一种基于图卷积的物联网安全检测方法及系统

技术领域

本发明属于物联网技术领域、网络通信技术领域、图卷积技术领域，具体涉及一种基于图卷积的物联网安全检测方法及系统。

背景技术

在物联网通信的现有技术中，一般是根据物联网的各个网络节点的数据流量的周期性通过图卷积网络模型或者CNN神经网络模型对网络的流量进行预测。或者，采用注意力机制进行建模进行流量预测并与周期流量之间的时空相关性，但是注意力机制忽略了不同周期流量，也并忽略了信号强度等网络关键性指标。可能会导致局部数据拥塞，从而使物联网数据传输整体上产生高延迟问题。

发明内容

本发明的目的在于提出一种基于图卷积的物联网安全检测方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，根据本发明的一方面，提供一种基于图卷积的物联网安全检测方法，所述方法包括以下步骤：

S100，初始化物联网，物联网的基站全网广播初始化信息，物联网中各节点收到初始化信息后发送与基站间的信号强度回基站；

S200，通过各节点与基站之间的信号强度构建网络连通图；

S300，采集一定时间内网络连通图中各个节点的出入流量数据构造训练集和测试集，通过训练集对图卷积网络模型进行训练，并采用测试集进行测试；训练并测试完成后，得到训练好的模型；

S400，通过训练好的模型对各个节点的出入流量进行预测得到各个节点的预测流量；

S500，通过预测流量对网络连通图中各个节点的通信路径进行调整获得优化路径。

进一步地，在S100中，物联网中至少包括基站、多个节点；所述节点至少包括温度传感器、湿度传感器或者电磁传感器中任意一种，所述节点还包括MCU微控制单元、电池和存储器；电源模块；所述基站至少包括用于采集各个节点传输的数据的服务器，与各个节点通过有线或者无线方式连通。

进一步地，初始化物联网为：在一个选定的区域内随机播撒各个节点，并且启动各个节点的电源。

进一步地，出入流量为节点之间通信的网络流量或者数据包的数量。

进一步地，在S200中，通过各节点与基站之间的信号强度构建网络连通图的方法为：

S201，对每个节点对应设置一个状态标记arr，arr的值为True或者False，当arr为True时，表示节点已经加入网络连通图，当arr为False时，表示节点还没加入网络连通图；初始化设置arr的值为False；令网络连通图由顶点集V和边集E组成,记为G＝(V,E)；顶点集V中初始化为将基站作为顶点加入V中；

S202，如果存在状态标记arr的值为False的节点，在状态标记arr的值为False的节点中获取与基站的信号强度最小的节点记为minNode；记minNode与除基站之外的各个节点之间信号强度最小的节点为TempNode；如果不存在状态标记arr的值为False的节点，转到步骤S207；

S203，以基站与minNode之间通信的时延为Delay1,以基站与TempNode之间通信的时延为Delay2；监测从初始化物联网的时间T1开始到当前时间中Delay1的最大值MaxD1、最小值MinD1，监测从初始化物联网的时间T1开始到当前时间中Delay2的最大值MaxD2、最小值MinD2，

S204，计算差值时间段t1＝Max(MaxD1,MaxD2)-Min(MinD1,MinD2)；Max函数为取两个值之间的最大值，Min函数为取两个值之间的最小值；

S205，取最近一个差值时间段t1内的minNode和TempNode之间的信号强度的最大值RSU1，取最近一个差值时间段t1内所有状态标记arr的值为False的节点互相之间的信号强度的最大值的平均值aveU；当U1≥aveU时，将minNode和TempNode作为顶点加入到顶点集V，构建minNode和TempNode之间的通信链路作为边加入到边集E，并将minNode和TempNode的状态标记arr设置为True，转到步骤S202；当U1＜aveU时，转到步骤S206；

S206，取最近一个差值时间段t1内所有状态标记arr的值为False的节点与minNode之间的信号强度的最大值的节点记为PowNod；如果PowNod的状态标记arr的值为False，则将minNode和PowNod作为顶点加入到顶点集V，构建minNode和PowNod之间的通信链路作为边加入到边集E，并将minNode和TempNode的状态标记arr设置为True，转到步骤S202；如果PowNod的状态标记arr的值为True，则将PowNod的状态标记arr设置为False，转到步骤S202；(以PowNod为基础根节点构建下一层次的网络，保证网络的关键性主路由为最大的信号强度)；

