[发明专利]一种物联网安全检测方法、装置、设备及存储介质

权利要求书

1.一种物联网安全检测方法，其特征在于，包括：

基于待测物联网设备的边缘节点，获取所述待测物联网设备在多个时刻的网络流量数据；

对所述多个时刻的网络流量数据进行特征提取，获得所述待测物联网设备的网络流量特征；

将所述网络流量特征输入至神经网络进行训练，构建多个时刻的物联网安全检测模型；

基于所述多个时刻的物联网安全检测模型的模型参数，采用训练集对深度学习网络模型进行训练，确定所述深度学习网络模型的参数分布概率；

将所述网络流量特征输入至确定参数分布概率后的深度学习网络模型，获得所述待测物联网设备的物联网安全检测结果；

其中，所述训练集包括网络流量特征、与所述训练集中的网络流量特征相对应的流量异常值，所述深度学习网络模型为贝叶斯深度学习网络模型，所述参数分布概率包括权重分布概率和偏置分布概率；

所述基于所述多个时刻的物联网安全检测模型的模型参数，采用训练集对深度学习网络模型进行训练，确定所述深度学习网络模型的参数分布概率，具体为：

基于所述多个时刻的物联网安全检测模型的模型参数，通过如下公式，采用训练集对贝叶斯深度学习网络模型进行训练，确定所述贝叶斯深度学习网络模型的权重分布概率和偏置分布概率：

其中，x_m表示所述训练集的第m个网络流量特征，y_m表示所述训练集的第m个网络流量特征的流量异常值，w表示权重参数，θ表示偏置参数，p(y_m|x_m,w)表示基于所述多个时刻的物联网安全检测模型的模型参数所获得的权重参数的似然函数，p(w)表示基于所述多个时刻的物联网安全检测模型的模型参数所获得的权重参数的先验概率，p(w|x_m,y_m)表示权重分布概率，p(y_m|x_m,θ)表示基于所述多个时刻的物联网安全检测模型的模型参数所获得的偏置参数的似然函数，p(θ)表示基于所述多个时刻的物联网安全检测模型的模型参数所获得的偏置参数的先验概率，p(θ|x_m,y_m)表示偏置分布概率。

2.如权利要求1所述的物联网安全检测方法，其特征在于，所述将所述网络流量特征输入至神经网络进行训练，构建多个时刻的物联网安全检测模型，具体为：

将所述网络流量特征输入至BP神经网络进行训练，构建多个时刻的物联网安全检测模型。

3.如权利要求1所述的物联网安全检测方法，其特征在于，所述对所述多个时刻的网络流量数据进行特征提取，获得所述待测物联网设备的网络流量特征，具体为：

将所述多个时刻的网络流量数据输入至预设的DNN网络模型，通过所述DNN网络模型对所述多个时刻的网络流量数据进行多尺度特征提取，获得所述待测物联网设备的网络流量特征。

4.如权利要求1所述的物联网安全检测方法，其特征在于，所述网络流量数据至少包括所述待测物联网设备发送和接收的数据包数量、所述待测物联网设备发送和接收的数据流量、所述待测物联网设备发送和接收的最大包、发送和接收最大包的时间间隔、发送和接收最大包的时间间隔的均值、通信链路集合、设备协议采样点、设备协议采样频率和设备协议通道数。