一异常样本集输入到深度卷积对抗网络中的判别器中进行判别，并将生成器和判别器进行反复交叉对抗训练，得到第二异常样本集，包括：

步骤（1）：将扩充异常样本和所述第一异常样本集输入到判别器中，以便判别器对扩充异常样本和第一异常样本进行区分判别；

步骤（2）：采用随机梯度上升法更新判别器的参数，直至判别器的训练能力达到预设标准时，利用随机梯度下降法更新生成器的参数，以便生成器利用映射的多维数据产生新的扩充异常样本；

步骤（3）：重复步骤（1）和步骤（2），对判别器和生成器进行反复交叉训练，直至判别器无法对扩充异常样本和第一异常样本进行准确判别时，完成生成器的训练；

步骤（4）：将生成器完成训练时输出的扩充异常样本作为第二异常样本集。

6.根据权利要求5所述的物联网设备检测方法，其特征在于，当判别器无法对扩充异常样本和第一异常样本进行准确判别时，表明深度卷积对抗网络达到数据平衡，此时深度卷积对抗网络的目标函数表达时如下：

其中，表示判别器，表示生成器，表示深度卷积对抗网络的目标函数，表示第一异常样本，表示扩充异常样本，表示判别器输出，即判别的样本结果，表示生成器输出，即随机噪声生成的扩充异常样本，表示第一异常样本集的数据分布，表示扩充异常样本的数据分布。

7.根据权利要求1所述的物联网设备检测方法，其特征在于，在得到第二异常样本集之前，所述方法还包括：

对训练完成时的生成器加入特征收缩约束，以惩罚扩充异常样本中与预设样本分布偏差超过阈值的样本点。