CN120223503A 一种基于星闪协议栈的轻量化物联网管理系统

(19)国家知识产权局(71)申请人福建迈威信息工程有限公司610单元(74)专利代理机构福州顺升知识产权代理事务HO4L41/044(2022.01)H04LH04LH04LH04LH04L(54)发明名称一种基于星闪协议栈的轻量化物联网管理系统本发明涉及物联网管理技术领域，尤其为一种基于星闪协议栈的轻量化物联网管理系统，包括星闪协议通信、动态拓扑管理、资源虚拟化等多个模块；星闪协议通信模块实现设备低功耗高效连接；动态拓扑管理模块运用改进型多智能体Q学习算法优化网络拓扑；资源虚拟化模块通过加权二分图匹配模型实现资源精准调配；安全防护模块采用注意力机制检测异常并保障数据安全；边缘协同处理模块借助深度强化学习实现任务智能卸载；各模块在跨模块协调控制器统筹下协同工作，打破信息壁垒。本发明有效解决传统物联网系统通信能耗高、资源调配差、安全防护弱、任务处理低效及模块协同不足等问题，显著业21.一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：包括：星闪协议通信模块，接收物理层射频信号，解析星闪协议数据帧，输出设备发现信息与信道状态数据至动态拓扑管理模块；动态拓扑管理模块，接收来自星闪协议通信模块的链路质量指标，基于改进型多智能体强化学习算法生成最优连接拓扑，输出节点连接关系表至资源虚拟化模块；资源虚拟化模块，采集各物联网设备的计算能力、存储容量及传感器类型，通过加权匹配模型构建虚拟资源池，输出资源分配方案至自适应调度引擎；自适应调度引擎，接收业务请求的服务质量等级和资源分配方案，执行动态时隙分配策略，输出时隙配置指令至星闪协议通信模块；安全防护模块，监测设备通信行为数据流，基于注意力机制的异常检测模型生成安全态势评估报告，输出告警信号至边缘协同处理模块；边缘协同处理模块，接收传感器原始数据和安全态势报告，通过任务卸载决策模型生成任务卸载策略，输出预处理数据包至云端服务器。2.根据权利要求1所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述动态拓扑管理模块执行以下处理流程：从星闪协议通信模块实时获取各节点的信号强度矩阵、误码率矩阵和传输时延矩阵；将各节点的信号强度矩阵、误码率矩阵和传输时延矩阵输入链路质量评估模型，计算综合质量评分，该评分由以下三部分加权组成：信号强度评分：将原始信号强度值归一化至0-1区间后乘以第一权重系数；误码率评分：以1减去实际误码率值后乘以第二权重系数；时延评分：将传输时延与最大允许时延的比值进行指数衰减后乘以第三权重系数；其中，第一权重系数、第二权重系数和第三权重系数之和为1,并根据当前业务类型动态配置；基于综合质量评分构建邻接矩阵，采用改进型强化学习算法迭代优化网络拓扑，最终输出包含最优中继节点列表的拓扑配置表。3.根据权利要求2所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述改进型强化学习算法的动作选择策略为：从资源虚拟化模块获取当前资源负载率；根据资源负载率动态调整探索率参数，负载率越高则探索率相应增大；根据贝尔曼方程更新状态价值表，其中，未来收益的加权求和过程考虑邻居节点的剩余能量和计算能力；输出使网络生存周期最大化的拓扑结构。4.根据权利要求1所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述资源虚拟化模块执行以下操作：接收来自物联网设备的资源注册请求，解析设备描述文件获取计算能力、存储空间和传感器类型；构建包含设备硬件能力和传感器特征的多维特征向量；将任务需求向量与设备特征向量输入改进型匹配算法求解器，计算各设备与任务的适配度得分，其中适配度由以下要素综合计算：3计算能力匹配度：设备CPU能力与任务需求的比值；存储空间匹配度：设备内存容量与任务需求的比值；拓扑邻近度：设备间通信跳数的指数衰减函数；生成包含虚拟资源标识、物理设备映射关系的资源分配清单。