[发明专利]一种基于大数据的校园安全监测方法及系统

权利要求书

1.一种基于大数据的校园安全监测方法,其特征在于，包括以下步骤：

采集校园数据；

对校园数据进行分析处理得到学生行为模型；

将学生行为模型与参照模型进行对比分析并输出评估结果。

2.如权利要求1所述的一种基于大数据的校园安全监测方法,其特征在于，

所述采集校园数据采用的数据接口类型包括：数据库接口、文件接口、WEBService接口和SDK接口中的一种或几种；

所述校园数据包括：学生基础信息、学籍信息、课程安排信息、考试成绩信息、奖惩信息、参加活动信息、一卡通消费信息、门禁数据信息和摄像头影像信息中的一种或几种。

3.如权利要求1所述的一种基于大数据的校园安全监测方法,其特征在于，对校园数据进行分析处理得到学生行为模型包括：

对校园数据进行关联分析、聚类分析、趋势分析、排行分析和/或数据汇总分析，并建立学生行为模型；

所述参照模型由操作人员预先设定。

4.如权利要求1所述的一种基于大数据的校园安全监测方法,其特征在于，所述将学生行为模型与参照模型进行对比分析并输出评估结果包括：

设定学生行为模型与参照模型之间的容错度，若学生行为模型与参照模型差别超过容错度则判定出现安全事件；

对操作人员进行身份鉴权，若操作人员非授权人员则锁定人机交互界面并发出警报；

通过列表动态更新方式向操作人员展示安全事件；

对不同类型的安全事件进行数量统计并向操作人员展示统计结果；

对异常信息进行定期巡检；

记录安全事件详细信息包括：时间信息或/和地点信息或/和安全事件类型信息或/和人员姓名信息或/和安全事件详细描述信息，并向操作人员展示安全事件详细信息。

5.如权利要求1所述的一种基于大数据的校园安全监测方法,其特征在于，将学生行为模型与参照模型进行对比分析并输出评估结果，还包括步骤

将安全事件详细信息发送至安全事件学生指定联系人。

6.如权利要求3所述的一种基于大数据的校园安全监测方法,其特征在于，所述学生行为模型与参照模型之间的容错度参照学生考试成绩信息或/和体检信息进行设定。

7.如权利要求1所述的一种基于大数据的校园安全监测方法,其特征在于，采集校园数据包括：

定时数据采集、文件数据采集、数据库库表同步、冗余数据过滤、关键字标识和关联属性标识中的一种或几种。

8.如权利要求4-7中任意一项所述的一种基于大数据的校园安全监测方法,其特征在于，安全事件包括：

活动轨迹异常、课堂表现异常、学习成绩异常、消费行为异常和作息习惯异常中的一种或几种。

9.一种基于大数据的校园安全监测系统,其特征在于，包括以下模块：

采集模块，用于采集校园数据；

行为模型建立模块，用于对校园数据进行分析处理得到学生行为模型；

分析模块，用于将学生行为模型与参照模型进行对比分析并输出评估结果。

10.如权利要求9所述的一种基于大数据的校园安全监测系统，其特征在于，

所述采集模块的数据接口类型包括：数据库接口、文件接口、WEBService接口SDK接口中的一种或几种；

所述校园数据包括：学生基础信息、学籍信息、课程安排信息、考试成绩信息、奖惩信息、参加活动信息、一卡通消费信息、门禁数据信息和摄像头影像信息中的一种或几种；

行为模型建立模块对校园数据进行关联分析、聚类分析、趋势分析、排行分析或/和数据汇总分析，并建立学生行为模型；

行为模型建立模块中参照模型由操作人员预先设定；

所述分析模块设定学生行为模型与参照模型之间的容错度，若学生行为模型与参照模型差别超过容错度则判定出现安全事件；

对操作人员进行身份鉴权，若操作人员非授权人员则锁定人机交互界面并发出警报；

通过列表动态更新方式向操作人员展示安全事件；

对不同类型的安全事件进行数量统计并向操作人员展示统计结果；

对异常信息进行定期巡检；

记录安全事件详细信息包括：时间信息、地点信息、安全事件类型信息、人员姓名信息或/和安全事件详细描述信息，并向操作人员展示安全事件详细信息；

所述分析模块将安全事件详细信息发送至安全事件学生指定联系人；

所述分析模块将所述学生行为模型与参照模型之间的容错度参照学生考试成绩信息或/和体检信息进行设定；

采集模块定时数据采集、文件数据采集、数据库库表同步、冗余数据过滤、关键字标识或/和关联属性标识；

所述安全事件包括：活动轨迹异常、课堂表现异常、学习成绩异常、消费行为异常、作息习惯异常。