[發明專利]一種云邊協同的異常數據檢測系統

在審

• 申請號: 202210792564.8
• 申請日: 2022-07-06
• 公開（公告）號: CN115204284A
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 朱海江;張昕;容榮
• 申請（專利權）人: 中電科普天科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/16;H04L67/10
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝

1.一種云邊協同的異常數據檢測系統，其特征在于，所述系統包括數據采集模塊、邊緣網關和云平臺；

所述數據采集模塊將獲取的實時數據發送給所述邊緣網關；

所述云平臺將預先根據獲取的樣本數據訓練生成的訓練參數發送至所述邊緣網關，所述訓練參數包括每個類的半徑和每個類的中心點；

所述邊緣網關根據所述訓練參數計算接收的實時數據中每個樣本點與每個類的中心點間的距離，根據每一樣本點與所有類的中心點間距離的最小值和該最小值對應類的半徑的對比，判斷樣本點是否異常。

2.根據權利要求1所述的云邊協同的異常數據檢測系統，其特征在于，所述邊緣網關判斷樣本點是否異常的過程具體包括：

計算所述實時數據中的每一樣本點與每一類的中心點的距離；

確定每一樣本點計算的距離中的最小值，并獲取每一樣本點最小值對應的類的半徑，作為該樣本點的閾值半徑，計算每一樣本點的最小值與該樣本點的閾值半徑的差值；

當計算的差值大于預設的第一閾值時，判定該樣本點異常；

當計算的差值不大于所述第一閾值時，判定該樣本點正常；

其中，所述實時數據中的樣本點X_k到每個類的中心點X_ci的中心點的距離的最小值L為所述訓練參數中類的數量。

3.根據權利要求1所述的云邊協同的異常數據檢測系統，其特征在于，所述邊緣網關將所述數據采集模塊獲取的樣本數據上傳至所述云平臺；

所述云平臺根據獲取的樣本數據構建樣本庫，構建所述樣本庫的相似度矩陣、吸引度矩陣和歸屬度矩陣，并確定所述樣本數據中每個樣本點的聚類中心，更新迭代次數，判斷迭代次數和聚類中心是否滿足預設的終止條件，初始的迭代次數為0；

當迭代次數和聚類中心不滿足預設的終止條件時，對吸引度矩陣和歸屬度矩陣進行迭代更新，并更新聚類中心，再次判斷聚類中心是否滿足所述終止條件；若否，對吸引度矩陣和歸屬度矩陣進行再次迭代更新，并更新聚類中心，直到迭代次數和聚類中心滿足預設的終止條件為止；

當迭代次數和聚類中心滿足預設的終止條件時，得到最后的聚類結果，計算每個類的半徑，將每個類的中心點以及每個類的半徑作為訓練參數發送給所述邊緣網關。

4.根據權利要求3所述的云邊協同的異常數據檢測系統，其特征在于，所述樣本庫具體為：

其中，所述樣本數據中任一樣本點X_i＝[X_i，1X_i，2…X_i，N]，M為所述樣本數據中樣本點的個數，N為每個樣本點的參數個數，M，N＞0。

5.根據權利要求3所述的云邊協同的異常數據檢測系統，其特征在于，所述云平臺根據計算所述樣本庫的任意兩個樣本點間的相似度，確定所述樣本庫的相似度矩陣S_M×N；

其中，樣本點X_i＝[X_i，1X_i，2…X_i，N]和樣本點X_j＝[X_j，1X_j，2…X_j，N]的相似度s(i，j)＝-||x_i-x_j||²，i，j＝1，2，...，M。