5.根据权利要求4所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述改进型匹配算法包括：构建任务与设备的二分图模型，边权值由设备适配度得分与设备信任评分的乘积确引入虚拟节点处理资源超量请求情况，当任务数量超过可用设备时自动扩展资源池；输出总适配度得分最大化的匹配方案及备用设备列表。6.根据权利要求1所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述安全防护模块的工作流程包括：从星闪协议通信模块抓取设备通信报文，提取包括发包频率、目的地址分布、协议类型多样性及数据载荷复杂度的特征向量；将特征向量输入基于多头注意力机制的异常检测模型，该模型执行以下处理：计算各设备行为特征的关联度矩阵；应用设备信任度评分生成的掩码矩阵对关联度进行加权；通过归一化指数函数生成注意力权重分布；模型输出异常概率值，当概率超过预设阈值时触发联动防护机制，包括：向边缘协同模块发送数据隔离指令；更新拓扑管理模块的黑名单；启动密钥动态轮换流程。7.根据权利要求6所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述异常检测模型的训练方法包括：构建包含正常流量和多种攻击样本的训练数据集；在损失函数中增加对抗训练项，通过计算预测结果的梯度幅值增强模型鲁棒性；采用渐进式难度提升策略逐步增强对抗样本强度；输出具有抗干扰能力的分类模型。8.根据权利要求1所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述边缘协同处理模块执行数据处理的步骤如下：接收传感器节点上传的原始数据流；根据传感器类型选择预处理算法，选择规则为：振动传感器数据采用小波去噪算法；位置传感器数据采用卡尔曼滤波算法；环境传感器数据采用归一化处理；将预处理数据输入任务卸载决策模型，计算本地处理与云端卸载的效益比，该比值由本地处理能耗时延积与传输能耗时延积的比值确定；根据效益比阈值动态分配计算任务，输出压缩后的结果数据包。9.根据权利要求8所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：4所述任务卸载决策模型的状态空间定义为包含网络带宽、边缘节点负载、数据优先级和剩余电量的多维向量，动作空间包括本地处理比例、传输功率等级和缓存策略，奖励函数由服务质量达标率、能耗成本和时延违规量加权计算得出。10.根据权利要求1所述的一种基于星闪协议栈的轻量化物联网管理系统，其特征在于：所述系统还包括跨模块协调控制器，执行：周期性收集各模块运行指标，包括信道利用率、节点在线率和虚拟化开销；计算系统健康度指数，该指数为各模块故障率与对应阈值的偏离度连乘积；当健康度低于警戒值时触发系统重构，包括调整拓扑优化频率、收缩资源池规模和提升安全检测等级。5一种基于星闪协议栈的轻量化物联网管理系统技术领域[0001]本发明涉及物联网管理技术领域，具体为一种基于星闪协议栈的轻量化物联网管理系统。