[发明专利]工业互联网女巫攻击检测方法、装置及电子设备

权利要求书

1.一种工业互联网女巫攻击检测方法，其特征在于，所述方法包括：

获取工业互联网中每一个运动节点的行驶状态矩阵；

计算所述行驶状态矩阵的特征值；

选择预定个数的所述特征值作为节点特征值；

将所有所述运动节点的所述节点特征值输入预先构建好的极限学习机模型，其中，所述极限学习机模型包括输入层、隐藏层、输出层，在所述隐藏层设有激励函数；

通过所述极限学习机模型中的所述激励函数和所述隐藏层采用加权求和方法对所述节点特征值进行计算，得到所述运动节点的分类结果；

将所述分类结果作为女巫攻击检测结果。

2.根据权利要求1所述的方法，其特征在于，所述极限学习机模型的构建过程包括：

构建所述极限学习机模型的所述输入层，其中，所述输入层用于接收输入向量和目标向量；

基于随机获取到的隐藏层偏置向量、输入权重向量通过所述激励函数构建所述极限学习机模型的所述隐藏层，其中，所述隐藏层包括隐藏层输出矩阵和输出权重矩阵；

构建所述极限学习机模型的输出层，其中，所述输出层用于输出所述隐藏层的所述分类结果。

3.根据权利要求2所述的方法，其特征在于，所述通过所述极限学习机模型中的所述激励函数和所述隐藏层采用加权求和方法对所述节点特征值进行计算，得到所述运动节点的分类结果，包括：

将所述节点特征值和所述目标向量输入至所述输入层，并通过所述输入层发送至所述隐藏层；

利用所述隐藏层根据所述激励函数、所述隐藏层偏置向量、所述输入权重向量和所述节点特征值通过矩阵运算得到所述隐藏层输出矩阵；

利用所述隐藏层根据所述隐藏层输出矩阵和所述输入层中的所述目标向量采用伪逆矩阵法计算所述输出权重矩阵；

利用所述隐藏层根据所述隐藏层节点数、所述激励函数和所述输出权重矩阵通过加权求和计算得到所述运动节点的所述分类结果，所述隐藏层将所述分类结果发送至所述输出层；

所述输出层将所述分类结果输出。

4.根据权利要求3所述的方法，其特征在于，所述利用所述隐藏层根据所述激励函数、所述隐藏层偏置向量、所述输入权重向量和所述节点特征值通过矩阵运算得到所述隐藏层输出矩阵，包括：

根据如下公式构建所述隐藏层输出矩阵H：

其中，H为所述隐藏层输出矩阵，G为所述激励函数，为所述输入权重向量，为所述隐藏层偏置向量，为所述隐藏层节点数，x＝[x₁,x₂,...,x_k]为所述输入向量，k为所述输入向量的长度。

5.根据权利要求3所述的方法，其特征在于，所述利用所述隐藏层根据所述隐藏层输出矩阵和所述输入层中的所述目标向量采用伪逆矩阵法计算所述输出权重矩阵，包括：

根据如下公式计算所述输出权重矩阵β：

其中，为所述输出权重矩阵，为所述输出权重矩阵的第个输出权重向量的转置向量，为所述隐藏层节点数，l为所述目标向量的长度，H为所述隐藏层输出矩阵，为目标矩阵，为第个所述目标向量的转置向量，k为所述输入向量的长度，为H的伪逆矩阵，H^T为H的转置矩阵，(H^TH)^-1为矩阵H^TH的逆矩阵。

6.根据权利要求5所述的方法，其特征在于，所述利用所述隐藏层根据所述隐藏层节点数、所述激励函数和所述输出权重矩阵通过加权求和计算得到所述运动节点的所述分类结果，包括：

根据如下公式计算所述分类结果s：

其中，s为所述分类结果，β_i＝[β_i1,β_i2,...,β_il]为所述输出权重矩阵β中的第i个所述输出权重向量，为所述隐藏层节点数，β_il为第i个所述输出权重向量的第l个值，l为所述目标向量的长度，G为所述激励函数，w_i为所述输入权重向量的第i个值，x为所述输入向量，b_i为所述隐藏层偏置向量的第i个值。