[发明专利]基于光谱分析的光网络的光源及光路径识别方法

摘要

本发明公开了一种基于光谱分析的光网络的光源及光路径识别方法，该方法先通过基于人工智能技术的光源分类模型识别光源之后，再将光信号的基本参数和预存在光谱识别数据库中光源的相关业务信息进行比对验证，验证通过后识别出的光源才为合法光源，相应地，节点所传输的光信号为合法信号，实现了更加有效地甄别合法信号和非法信号，以及提升了光网络的安全性。此外，还通过基于人工智能技术的光路径分类模型识别光路径，光路径分类模型是通过采用海量的训练数据训练得到的，光路径识别效果更好。

主权项

1.一种基于光谱分析的光网络的光源及光路径识别方法，其特征在于，包括：/n采集光网络中预设节点处所传输的光信号的待测光谱数据，并提取所述光信号的基本参数，以及根据所述待测光谱数据和所述基本参数构建所述光信号对应的待测光谱数据向量；/n对所述待测光谱数据向量进行预处理以及提取所述待测光谱数据向量的基本参数；/n将所述预处理后的待测光谱数据向量导入光源分类模型中进行光源识别，输出所述光信号的光源标识，以及在所述光源标识包括合法光源标识时，从光谱识别数据库获取所述合法光源标识的相关业务信息，并验证所述合法光源标识的相关业务信息中是否存在所述待测光谱数据向量的基本参数，若验证结果为存在，确定光信号的光源认证通过；/n所述方法还包括：/n接收光网络中所采集到的历史光谱数据，对所述历史光谱数据进行预处理以获取历史光谱数据向量，并将属于同一光源的历史光谱数据向量添加同一合法光源标识；/n将部分的添加合法光源标识后的历史光谱数据向量作为训练数据集中的样本数据，形成训练数据集，以及将剩余的添加合法光源标识后的历史光谱数据向量作为阈值计算数据集中的样本数据，形成阈值计算数据集；/n采用支持向量机算法对所述训练数据集进行训练，将不同合法光源标识的样本数据在高维数据空间中映射，寻找分类界面对所述不同合法光源标识的样本数据进行划分，完成光源分类模型的构建；/n将阈值计算数据集输入到所述光源分类模型中进行分析，获取损失参数矩阵；/n根据所述损失参数矩阵设置识别阈值；/n其中，所述将所述预处理后的待测光谱数据向量导入光源分类模型中进行光源识别，输出所述光信号的光源标识，包括：/n将所述预处理后的待测光谱数据向量导入光源分类模型中，确定待测光谱数据向量对应的损失参数矩阵；/n根据所述待测光谱数据向量对应的损失参数矩阵和识别阈值输出所述光信号的光源标识；/n或者，获取光源的原始光谱数据并进行预处理，以及根据预处理后的原始光谱数据和预处理后的待测光谱数据向量获取光路径传输矩阵，并将所述光路径传输矩阵导入光路径分类模型中进行光路径识别，输出所述光信号的光路径标识；/n所述方法还包括：/n分别获取光源的原始光谱数据和光网络的历史光谱数据并分别进行预处理，以及根据预处理后的原始光谱数据和预处理后的历史光谱数据获取历史光路径传输矩阵，并将属于同一路径的历史光路径传输矩阵添加同一光路径标识；/n将所述添加光路径标识后的历史光路径传输矩阵作为训练数据集中的样本数据，形成训练数据集；/n采用支持向量机算法对所述训练数据集进行训练，将不同光路径标识的样本数据在高维数据空间中映射，寻找分类界面对所述不同光路径标识的样本数据进行划分，完成光路径分类模型的构建；/n其中，所述将所述光路径传输矩阵导入光路径分类模型中进行光路径识别，输出所述光信号的光路径标识，包括：/n将所述光路径传输矩阵导入光路径分类模型中，确定所述光路径传输矩阵对应的损失参数矩阵；/n确定所述损失参数矩阵的各行中的最大值，将各行中的最大值在损失参数矩阵中的列号作为所述光信号的光路径标识并输出。/n