背景技术[0002]在物联网技术飞速发展的当下，轻量化物联网管理系统因具备低功耗、高集成度系统在实际运行中仍面临如下诸多挑战，制约其进一步发展与应用：[0003]在通信层面，传统物联网通信技术存在能耗高、连接不稳定等问题；设备间的通信链路建立效率较低，数据传输过程中易受干扰，导致传输延迟高、丢包率大，难以满足实时性要求较高的应用场景需求；尤其在复杂网络环境下，通信的可靠性和稳定性无法得到有效保障，限制了物联网设备之间的高效协同工作；[0004]资源管理方面，现有系统对异构资源的调配能力不足；不同类型的计算资源、存储资源和网络资源难以实现精准匹配与动态分配，常常出现资源闲置与任务等待资源的矛盾法及时优化资源分配策略，导致系统整体性能下降，运营成本增加；[0005]安全防护领域，随着物联网应用场景的不断拓展，安全威胁日益多样化和复杂化；传统的安全防护手段难以应对新型网络攻击，如针对物联网设备的恶意入侵、数据窃取和篡改等行为；异常检测能力有限，无法及时准确地识别潜在的安全风险；密钥管理方式相对单一，难以抵御量子计算等新兴技术带来的安全挑战，数据的保密性和完整性面临严重威[0006]因此，针对上述问题提出一种基于星闪协议栈的轻量化物联网管理系统。发明内容[0007]本发明的目的在于提供一种基于星闪协议栈的轻量化物联网管理系统，以解决上述背景技术中提出的问题。[0009]一种基于星闪协议栈的轻量化物联网管理[0010]星闪协议通信模块，接收物理层射频信号，解析星闪协议数据帧，输出设备发现信息与信道状态数据至动态拓扑管理模块；[0011]动态拓扑管理模块，接收来自星闪协议通信模块的链路质量指标，基于改进型多智能体强化学习算法生成最优连接拓扑，输出节点连接关系表至资源虚拟化模块；[0012]资源虚拟化模块，采集各物联网设备的计算能力、存储容量及传感器类型，通过加权匹配模型构建虚拟资源池，输出资源分配方案至自适应调度引擎；[0013]自适应调度引擎，接收业务请求的服务质量等级和资源分配方案，执行动态时隙分配策略，输出时隙配置指令至星闪协议通信模块；6[0014]安全防护模块，监测设备通信行为数据流，基于注意力机制的异常检测模型生成安全态势评估报告，输出告警信号至边缘协同处理模块；[0015]边缘协同处理模块，接收传感器原始数据和安全态势报告，通过任务卸载决策模型生成任务卸载策略，输出预处理数据包至云端服务器。[0016]作为一种优选方案，动态拓扑管理模块执行以下处理流程：[0017]从星闪协议通信模块实时获取各节点的信号强度矩阵、误码率矩阵和传输时延矩[0018]将各节点的信号强度矩阵、误码率矩阵和传输时延矩阵输入链路质量评估模型，计算综合质量评分，该评分由以下三部分加权组成：[0019]信号强度评分：将原始信号强度值归一化至0-1区间后乘以第一权重系数；[0020]误码率评分：以1减去实际误码率值后乘以第二权重系数；[0021]时延评分：将传输时延与最大允许时延的比值进行指数衰减后乘以第三权重系[0022]其中，第一权重系数、第二权重系数和第三权重系数之和为1,并根据当前业务类型动态配置；[0023]基于综合质量评分构建邻接矩阵，采用改进型强化学习算法迭代优化网络拓扑，最终输出包含最优中继节点列表的拓扑配置表。[0024]作为一种优选方案，改进型强化学习算法的动作选择策略为：[0025]从资源虚拟化模块获取当前资源负载率；[0026]根据资源负载率动态调整探索率参数，负载率越高则探索率相应增大；[0027]根据贝尔曼方程更新状态价值表，其中，未来收益的加权求和过程考虑邻居节点的剩余能量和计算能力；[0028]输出使网络生存周期最大化的拓扑结构。[0029]作为一种优选方案，资源虚拟化模块执行以下操作：[0030]接收来自物联网设备的资源注册请求，解析设备描述文件获取计算能力、存储空间和传感器类型；[0031]构建包含设备硬件能力和传感器特征的多维特征向量；[0032]将任务需求向量与设备特征向量输入改进型匹配算法求解器，计算各设备与任务的适配度得分，其中适配度由以下要素综合计算：[0033]计算能力匹配度：设备CPU能力与任务需求的比值；[0034]存储空间匹配度：设备内存容量与任务需求的比值；[0035]拓扑邻近度：设备间通信跳数的指数衰减函数；[0036]生成包含虚拟资源标识、物理设备映射关系的资源分配清单。