申请/专利权人:上海电器科学研究所(集团)有限公司;上海电器科学研究院
申请日:2022-06-20
公开(公告)日:2024-04-16
公开(公告)号:CN114996287B
主分类号:G06F16/23
分类号:G06F16/23;G06F16/25;G06F18/23213
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.09.20#实质审查的生效;2022.09.02#公开
摘要:本发明公开了一种基于特征库的设备自动识别和扩容方法。在未知设备接入后,本发明能够与设备库中已有设备特征进行相似度对比,采用设备识别规则和识别算法模型相结合,对于已知设备进行识别。而对未知设备,在特征向量空间模型下,本发明按相似性准则对未知设备类型进行分类管理,锁定或缩小待识别设备的范围,自动生成设备特征信息并存入指定区域,待人工进行干预确认后,自动更新到设备库中。相比全人工提取设备特征,异构边缘设备接入的工作量减轻至少原来的一半。因此,本发明能够克服现阶段设备特征库无法自动扩容的问题,更好地提升边缘设备接入和配置的管理效率。
主权项:1.一种基于特征库的设备自动识别和扩容方法,其特征在于,包括以下步骤:步骤1、将物联网设备的特征报文抽象成为一个由特征词构成的词频向量,经过特征工程处理后,将物联网设备信息转化为多维特征向量的形式,基于已接入设备业务的积累,在云端建立设备特征库;步骤2、当新的物联网设备上线后,通过样本采集模块获取物联网设备的HTTP响应包作为原始样本;步骤3、由特征提取模块提取原始样本的样本特征:特征提取模块提取HTTP响应包中能够反映物联网设备的信息,随后利用特征工程得到与之对应的向量化的词向量信息作为样本特征;步骤4、由数据预处理模块对特征提取模块提取的样本特征进行预处理,将文本类型的样本特征转化为数值类型的样本特征,从而将物联网设备信息转化为多维特征向量;步骤5、算法识别模块以当前上线物联网设备的多维特征向量作为输入,将该多维特征向量与设备特征库中已知类型的标记物联网设备的多维特征向量进行特征匹配,若当前上线物联网设备的多维特征向量与设备特征库中已知类型的任意标记物联网设备的多维特征向量一致,则当前上线物联网设备属于已知设备,实现对当前上线物联网设备的识别,否则,当前上线物联网设备属于未知设备,算法识别模块使用改进约束种子K-means识别算法进行向量相似度计算,对当前上线物联网设备进行识别分类,该改进约束种子K-means识别算法使用两个多维特征向量的余弦相似度来度量相似度,并基于余弦相似度利用K-means识别算法进行聚类;聚类时,当未知设备所对应的多维特征向量与某一已知设备类型的簇的聚类中心的余弦相似度值大于给定阈值ε时,则将未知设备归入该簇,当前未知设备的设备类型为簇所对应的设备类型,并基于当前未知设备的多维特征向量生成对应的设备和通信特征存入指定区域;当未知设备所对应的多维特征向量与所有簇的聚类中心的余弦相似度值都不大于给定阈值ε时,说明当前未知设备属于新的设备类别,基于当前未知设备的多维特征向量自动新建新的设备类型后,将当前未知设备归入新的设备类型,再基于当前未知设备的多维特征向量生成对应的设备和通信特征存入指定区域;步骤6、人工读取存入指定区域的设备和通信特征,并获取新的设备类型,对未知设备的生产厂家、设备类别、型号、通信特征信息进行人工校对,并人工确认对于未知设备的分类以及新的设备类型是否正确;待人工进行干预确认后,实现对未知设备的识别,再将新的设备类型、已识别的未知设备的设备和通信特征自动更新到设备特征库中,从而实现设备特征库的半自动扩容。
全文数据:
权利要求:
百度查询: 上海电器科学研究所(集团)有限公司;上海电器科学研究院 一种基于特征库的设备自动识别和扩容方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。