S207，获得由顶点集V和边集E组成的网络连通图G＝(V,E)。

进一步地，在S300、S400中，所涉及的图卷积网络模型为参考文献：向敏,饶华阳,张进进,基于图卷积神经网络的软件定义电力通信网络路由控制策略[J].电子与信息学报,2021,43(2):8，或者公开号为CN111489013A《一种基于时空多图卷积网络的交通站点流量预测方法》的专利文献中的图卷积神经网络。

进一步地，在S500中，通过预测流量对网络连通图中各个节点的通信路径进行调整获得优化路径的方法为：

S501，通过训练好的图卷积网络模型获取网络连通图G＝(V,E)的点集V＝{v

S502，获取点集V中第i个点v

S503，依次计算网络连通图中各个节点v

其中，exp为以自然常数e为底的指数函数，vTend(v

S504，计算网络连通图中所有节点的流速趋势值的算术平均值记为AVEVTrend；令与网络连通图G中节点v

依次遍历网络连通图中各个节点，当节点v

S505，获得优化后的网络连通图G，将网络连通图G的边集E中各边作为调整后的物联网的通信路径，将调整后的通信路径作为优化路径输出。

由此，将物联网的路由调整为优化路径。根据优化路径进行数据传输可以能够保证整体上的网络流量通畅性，提高网络的整体性能，动态的降低网络局部性的时延。

本发明还提供了一种基于图卷积的物联网安全检测系统，所述系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种基于图卷积的物联网安全检测方法中的步骤以此控制盐度参数智能调控，所述一种基于图卷积的物联网安全检测系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：

网络初始化单元，用于初始化物联网，物联网的基站全网广播初始化信息，物联网中各节点收到初始化信息后发送与基站间的信号强度回基站；

连通图构建单元，用于通过各节点与基站之间的信号强度构建网络连通图；

卷积模型训练单元，用于采集一定时间内网络连通图中各个节点的出入流量数据构造训练集和测试集，通过训练集对图卷积网络模型进行训练，并采用测试集进行测试；训练并测试完成后，得到训练好的模型；

卷积模型预测单元，用于通过训练好的模型对各个节点的出入流量进行预测得到各个节点的预测流量；

优化路径调整单元，用于通过预测流量对网络连通图中各个节点的通信路径进行调整获得优化路径。

本发明的有益效果为：本发明提供一种基于图卷积的物联网安全检测方法及系统，避免了在由于局部数据拥塞导致的物联网数据传输高延迟问题，能够以局部通信代价最小的节点作为基础根节点构建下一层次的网络，保证网络的关键性的主路由为最大的信号强度的路由，并且可以根据图卷积网络预测的预测流量计算得到的流速趋势值，能够保证整体上的网络流量通畅性，提高网络的整体性能，动态的降低网络局部时延。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为一种基于图卷积的物联网安全检测方法的流程图；

图2所示为一种基于图卷积的物联网安全检测系统结构图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示为一种基于图卷积的物联网安全检测方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于图卷积的物联网安全检测方法，所述方法包括以下步骤：

S100，初始化物联网，物联网的基站全网广播初始化信息，物联网中各节点收到初始化信息后发送与基站间的信号强度回基站；

S200，通过各节点与基站之间的信号强度构建网络连通图；

S300，采集一定时间内网络连通图中各个节点的出入流量数据构造训练集和测试集，通过训练集对图卷积网络模型进行训练，并采用测试集进行测试；训练并测试完成后，得到训练好的模型；其中，所述一定时间内为最近[2,8]小时内，出入流量数据为网络连通图中各个节点的通信的网络流量或者数据包的数量。

S400，通过训练好的模型对各个节点的出入流量进行预测得到各个节点的预测流量；

S500，通过预测流量对网络连通图中各个节点的通信路径进行调整获得优化路径。

进一步地，在S100中，物联网中至少包括基站、多个节点；所述节点至少包括温度传感器、湿度传感器或者电磁传感器中任意一种，所述节点还包括MCU微控制单元、电池和存储器；电源模块；所述基站至少包括用于采集各个节点传输的数据的服务器，与各个节点通过有线或者无线方式连通。

进一步地，初始化物联网为：在一个选定的区域内随机播撒各个节点，并且启动各个节点的电源。

进一步地，出入流量为节点之间通信的网络流量或者数据包的数量。

进一步地，在S200中，通过各节点与基站之间的信号强度构建网络连通图的方法为：

S201，对每个节点对应设置一个状态标记arr，arr的值为True或者False，当arr为True时，表示节点已经加入网络，当arr为False时，表示节点还没加入网络；初始化设置arr的值为False；令网络连通图由顶点集V和边集E组成,记为G＝(V,E)；顶点集V中初始化为将基站作为顶点加入V中；