[0037]作为一种优选方案，改进型匹配算法包括：[0038]构建任务与设备的二分图模型，边权值由设备适配度得分与设备信任评分的乘积确定；[0039]引入虚拟节点处理资源超量请求情况，当任务数量超过可用设备时自动扩展资源[0040]输出总适配度得分最大化的匹配方案及备用设备列表。7[0041]作为一种优选方案，安全防护模块的工作流程包括：[0042]从星闪协议通信模块抓取设备通信报文，提取包括发包频率、目的地址分布、协议类型多样性及数据载荷复杂度的特征向量；[0043]将特征向量输入基于多头注意力机制的异常检测模型，该模型执行以下处理：[0044]计算各设备行为特征的关联度矩阵；[0045]应用设备信任度评分生成的掩码矩阵对关联度进行加权；[0046]通过归一化指数函数生成注意力权重分布；[0047]模型输出异常概率值，当概率超过预设阈值时触发联动防护机制，包括：[0048]向边缘协同模块发送数据隔离指令；[0049]更新拓扑管理模块的黑名单；[0050]启动密钥动态轮换流程。[0051]作为一种优选方案，异常检测模型的训练方法包括：[0052]构建包含正常流量和多种攻击样本的训练数据集；[0053]在损失函数中增加对抗训练项，通过计算预测结果的梯度幅值增强模型鲁棒性；[0054]采用渐进式难度提升策略逐步增强对抗样本强度；[0055]输出具有抗干扰能力的分类模型。[0056]作为一种优选方案，边缘协同处理模块执行数据处理的步骤如下：[0057]接收传感器节点上传的原始数据流；[0058]根据传感器类型选择预处理算法，选择规则为：[0059]振动传感器数据采用小波去噪算法；[0060]位置传感器数据采用卡尔曼滤波算法；[0061]环境传感器数据采用归一化处理；[0062]将预处理数据输入任务卸载决策模型，计算本地处理与云端卸载的效益比，该比值由本地处理能耗时延积与传输能耗时延积的比值确定；[0063]根据效益比阈值动态分配计算任务，输出压缩后的结果数据包。[0064]作为一种优选方案，任务卸载决策模型的状态空间定义为包含网络带宽、边缘节点负载、数据优先级和剩余电量的多维向量，动作空间包括本地处理比例、传输功率等级和缓存策略，奖励函数由服务质量达标率、能耗成本和时延违规量加权计算得出。[0065]作为一种优选方案，系统还包括跨模块协调控制器，执行：[0066]周期性收集各模块运行指标，包括信道利用率、节点在线率和虚拟化开销；[0067]计算系统健康度指数，该指数为各模块故障率与对应阈值的偏离度连乘积；[0068]当健康度低于警戒值时触发系统重构，包括调整拓扑优化频率、收缩资源池规模和提升安全检测等级。[0069]由上述本发明提供的技术方案可以看出，本发明提供的一种基于星闪协议栈的轻量化物联网管理系统，有益效果是：[0070]高效通信与稳定连接：星闪协议通信模块基于星闪协议栈，实现设备间低功耗、高效率通信.通过广播发现机制快速建立连接，优化物理层帧结构降低能耗，结合动态拓扑管理模块对网络拓扑的实时优化，确保数据传输的高效性与稳定性，降低网络延迟和丢包率，提升通信质量；8[0071]智能资源调配与优化：资源虚拟化模块利用加权二分图匹配模型，实现异构资源的精准匹配与动态分配，结合实时负载监测动态调整分配策略；自适应调度引擎通过动态时隙分配算法，根据网络状态灵活分配带宽资源；两者协同工作，显著提高资源利用率，避[0072]强化安全防护体系：安全防护模块部署基于注意力机制的异常检测模型，结合动态密钥管理系统与跨层防御单元，实现对网络攻击的精准识别与抵御，保障数据传输和存储安全，同