[发明专利]基于光谱分析的光网络的光源及光路径识别方法有效
申请号: | 201810081812.1 | 申请日: | 2018-01-29 |
公开(公告)号: | CN108429589B | 公开(公告)日: | 2020-02-07 |
发明(设计)人: | 郑小平;李*龙;华楠 | 申请(专利权)人: | 清华大学 |
主分类号: | H04B10/85 | 分类号: | H04B10/85;H04B10/079;G06K9/62 |
代理公司: | 11201 北京清亦华知识产权代理事务所(普通合伙) | 代理人: | 张润 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于光谱分析的光网络的光源及光路径识别方法,该方法先通过基于人工智能技术的光源分类模型识别光源之后,再将光信号的基本参数和预存在光谱识别数据库中光源的相关业务信息进行比对验证,验证通过后识别出的光源才为合法光源,相应地,节点所传输的光信号为合法信号,实现了更加有效地甄别合法信号和非法信号,以及提升了光网络的安全性。此外,还通过基于人工智能技术的光路径分类模型识别光路径,光路径分类模型是通过采用海量的训练数据训练得到的,光路径识别效果更好。 | ||
搜索关键词: | 光谱分析 光路径 光源 人工智能技术 分类模型 合法信号 多节点 协同 比对验证 非法信号 光谱识别 光源分类 基本参数 模型识别 训练数据 验证通过 业务信息 光网络 有效地 光谱 数据库 传输 合法 分析 | ||
【主权项】:
1.一种基于光谱分析的光网络的光源及光路径识别方法,其特征在于,包括:/n采集光网络中预设节点处所传输的光信号的待测光谱数据,并提取所述光信号的基本参数,以及根据所述待测光谱数据和所述基本参数构建所述光信号对应的待测光谱数据向量;/n对所述待测光谱数据向量进行预处理以及提取所述待测光谱数据向量的基本参数;/n将所述预处理后的待测光谱数据向量导入光源分类模型中进行光源识别,输出所述光信号的光源标识,以及在所述光源标识包括合法光源标识时,从光谱识别数据库获取所述合法光源标识的相关业务信息,并验证所述合法光源标识的相关业务信息中是否存在所述待测光谱数据向量的基本参数,若验证结果为存在,确定光信号的光源认证通过;/n所述方法还包括:/n接收光网络中所采集到的历史光谱数据,对所述历史光谱数据进行预处理以获取历史光谱数据向量,并将属于同一光源的历史光谱数据向量添加同一合法光源标识;/n将部分的添加合法光源标识后的历史光谱数据向量作为训练数据集中的样本数据,形成训练数据集,以及将剩余的添加合法光源标识后的历史光谱数据向量作为阈值计算数据集中的样本数据,形成阈值计算数据集;/n采用支持向量机算法对所述训练数据集进行训练,将不同合法光源标识的样本数据在高维数据空间中映射,寻找分类界面对所述不同合法光源标识的样本数据进行划分,完成光源分类模型的构建;/n将阈值计算数据集输入到所述光源分类模型中进行分析,获取损失参数矩阵;/n根据所述损失参数矩阵设置识别阈值;/n其中,所述将所述预处理后的待测光谱数据向量导入光源分类模型中进行光源识别,输出所述光信号的光源标识,包括:/n将所述预处理后的待测光谱数据向量导入光源分类模型中,确定待测光谱数据向量对应的损失参数矩阵;/n根据所述待测光谱数据向量对应的损失参数矩阵和识别阈值输出所述光信号的光源标识;/n或者,获取光源的原始光谱数据并进行预处理,以及根据预处理后的原始光谱数据和预处理后的待测光谱数据向量获取光路径传输矩阵,并将所述光路径传输矩阵导入光路径分类模型中进行光路径识别,输出所述光信号的光路径标识;/n所述方法还包括:/n分别获取光源的原始光谱数据和光网络的历史光谱数据并分别进行预处理,以及根据预处理后的原始光谱数据和预处理后的历史光谱数据获取历史光路径传输矩阵,并将属于同一路径的历史光路径传