[发明专利]基于机器学习的工业物联网数据验证方法

说明书

本发明属于工业物联网技术领域，公开了一种基于机器学习的工业物联网数据验证方法，包括以下步骤：确定数据项，对每个数据项：分别获取m个训练样本组成训练集；建立初始学习模型；采用训练集对初始学习模型进行训练，得到训练后的强分类器；获取待验证数据，将待验证数据作为训练后的强分类器的输入，对待验证数据进行真假分类，输出待验证数据的分类结果，完成数据的验证。本发明利用机器学习训练获得数据验证模型，从而对待验证数据进行真伪辨别，对于异常数据直接发往运维部门进行分析处理，避免了被恶意篡改的数据到达品类管理中心，保证后续环节数据的真实性。

技术领域

本发明涉及工业物联网技术领域，具体涉及一种基于机器学习的工业物联网数据验证方法。

背景技术

电工装备智慧物联平台，能够强化电工装备实时交互的协同能力，构建优势互补、互利共赢的服务生态，以内外部需求为驱动，以电工装备供应链为主线，以需求侧引领供给侧及配套服务第三方等合作伙伴的核心利益诉求，形成社会化的协同生产方式和组织模式。

智慧物联数据网关作为EIP(企业电子信息平台)系统在供应商侧的延申，承担连接供应商工厂数采系统和品类管理中心的桥梁，工厂数采系统通过物联数据对接通道连接智慧物联数据网关，智慧物联数据网关通过物联数据转发通道连接品类管理中心，从而使工厂侧采集到的原材料检验、生产工艺及过程检验数据、产品试验数据和关键过程视频数据等，通过智慧物联数据网关，上传至物联品类管理中心。

在这个过程中，从供应商侧采集的物联数据的真实性对于EIP平台运行及后续各环节的应用至关重要。因此，需要建立完善的数据真实性保障机制，现有技术中，通过数据主动抓取和数据保真等多种手段，配合相应的管理措施，确保供应商提供的物联数据的真实有效。即使如此，仍然无法保证数据在传输过程中被恶意篡改，因此，需要对每一环节的数据进行验证，确保上传至品类管理中心数据的真实性。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于机器学习的工业物联网数据验证方法，利用机器学习训练获得数据验证模型，从而对待验证数据进行真伪辨别，对于异常数据直接发往运维部门进行分析处理，避免了被恶意篡改的数据到达品类管理中心，保证后续环节数据的真实性。

为了达到上述目的，本发明采用以下技术方案予以实现。

基于机器学习的工业物联网数据验证方法，包括以下步骤：

步骤1，确定数据项，对每个数据项：分别获取m个训练样本组成训练集；建立初始学习模型；

其中，所述训练样本为供应商提供的历史产品检验性能数据、设备参数或视频数据；m3000；

步骤2，采用训练集对初始学习模型进行训练，得到训练后的强分类器；

步骤3，获取待验证数据，将待验证数据作为训练后的强分类器的输入，对待验证数据进行真假分类，输出待验证数据的分类结果，完成数据的验证。

进一步地，所述数据项包含原材料检验数据、生产工艺过程检验数据、产品试验数据和关键过程视频数据。

进一步地，所述初始学习模型由K个弱学习器组成，每个弱学习器为卷积神经网络。

进一步地，所述采用训练集对初始学习模型进行训练，具体为：

2.1，初始化训练样本权重为D₁；

2.2，采用具有权重D_k的训练样本输入第K个弱学习器进行数据训练，得到第K个弱分类器G_k(x)；

2.3，计算第K个弱分类器G_k(x)的分类误差率: