(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211014224.9 (22)申请日 2022.08.23 (71)申请人 哈尔滨工业大 学 地址 150000 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 何慧　曲悦　张伟哲　方滨兴　 (74)专利代理 机构 北京隆源天恒知识产权代理 有限公司 1 1473 专利代理师 徐苏明 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种物联网流量异常检测模型建立方法及 检测方法 (57)摘要 本发明涉及一种物联网流量异常检测模型 建立方法及检测方法。 该模型建立方法包括： 客 户端获取流量数据， 根据服务端发送的初始模型 参数构建与全局模型对应的局部模型， 其中， 全 局模型与局部模型为TCN模型， 客户端根据流量 数据训练局部模 型， 得到训练表现数据并传输至 服务端； 服务端对训练表现数据进行打分， 并根 据打分结果选择参与全局模型聚合的客户端； 客 户端利用分类器对流量数据进行筛选， 得到样本 数据， 并根据样本数据训练局部模型， 得到局部 模型参数发送至服务端； 服务端根据各个局部模 型参数迭代更新全局模型直至全局模 型收敛， 获 得异常检测模型。 本发明的有益效果： 增加物联 网流量异常检测效率与准确度。 权利要求书2页 说明书12页 附图5页 CN 115409099 A 2022.11.29 CN 115409099 A 1.一种物联网流 量异常检测模型建立方法， 其特 征在于， 包括： 客户端获取物联网设备发送的流 量数据； 所述客户端根据服务端发送的初始模型参数构建与全局模型对应的局部模型， 其中， 所述全局模型与所述局部模型为TCN模型； 所述客户端根据所述流量数据训练所述局部模型， 得到训练表现数据， 并将所述训练 表现数据传输 至所述服务端； 所述服务端对各个所述客户端上传的所述训练表现数据进行打分， 并根据打分结果选 择参与全局模型聚合的所述 客户端； 参与全局模型聚合的所述客户端利用分类器对所述流量数据进行筛选， 得到样本数 据， 并根据所述样本数据训练所述局部模型， 得到所述局部模 型收敛时的局部模 型参数， 将 所述局部模型参数发送至所述 服务端； 所述服务端根据 各个所述局部模型参数更新所述全局模型， 并将更新后的所述全局模 型的模型参数发送至各个所述客户端， 返回执行构建所述局部模型 的步骤， 迭代更新所述 全局模型直至所述全局模型收敛， 获得异常检测模型。 2.根据权利要求1所述的物联网流量异常检测模型建立方法， 其特征在于， 所述服务端 对各个所述客户端上传的所述训练表现数据进行打分， 并根据打分结果选择参与全局模型 聚合的所述 客户端， 包括： 所述服务端接收各个所述客户端发送的所述训练表现数据， 根据 所述打分算法对所述 训练表现数据进行打分， 获得打分结果， 根据所述打分结果计算各所述客户端之间的曼哈 顿相似度， 根据各所述客户端之间的曼哈顿相似度， 利用Mini  Batch K‑Means算法对所述 客户端进行聚类， 选择参与全局模型聚合的所述客户端， 并向被选择 的所述客户端返回信 息。 3.根据权利要求2所述的物联网流量异常检测模型建立方法， 其特征在于， 所述参与全 局模型聚合的所述 客户端利用分类 器对所述 流量数据进行筛 选， 得到样本数据， 包括： 参与全局模型聚合的所述客户端接收所述服务端返回的信息， 根据所述信息， 利用随 机森林分类 器对所述 流量数据进行分类， 得到所述样本数据。 4.根据权利要求2所述的物联网流量异常检测模型建立方法， 其特征在于， 所述服务端 对各个所述 客户端上传的所述训练表现数据进行打 分包括： 所述服务端根据第一公式计算所述训练表现数据的分数， 所述第一公式表示 为： 其中， 为第t轮第i个客户端的得分， 为第i个客户端第t轮聚合时异常检测 模型训练的模型损失， ni为第i个客户端的训练数据量， N为各个客户端的训练数据的总量， K为异常检测模型分类， 异常检测模型为 二分类模型， K的取值 为0和1。 5.根据权利要求1所述的物联网流量异常检测模型建立方法， 其特征在于， 所述TCN模 型包括两个扩张因果卷积单元和非线性映射层， 每个扩张因果卷积单元依次包括一 维扩张 因果卷积、 权值归一化层、 ReLU激活函数层和dropout操作层， 所述非线性映射层用于将所 述扩张因果卷积单 元输出与输入进行非线性变换， 得到所述TCN模型输出。权　利　要　求　书 1/2 页 2 CN 115409099 A 26.根据权利要求1所述的物联网流量异常检测模型建立方法， 其特征在于， 所述获取物 联网设备发送的流 量数据包括： 获取所述物联网设备发送的所述流量数据， 对所述流量数据进行预处理， 得到预处理 后的所述 流量数据， 其中， 所述预处 理包括数据归一 化。 7.根据权利要求6所述的物联网流量异常检测模型建立方法， 其特征在于， 在所述客户 端根据服务端发送的模型参数构建与全局模型对应的局部模型之前， 所述物 联网流量异常 检测模型建立方法还 包括： 构建自编码器， 根据所述流量数据对预设的所述自编码器进行训练， 获得堆叠稀疏自 编码器； 将预处理后的所述流量数据输入所述堆叠稀疏自编码器进行编码， 获得编码后的所述 流量数据。 8.根据权利要求7所述的物联网流量异常检测模型建立方法， 其特征在于， 所述构建 自 编码器包括： 所述客户端调取多个稀疏自编码器， 所述稀疏自编码器包括输入层、 隐藏层和输出层， 将多个所述稀疏自编码器按照隐藏层中的神经 元数量从小至大进行排序； 保留第一个所述稀疏自编码器的输入层和隐藏层、 最后一个所述稀疏自编码器的所述 隐藏层和输出层以及其余所述稀疏自编 码器的所述隐藏层， 将相 邻的所述稀疏自编 码器通 过所述隐藏层进行顺序连接， 构建预训练的所述 堆叠稀疏自编码器。 9.根据权利要求1所述的物联网流量异常检测模型建立方法， 其特征在于， 所述客户端 根据服务端发送的初始模型参数构建与全局模型对应的局部模型之前， 所述物联网流量异 常检测模型建立方法还 包括： 所述服务端确 认异常检测模型训练 的任务和目标， 根据 所述异常检测模型训练 的任务 和目标构建所述全局模型， 并获取所述全局模型 的初始模型参数， 将所述初始模型参数广 播至所述 客户端。 10.一种物联网流 量异常检测方法， 其特 征在于， 包括： 利用物联网设备获取流 量数据； 将所述流量数据输入根据权利要求1至9所述的任一项所述的物联网流量异常检测模 型建立方法建立的异常检测模型， 获取流 量异常检测分类结果； 根据所述分类结果， 选择物联网异常流 量。权　利　要　求　书 2/2 页 3 CN 115409099 A 3