输矩阵添加同一光路径标识;/n将所述添加光路径标识后的历史光路径传输矩阵作为训练数据集中的样本数据,形成训练数据集;/n采用支持向量机算法对所述训练数据集进行训练,将不同光路径标识的样本数据在高维数据空间中映射,寻找分类界面对所述不同光路径标识的样本数据进行划分,完成光路径分类模型的构建;/n其中,所述将所述光路径传输矩阵导入光路径分类模型中进行光路径识别,输出所述光信号的光路径标识,包括:/n将所述光路径传输矩阵导入光路径分类模型中,确定所述光路径传输矩阵对应的损失参数矩阵;/n确定所述损失参数矩阵的各行中的最大值,将各行中的最大值在损失参数矩阵中的列号作为所述光信号的光路径标识并输出。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810081812.1/,转载请声明来源钻瓜专利网。
- 同类专利
- 基于光谱分析的光网络的光源及光路径识别方法-201810081812.1
- 郑小平;李*龙;华楠 - 清华大学
- 2018-01-29 - 2020-02-07 - H04B10/85
- 本发明公开了一种基于光谱分析的光网络的光源及光路径识别方法,该方法先通过基于人工智能技术的光源分类模型识别光源之后,再将光信号的基本参数和预存在光谱识别数据库中光源的相关业务信息进行比对验证,验证通过后识别出的光源才为合法光源,相应地,节点所传输的光信号为合法信号,实现了更加有效地甄别合法信号和非法信号,以及提升了光网络的安全性。此外,还通过基于人工智能技术的光路径分类模型识别光路径,光路径分类模型是通过采用海量的训练数据训练得到的,光路径识别效果更好。
- 一种光信息的加密方法及加密系统-201711428519.X
- 李成宇;张洪杰;王森 - 中科稀土(长春)有限责任公司
- 2017-12-25 - 2020-01-21 - H04B10/85
- 本发明涉及一种光信息加密方法及加密系统,至少包括电加密模块和光调制模块,电加密模块基于至少一种加密函数将载有数据信息的电信号加密为第一加密脉冲电信号,光调制模块基于至少一个光调制方案将第一加密脉冲电信号调制为在一个发光周期内包括至少两个发光阶段的光信号,至少一个发光阶段的光按照与时间相关的特征曲线独立变化且特征曲线与第一加密脉冲电信号对应,至少一个发光阶段的光按照与第一加密脉冲电信号的加密函数相关联的特征曲线独立变化,和/或至少一个发光阶段的光随时间以趋近于零坎德拉的特征曲线变化。本发明将发光周期划分为至少两个发光阶段并对发光阶段内发光参数变化进行独立调控,形成加密光信号,安全级别高难破解。
- 基于压缩感知时间关联成像的对象认证方法-201710854480.1
- 康祎;张雷洪;李贝;占文杰 - 上海理工大学
- 2017-09-20 - 2019-12-24 - H04B10/85
- 本发明涉及一种基于压缩感知时间关联成像的对象认证方法,首先利用时间关联成像采集信号,将采集的信息运用压缩感知进行重构,将重构信号和原始信号经过整群抽样后,变化为二维形式并进行置乱,将置乱之后的原始信号和重构信号进行相关性认证,以实现在非常低的采样率下完成信息的认证。这种认证方法可以以极低的采样率完成信息的认证,节省了重构时间,提高了认证效率,同时具有很高的认证精度和安全性。
- 一种光模块加密方法、光模块识别方法及识别装置-201910770995.2
- 陈志刚;黄翠翠;陈籽辰;邵天民;胡进;刘家谊 - 武汉飞沃科技有限公司
- 2019-08-20 - 2019-11-19 - H04B10/85
- 本发明涉及一种光模块加密方法、光模块识别方法及识别装置,利用不同的加密算法建立加密算法表,在对光模块加密时对加密算法进行二次加密的方法提高加密级别以及非法破解难度,避免出现使用单一加密算法,一旦加密算法泄露,则全系产品都有可能被仿造的问题出现。
- 专利分类