買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網恭喜深圳四海匯通科技有限公司申請的專利一種物聯(lián)網卡檢測方法及裝置獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119325102B 。

龍圖騰網通過國家知識產權局官網在2025-05-02發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202411521927.X，技術領域涉及：H04W24/04；該發(fā)明授權一種物聯(lián)網卡檢測方法及裝置是由黃生文設計研發(fā)完成，并于2024-10-29向國家知識產權局提交的專利申請。

本一種物聯(lián)網卡檢測方法及裝置在說明書摘要公布了：本發(fā)明屬于物聯(lián)網卡檢測技術領域，具體涉及一種物聯(lián)網卡檢測方法，具體步驟如下：數據收集，特征提取，模型訓練，實時監(jiān)控，異常檢測，響應處理，反饋優(yōu)化；采用增量學習方法，用于使模型在新數據到來時逐步更新，具體步驟如下：初始化模型，數據監(jiān)控，模型更新，評估性能，循環(huán)迭代；一種物聯(lián)網卡檢測裝置，包括數據采集模塊，預處理模塊，特征提取模塊，增量學習模塊，數據重采樣模塊，加權模塊，模型評估模塊，決策支持模塊。本發(fā)明能有效減少因異常行為帶來的風險，還可通過逐步更新模型參數來適應新數據，并同時避免概念漂移的風險，另外，檢測裝置內的增量學習方法包含定期更新模型、數據重采樣和加權方法，能夠新的數據和環(huán)境變化。

本發(fā)明授權一種物聯(lián)網卡檢測方法及裝置在權利要求書中公布了：1.一種物聯(lián)網卡檢測方法，所述物聯(lián)網卡檢測方法采用基于業(yè)務場景的異常檢測方式，其特征在于，具體步驟如下：S1：數據收集：從物聯(lián)網設備中實時收集關鍵數據，對收集到的原始數據進行清洗和格式化；S2：特征提取：通過分析物聯(lián)網卡的使用行為，識別出正常與異常的行為模式，根據業(yè)務場景的需求，選擇能夠有效區(qū)分正常與異常行為的特征；S3：模型訓練：選擇合適的機器學習算法，用于建立異常檢測模型，使用標記好的歷史數據來訓練模型，使其能夠學習并識別異常行為的特征；S4：實時監(jiān)控：將訓練好的模型部署到實際的業(yè)務系統(tǒng)中，對物聯(lián)網卡的實時數據流進行監(jiān)控，隨著新數據的不斷到來，采用增量學習方法定期更新模型以適應可能的行為模式變化；S5：異常檢測：當系統(tǒng)檢測到與正常模式顯著不同的行為時，將其標記為潛在的異常，根據異常的嚴重程度，向相關人員發(fā)出警告，以便及時采取應對措施；S6：響應處理：對于標記為異常的活動，進行進一步的調查以確認是否為真正的安全威脅，根據調查結果，采取相應的措施；S7：反饋優(yōu)化：定期評估異常檢測系統(tǒng)的性能，根據評估結果和新的業(yè)務需求，不斷調整和優(yōu)化檢測模型和策略；在所述增量學習中，采用定期更新模型、數據重采樣和加權的方式；所述定期更新模型用于應對數據分布的變化和概念漂移，具體過程如下：基本假設：假設原始數據集為，其中是特征向量，是對應的真實標簽，N表示樣本總數；假設模型參數為，損失函數為；初始訓練：使用原始數據集訓練模型，得到初始參數，即；新數據到來：假設每隔一段時間，會有新的數據集到來，表示新的樣本總數；模型更新：使用新數據集對模型進行微調，得到新的參數，通過最小化新數據上的損失函數來實現：，其中，表示合并原始數據和新數據的數據集；周期性更新：假設每隔時間，都會有新的數據塊到來，并進行上述的模型更新過程；經過次更新后，模型參數表示為序列，其中表示第次更新后的模型參數；數學表達：整個定期更新模型的過程用以下數學表達式來表示： 其中，表示第個時間間隔內到來的新數據塊；所述重采樣方法包括上采樣、下采樣；所述上采樣通過增加少數類的樣本數量，使其與多數類的數量相近；所述下采樣通過減少多數類的樣本數量，以匹配少數類的數量；重采樣的數學表達為：假設原始數據集中有兩個類別A和B，其中A為多數類，B為少數類，設A類的樣本數量為，B類的樣本數量為；上采樣后的樣本集表示為：其中和分別表示從A類和B類中隨機抽取的樣本子集；下采樣后的樣本集表示為：，其中S表示原始數據集，表示從B類中隨機抽取的樣本子集；所述加權方式用于根據樣本的類別為其分配權重，權重的選擇根據經驗或交叉驗證來確定；加權的數學表達為：假設原始數據集中有兩個類別A和B，其中A為多數類，B為少數類，設A類的權重為，B類的權重為；在模型訓練過程中，每個樣本的損失函數乘以其對應的權重，即：，其中L表示原始損失函數，表示樣本的權重；對于分類任務，使用加權的交叉熵損失函數來考慮樣本權重，其表達式為：，其中N表示樣本總數表示第i個樣本的權重，表示真實標簽，表示預測概率。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人深圳四海匯通科技有限公司，其通訊地址為：518000 廣東省深圳市寶安區(qū)西鄉(xiāng)街道臣田社區(qū)寶田一路50號臣田研發(fā)大樓1406；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。