一种物联网边缘计算数据污染检测方法、系统及介质

    公开(公告)号:CN117473308B

    公开(公告)日:2024-07-12

    申请号:CN202311268694.2

    申请日:2023-09-28

    申请人: 无锡学院

    摘要: 本发明公开了一种物联网边缘计算数据污染检测方法、系统及介质。方法包括:获取初始样本数据;初始样本数据包括原始数据集S以及不同噪声比例的高斯噪声产生的数据集G;构建基线模型,基线模型包括残差网络和基础网络;基于初始样本数据进行训练,直到预设的基线模型的复合损失函数收敛,得到训练好的基线模型;使用数据集G和预设的污染样本数据集F对训练好的基线模型进行检测,使用残差网络提取原始数据集S的样本特征得到第一特征图,使用基础网络对数据集G的样本特征进行卷积得到第二特征图,将第一特征图、第二特征图进行数据融合,输出数据污染检测结果。通过本发明解决物联网边缘计算面临的数据安全问题,减少训练和学习的数据量。

    一种信道选择方法、系统、电子设备及介质

    公开(公告)号:CN117545051A

    公开(公告)日:2024-02-09

    申请号:CN202311002329.7

    申请日:2023-08-10

    申请人: 无锡学院

    摘要: 本发明公开了一种信道选择方法、系统、电子设备及介质,所述方法包括获取网络中传感器节点在发送数据时消耗的最小接收功率及最小的传输能量消耗;将信道分为遍历模式和随机模式;获取历史循环、当前循环中信道的总体空闲概率,得到信道在下一帧空闲的成功概率。本发明通过在低功耗通信模块中设置信道选择器,信道选择器将信道选择分为随机模式和遍历模式,在进行数据传输时依据减少和均衡能耗的目的进行信道选择。在不满足减少能量消耗的情况下,选择稳定可靠的信道进行数据传输。基于数据传输能耗与信道的中心频率成正比关系,根据传感器节点的不同能耗分配不同的频段,达到降低油气物联网中继簇群传感装置能量消耗的目的。

    一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法

    公开(公告)号:CN116132192A

    公开(公告)日:2023-05-16

    申请号:CN202310171045.4

    申请日:2023-02-27

    申请人: 无锡学院

    发明人: 刘苗 徐迪

    IPC分类号: H04L9/40 H04L67/12

    摘要: 本发明公开了一种基于FP‑growth算法的认知物联网共谋SSDF攻击检测方法,涉及物联网安全技术领域,本发明基于以边缘为中心的认知物联网(Ec‑CIoT)架构,公开了一种使用关联规则挖掘算法来检测共谋SSDF攻击,基于CIoT中存在的大量设备,利用BIRCH算法进行聚类,将某区域内的物联网设备划分成若干个子集群,基于子集群内的物联网设备,将感知报告发送到位于边缘层的子融合中心(S‑FC),在S‑FC执行FP‑growth算法识别出共谋恶意物联网设备(C‑MIDs)并过滤其感知报告,基于融合中心(FC)对接收到的感知报告进行数据融合并做出全局决策,实现对CIoT中不同类型的共谋SSDF攻击均达较好的检测,该基于FP‑growth算法的认知物联网共谋SSDF攻击检测方法。

    基于分层神经网络模型的物联网入侵攻击检测方法及系统

    公开(公告)号:CN118400150A

    公开(公告)日:2024-07-26

    申请号:CN202410529986.5

    申请日:2024-04-29

    申请人: 无锡学院

    摘要: 本发明公开了基于分层神经网络模型的物联网入侵攻击检测方法及系统,属于物联网安全技术领域。方法包括:采集网络入侵数据集,对入侵数据集进行预处理,得到非冗余数据集;对非冗余数据集进行划分,得到训练数据集和验证数据集;构建检测网络模型,采用训练数据集和验证数据集对检测网络模型进行训练、验证;采用训练、验证后的检测网络模型进行物联网入侵检测。本发明考虑网络入侵流量数据具有一定的时序性和特征冗余性,以提供了高水平的检测能力为目标,以降低误报率为目标,通过检测网络模型,使得CNN、RNN和Self‑Attention网络的合作可以有效地提取空间和时间特征,并学习输入序列中不同位置之间的依赖关系。

    一种基于油气物联网的能量管理装置及方法

    公开(公告)号:CN116963129A

    公开(公告)日:2023-10-27

    申请号:CN202311002330.X

    申请日:2023-08-10

    申请人: 无锡学院

    摘要: 本发明公开了一种基于油气物联网的能量管理装置及方法,所述装置包括包括数据采集模块、能量采集模块、通信模块、数据处理模块;所述能量采集模块依次与数据采集模块、数据处理模块、通信模块连接;所述数据采集模块输出端与数据处理模块输入端连接;所述数据处理模块输出端与通信模块的输入端通讯连接;所述数据采集模块用于采集油温、油位、油气浓度、压力、湿度数据,并将采集到的数据输入至数据处理模块,数据处理模块对接收到的数据进行滤波、降噪处理后发送至通信模块;所述能量采集模块用于采集微光能、振动能、温差能、射频能;本发明装置及方法能够有效降低数据传输能耗、实现均衡网络能耗和延长油气物联网网络寿命。

