[发明专利]一种基于用户行为的智能设备机器学习安全监测系统

摘要

一种基于用户行为的智能设备机器学习安全监测系统，其特征在于包括面向第三方智能设备用户行为数据的第一级机器学习模型和基于MPU内存保护机制的智能设备端的第二级用户行为机器学习模型；所述第一级机器学习模型，借助第三方云平台的用户行为数据，在两类数据即相同智能设备类型的数据和相同个体用户的行为数据的基础上，对两类数据进行数据清洗，确定智能设备需要使用的数据以及关联关系，然后根据智能设备的类型，确定智能设备用户行为的主题；基于MPU内存保护机制的智能设备端第二级用户行为机器学习模型，智能设备端首先利用MPU的内存保护机制，对上述的第一级机器学习模型中得到的安全监测模型进行安全保护区域划分，最后使所述监测系统能够有效的保护智能设备和用户的安全。

主权项

1.一种基于用户行为的智能设备机器学习安全监测系统，其特征在于：包括面向第三方智能设备用户行为数据的第一级机器学习模型和基于MPU内存保护机制的智能设备端的第二级用户行为机器学习模型；所述第一级机器学习模型，借助第三方云平台的用户行为数据，在两类数据即相同智能设备类型的数据和相同个体用户的行为数据的基础上，对两类数据进行数据清洗，确定智能设备需要使用的数据以及关联关系，然后根据智能设备的类型，确定智能设备用户行为的主题，通过建立正常用户行为模式库，并利用分类技术和聚类技术建立基础的面向用户行为的机器学习模型，即通过机器学习挖掘出智能设备出现异常操作背后所隐藏的关系，使用已确认的高度可疑的用户操作指令数据作为训练数据，训练第一级机器学习模型，并使用另一部分的测试数据来验证第一级机器学习模型的准确性和有效性，从而获得安全监测模型，所述安全监测模型包括智能设备安全策略模块，智能设备用户行为模块，智能设备安全威胁阈值模块，智能设备恶意行为预警模块，并把它作为基于MPU内存保护机制的智能设备端第二级用户行为机器学习模型的基础；基于MPU内存保护机制的智能设备端第二级用户行为机器学习模型，智能设备端首先利用MPU的内存保护机制，对上述的第一级机器学习模型中得到的安全监测模型进行安全保护区域划分，当智能设备接收到用户的控制指令时，安全监测模型判断是否为正常用户的控制指令，第二级用户行为机器学习模型利用得到的结果和使用者的使用行为数据以及自身收集的传感器数据，结合智能设备接受到的用户控制指令在执行时对能耗的判断以及指令执行后会产生的安全问题，进而判断是否需要执行该用户控制指令；如果该指令满足第二级的用户行为机器学习模型，则通过系统级调用操作智能设备使指令执行，并更新智能设备自身的用户行为参数；如果该指令不满足第二级的用户行为机器学习模型，会造成安全威胁，则阻止指令执行，并通过智能设备与手机直连的方式通知使用者，然后利用第二级用户行为机器学习模型的在线用户行为机器学习模块的误差反向传播方法更新安全监测模型的参数，使第二级用户行为机器学习模型更加贴近智能设备拥有者的使用模式，最后使所述监测系统能够在云服务器和通信信道受到攻击的情况下能够有效的保护智能设备和用户的安全。