专利汇可以提供一种基于深度学习的智能家居入侵检测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于 深度学习 的智能家居入侵检测方法,涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起,了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数,在线系统进行实时入侵检测,与 现有技术 相比,这是一个针对智能家居网络攻击行为的主动监测模型,具有较高的检测率、较低的漏报率和误报率,以及实时性强等特点。,下面是一种基于深度学习的智能家居入侵检测方法专利的具体信息内容。
1.一种基于深度学习的智能家居入侵检测方法,其特征在于:具体包括以下步骤:
S1初始化,生成一个内容为空的离线系统数据库,数据库包括带标签的训练测试数据、数据筛选环节参数、基于深度学习的多层网络参数三个子数据库;
S2将采集到的带有标签的流量数据进行编码、归一化处理形成待检测数据,将待检测数据存储到带标签的训练测试数据子数据库中;
S3将带标签的训练测试数据子数据库中的数据按照每条数据的标签进行分类,形成正常行为样本数据集和入侵行为样本数据集;采用K-means算法求两类样本数据集的中心值,分析两类样本数据集中各个样本距离样本中心的距离并设置一个判断阈值,使得具有某类特征的样本数据集在该类的阈值范围内,将样本中心和阈值保存到数据筛选环节参数子数据库中;采用带标签的训练测试数据子数据库中的数据训练多层神经网络的权值和偏置值,将训练好的神经网络参数保存到基于深度学习的多层神经网络参数子数据库中,完成训练环节,跳转至步骤S4进行在线系统实时监测;
S4、将采集到的无标签的流量数据进行编码和归一化处理,形成一条待测数据,计算待测数据到步骤S3中的两类样本数据集中心的距离,如果该距离小于该样本数据集所对应的阈值,则属于该类行为,否则跳转至步骤S5;
S5、将步骤S4无法确定类型的待检测数据输入到多层神经网络中进行识别,通过多层神经网络的输出值来判断是否存在安全隐患,如果存在安全隐患则驱动智能家居报警模块报警。
2.根据权利要求1所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:在步骤S3中,采用K-means算法确定离线系统数据库中带标签的训练数据库中两类行为的样本中心,并且计算出离线系统数据库中点到样本中心的欧式距离,对距离采用拉依达准则进行确定数据筛选环节的距离阈值。
3.根据权利要求1所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:所述将步骤S4无法确定类型的待检测数据输入到多层神经网络中进行识别包括采用深度置信网络进行数据降维和模糊神经网络进行识别。
4.根据权利要求1所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:所述的多层神经网络包括深度置信网络和模糊神经网络,深度置信网络的输出作为模糊神经网络的输入,其中深度神经网络由多个限制玻尔兹曼机组成。
5.根据权利要求1所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:在步骤S2中,在采用带标签的训练测试数据子数据库中的数据训练多层神经网络的权值和偏置值中,对多层神经网络进行训练包括对深度置信网络的训练和模糊神经网络的训练。
6.根据权利要求5所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:对深度置信网络的训练包括自下而上的无监督训练和自上而下的有监督的参数微调;对模糊神经网络的训练采用梯度下降法。
7.根据权利要求3所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:通过深度置信网络中限制玻尔兹曼机的重构误差、多层神经网络的检测率和检测时间构建一个评估模型确定多层神经网络的深度,也就是确定深度置信网络中限制玻尔兹曼机的个数。
8.根据权利要求7所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:在重构误差大于0.1时,网络深度增加1,即在在深度置信网络中增加一个限制玻尔兹曼机。
9.根据权利要求7所述的一种基于深度学习的智能家居入侵检测方法,其特征在于:若深度置信网络的重构误差小于0.1时,通过评估多层神经网络的检测率和检测时间,并结合智能家居系统服务器的计算能力选取合适的限制波尔兹曼机的个数,确定入侵检测模型的网络深度。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种提高分辨率的孔隙度反演方法 | 2020-05-08 | 316 |
描述驱油剂在多孔介质中变形运移的力学模拟方法 | 2020-05-12 | 383 |
基于改进的层次分析法评价生猪养殖工艺的方法 | 2020-05-13 | 271 |
一种链路预测模型的建立及链路预测方法 | 2020-05-14 | 938 |
基于深度学习的激光扫描三维点云树木自动分类方法 | 2020-05-11 | 395 |
基于多模态深度玻尔兹曼机的微博话题表示及主题发现方法 | 2020-05-13 | 556 |
一种太阳能电池IV特性的检测装置及其检测方法 | 2020-05-15 | 218 |
一种基于深度学习储能电池参与的电网快速调频控制方法 | 2020-05-14 | 201 |
基于自监督学习的图像分类方法及系统 | 2020-05-15 | 831 |
一种基于光伏电源的虚拟原动机输出功率调节方法 | 2020-05-12 | 143 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。