    一种基于图神经网络的动态权重联邦学习异常检测方法

    公开(公告)号:CN118734210A

    公开(公告)日:2024-10-01

    申请号:CN202410708885.4

    申请日:2024-06-03

    申请人: 无锡学院

    摘要: 本发明涉及一种基于图神经网络的动态权重联邦学习异常检测方法,包括:基于图神经网络构建异常检测模型并分发至客户端,其中,异常检测模型通过图神经网络构建;客户端基于本地数据对异常检测模型进行训练,获取客户端模型并发送至服务器端,服务器端基于客户端模型结合余弦相似度量化方法对客户端动态分发权重;获取数据集并分发给客户端模型,获取客户端异常检测结果;基于客户端异常检测结果和客户端的权重更新全局模型,对更新后的全局模型进行聚合,获取最终异常检测模型;基于最终异常检测模型进行流量异常检测,获取异常检测结果。本发明在保护数据隐私的前提下能够有效处理图结构数据和时间序列数据,并在联邦学习框架下实现良好的性能。

    一种基于雾计算的油气物联网SSDF攻击防御方法

    公开(公告)号:CN116647358B

    公开(公告)日:2024-07-16

    申请号:CN202310171043.5

    申请日:2023-02-27

    申请人: 无锡学院

    发明人: 刘苗 贺庆

    IPC分类号: H04L9/40 G06F18/23

    摘要: 本发明公开了一种基于雾计算的油气物联网SSDF攻击防御方法,首先,融合中心对接收的能量感知数据进行均值漂移聚类,将数据按照数据值相近程度划分不同聚类,因为同一聚类中数据值之间较为相近,根据本发明创新性地提出的诚信概率值概念,通过诚信概率值筛选出可信度较高的能量数据,然后,根据数据变动程度评分和信任度评分,对同一聚类中筛选后的数据进行评分,为各感知数据分配合适权重,获得可信度更高的融合能量,最后,根据融合能量与能量阈值进行比较,以判断是否存在恶意攻击,仿真结果表明,在3种不同的攻击场景下,本发明具有较高的检测概率,能够更有效地抵抗SSDF攻击。

    一种基于加密算法和联邦学习框架的物联网攻击检测方法

    公开(公告)号:CN118233212A

    公开(公告)日:2024-06-21

    申请号:CN202410530033.0

    申请日:2024-04-29

    申请人: 无锡学院

    IPC分类号: H04L9/40 G06N3/0442 G06N3/098

    摘要: 本发明公开了一种基于加密算法和联邦学习框架的物联网攻击检测方法,属于物联网安全技术领域,包括:系统初始化阶段,生成公钥和私钥;云服务器为入侵检测模型选择参数;边缘智能体向云服务器报告其自身数据资源,云服务器计算各边缘智能体的贡献率;边缘智能体进行本地模型训练。边缘智能体从云服务器接收初始模型和参数并训练;边缘智能体进行模型参数加密。边缘智能体将加密后的参数上传至云服务器;云服务器进行模型参数聚合。边缘智能体使用私钥解密聚合密文,得到更新的各个模型参数。本发明能够在保持设备上数据隐私的同时,提高物联网设备对异常行为的检测能力,特别是在预测攻击时具有更低的误报率和更少的错误警报。

    一种基于FP-growth算法的认知物联网共谋SSDF攻击检测方法

    公开(公告)号:CN116132192B

    公开(公告)日:2024-06-21

    申请号:CN202310171045.4

    申请日:2023-02-27

    申请人: 无锡学院

    发明人: 刘苗 徐迪

    IPC分类号: H04L9/40 H04L67/12

    摘要: 本发明公开了一种基于FP‑growth算法的认知物联网共谋SSDF攻击检测方法,涉及物联网安全技术领域,本发明基于以边缘为中心的认知物联网(Ec‑CIoT)架构,公开了一种使用关联规则挖掘算法来检测共谋SSDF攻击,基于CIoT中存在的大量设备,利用BIRCH算法进行聚类,将某区域内的物联网设备划分成若干个子集群,基于子集群内的物联网设备,将感知报告发送到位于边缘层的子融合中心(S‑FC),在S‑FC执行FP‑growth算法识别出共谋恶意物联网设备(C‑MIDs)并过滤其感知报告,基于融合中心(FC)对接收到的感知报告进行数据融合并做出全局决策,实现对CIoT中不同类型的共谋SSDF攻击均达较好的检测,该基于FP‑growth算法的认知物联网共谋SSDF攻击检测方法。