S202，如果存在状态标记arr的值为False的节点，在状态标记arr的值为False的节点中获取与基站的信号强度最小的节点记为minNode；记minNode与除基站之外的各个节点之间信号强度最小的节点为TempNode；如果不存在状态标记arr的值为False的节点，转到步骤S207；

S203，以基站与minNode之间通信的时延为Delay1,以基站与TempNode之间通信的时延为Delay2；监测从初始化物联网的时间T1开始到当前时间中Delay1的最大值MaxD1、最小值MinD1，监测从初始化物联网的时间T1开始到当前时间中Delay2的最大值MaxD2、最小值MinD2，

S204，计算差值时间段t1＝Max(MaxD1,MaxD2)-Min(MinD1,MinD2)；Max函数为取两个值之间的最大值，Min函数为取两个值之间的最小值；

S205，取最近一个差值时间段t1内的minNode和TempNode之间的信号强度的最大值RSU1，取最近一个差值时间段t1内所有状态标记arr的值为False的节点互相之间的信号强度的最大值的平均值aveU；当U1≥aveU时，将minNode和TempNode作为顶点加入到顶点集V，构建minNode和TempNode之间的通信链路作为边加入到边集E，并将minNode和TempNode各自的状态标记arr都设置为True，转到步骤S202；当U1＜aveU时，转到步骤S206；

S206，取最近一个差值时间段t1内所有状态标记arr的值为False的节点与minNode之间的信号强度的最大值的节点记为PowNod；如果PowNod的状态标记arr的值为False，则将minNode和PowNod作为顶点加入到顶点集V，构建minNode和PowNod之间的通信链路作为边加入到边集E，并将minNode和TempNode的状态标记arr设置为True，转到步骤S202；如果PowNod的状态标记arr的值为True，则将PowNod的状态标记arr设置为False，转到步骤S202；(以PowNod为基础根节点构建下一层次的网络，保证网络的关键性主路由为最大的信号强度)；

S207，获得由顶点集V和边集E组成的网络连通图G＝(V,E)。

进一步地，在S300、S400中，所涉及的图卷积网络模型为参考文献：向敏,饶华阳,张进进,基于图卷积神经网络的软件定义电力通信网络路由控制策略[J].电子与信息学报,2021,43(2):8，或者专利公开号：CN111489013A《一种基于时空多图卷积网络的交通站点流量预测方法》的专利中的图卷积神经网络。

进一步地，在S500中，通过预测流量对网络连通图中各个节点的通信路径进行调整获得优化路径的方法为：

S501，通过训练好的图卷积网络模型获取网络连通图G＝(V,E)的点集V＝{v

S502，获取点集V中第i个点v

S503，依次计算网络连通图中各个节点v

其中，exp为以自然常数e为底的指数函数，vTend(v

S504，计算网络连通图中所有节点的流速趋势值的算术平均值记为AVEVTrend；令与网络连通图G中节点v

依次遍历网络连通图中各个节点，当节点v

S505，获得优化后的网络连通图G，将网络连通图G的边集E中各边作为调整后的物联网的通信路径，将调整后的通信路径作为优化路径输出。

优选的，差值时间段t1还可以设置为[1500,8000]毫秒。

本发明的实施例提供的一种基于图卷积的物联网安全检测系统，如图2所示为本发明的一种基于图卷积的物联网安全检测系统结构图，该实施例的一种基于图卷积的物联网安全检测系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于图卷积的物联网安全检测系统实施例中的步骤。

所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

网络初始化单元，用于初始化物联网，物联网的基站全网广播初始化信息，物联网中各节点收到初始化信息后发送与基站间的信号强度回基站；

连通图构建单元，用于通过各节点与基站之间的信号强度构建网络连通图；

卷积模型训练单元，用于采集一定时间内网络连通图中各个节点的出入流量数据构造训练集和测试集，通过训练集对图卷积网络模型进行训练，并采用测试集进行测试；训练并测试完成后，得到训练好的模型；

卷积模型预测单元，用于通过训练好的模型对各个节点的出入流量进行预测得到各个节点的预测流量；

优化路径调整单元，用于通过预测流量对网络连通图中各个节点的通信路径进行调整获得优化路径。

所述一种基于图卷积的物联网安全检测系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种基于图卷积的物联网安全检测系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于图卷积的物联网安全检测系统的示例，并不构成对一种基于图卷积的物联网安全检测系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于图卷积的物联网安全检测系统还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于图卷积的物联网安全检测系统运行系统的控制中心，利用各种接口和线路连接整个一种基于图卷积的物联网安全检测系统可运行系统的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于图卷积的物联网安全检测系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。