[發明專利]一種設備異常檢測方法、裝置及設備

有效

• 申請號: 201711184594.6
• 申請日: 2017-11-23
• 公開（公告）號: CN107819631B
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 李拓;劉芳寧
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王雪;王寶筠

1.一種設備異常檢測方法，其特征在于，所述方法包括：

采集目標設備的接入數據；

對所述接入數據進行統計，得到所述目標設備的統計信息；

根據所述目標設備的統計信息，確定所述目標設備的可信度；

將所述目標設備的可信度作為基于歷史接入數據訓練的神經網絡模型的輸入參數，得到所述神經網絡模型輸出的所述目標設備的行為置信度；

根據所述目標設備的行為置信度，確定所述目標設備是否異常。

2.根據權利要求1所述的方法，其特征在于，

所述對所述接入數據進行統計，得到所述目標設備的統計信息，包括：

基于預設維度，對所述接入數據進行統計，得到所述目標設備分別在各個維度下的統計信息；

相應的，所述根據所述目標設備的統計信息，確定所述目標設備的可信度，包括：

根據所述目標設備分別在各個維度下的統計信息，確定所述目標設備在各個維度下的可信度；

相應的，所述將所述目標設備的可信度作為基于歷史接入數據訓練的神經網絡模型的輸入參數，得到所述神經網絡模型輸出的所述目標設備的行為置信度，包括：

將所述目標設備在各個維度下的可信度，作為基于歷史接入數據訓練的神經網絡模型的輸入參數，得到所述神經網絡模型輸出的所述目標設備的行為置信度。

3.根據權利要求1或2所述的方法，其特征在于，所述目標設備的接入數據包括所述目標設備的接入時行為數據和接入后流量數據；所述接入時行為數據包括接入時間、接入地點、接入信息輸入是否正確；所述接入后流量數據包括預設數據包類型、累計使用數據流量、帶寬使用率。

4.根據權利要求2所述的方法，其特征在于，所述根據所述目標設備分別在各個維度下的統計信息，確定所述目標設備在各個維度下的可信度，包括：

基于所述歷史接入數據，確定各個維度下的可信度對應關系，所述可信度對應關系包括統計對象與可信度的對應關系；

將所述目標設備分別在各個維度下的統計信息，分別與對應維度下的可信度對應關系中的統計對象進行匹配，并將匹配成功的統計對象對應的可信度，確定為所述目標設備在對應維度下的可信度。

5.根據權利要求4所述的方法，其特征在于，所述基于所述歷史接入數據，確定各個維度下的可信度對應關系，所述可信度對應關系包括統計對象與可信度的對應關系，包括：

基于所述歷史接入數據，計算各個維度下的各個統計對象的概率；

根據各個統計對象的概率確定對應的可信度，并建立各個維度下的統計對象與可信度的對應關系。

6.根據權利要求1所述的方法，其特征在于，所述根據所述目標設備的行為置信度，確定所述目標設備是否異常，包括：

判斷所述目標設備的行為置信度是否小于預設閾值，如果是，則確定所述目標設備存在異常。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

當確定所述目標設備存在異常時，向所述目標設備發送驗證請求。

8.一種設備異常檢測裝置，其特征在于，所述裝置包括：

采集模塊，用于采集目標設備的接入數據；

統計模塊，用于對所述接入數據進行統計，得到所述目標設備的統計信息；

第一確定模塊，用于根據所述目標設備的統計信息，確定所述目標設備的可信度；

輸入模塊，用于將所述目標設備的可信度作為基于歷史接入數據訓練的神經網絡模型的輸入參數，得到所述神經網絡模型輸出的所述目標設備的行為置信度；

第二確定模塊，用于根據所述目標設備的行為置信度，確定所述目標設備是否異常。