时在安全与效能间实现量化平衡，确保系统在安全可靠的环境下运行；[0073]高效任务处理与协同：边缘协同处理模块借助任务卸载的深度强化学习决策模型，根据任务需求和设备状态智能分配任务，实现边缘设备间的高效协同，减少任务处理延迟，提高系统整体处理能力，满足物联网应用对实时性和高效性的要求；[0074]系统整体协同优化：跨模块协调控制器作为系统的“神经中枢”,统筹协调各模块间的信息交互与协同工作，打破数据壁垒，实现模块间的深度协作，提升系统整体性能和稳定性，增强系统的可扩展性和适应性，为物联网系统的持续发展提供有力保障。附图说明[0075]图1为本发明一种基于星闪协议栈的轻量化物联网管理系统整体结构示意图。具体实施方式[0076]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。[0077]为了更好地理解上述技术方案，下面将结合说明书附图以及具体实施方式对上述技术方案进行详细的说明。[0078]如图1所示，本发明实施例提供一种基于星闪协议栈的轻量化物联网管理系统，包[0079]星闪协议通信模块，接收物理层射频信号，解析星闪协议数据帧，输出设备发现信息与信道状态数据至动态拓扑管理模块；[0080]动态拓扑管理模块，接收来自星闪协议通信模块的链路质量指标，基于改进型多智能体强化学习算法生成最优连接拓扑，输出节点连接关系表至资源虚拟化模块；[0081]资源虚拟化模块，采集各物联网设备的计算能力、存储容量及传感器类型，通过加权匹配模型构建虚拟资源池，输出资源分配方案至自适应调度引擎；[0082]自适应调度引擎，接收业务请求的服务质量等级和资源分配方案，执行动态时隙分配策略，输出时隙配置指令至星闪协议通信模块；[0083]安全防护模块，监测设备通信行为数据流，基于注意力机制的异常检测模型生成安全态势评估报告，输出告警信号至边缘协同处理模块；[0084]边缘协同处理模块，接收传感器原始数据和安全态势报告，通过任务卸载决策模型生成任务卸载策略，输出预处理数据包至云端服务器。[0085]本实施例中，星闪协议通信模块作为基于星闪协议栈的轻量化物联网管理系统的“连接枢纽”,借助星闪协议栈的广播发现机制，构建起设备间低功耗、高效率的通信链路，9为整个系统的稳定运行奠定基础；以下将从整体功能、子模块组成、工作流程等方面对该模块进行详细阐述：[0087]星闪协议通信模块基于星闪协议栈，实现设备间的快速发现与低功耗通信链路建立，支持设备间数据的高效传输；通过对星闪协议栈物理层帧结构的优化，大幅降低通信能耗，同时保障数据传输的准确性和稳定性，满足轻量化物联网设备对通信低功耗、高可靠的要求，为系统中各模块间的数据交互和协同工作提供坚实的通信保障；[0090]广播信号发送：模块内的设备定期按照星闪协议栈的广播发现机制，向外发送携带设备基本信息(如设备ID、设备类型、通信能力等)的广播信号；这些广播信号以特定的频率和功率发送，确保在有效范围内的其他设备能够接收到；[0091]信号接收与解析：设备同时监听周围环境，接收其他设备发送的广播信号；对接收到的广播信号进行解析，提取其中的设备信息，建立设备列表，记录周围可连接设备的相关[0093]链路参数协商：在设备发现阶段确定可连接设备后，链路建立单元依据星闪协议栈的规范，与目标设备进行链路参数协商；协商内容包括通信频段、数据传输速率、信道编码方式等；通过交换协商报文，双方达成一致的链路参数配置，以满足不同设备和应用场景的通信需求；[0094]连接建立与验证：基于协商好的链路参数，链路建立单元发起连接请求，目标设备响应后，双方按照协议流程完成连接建立；建立连接后，通过发送测试数据和接收响应，对链路的连通性和稳定性进行验证，确保通信链路可靠可用；[0096]数据封装与发送：将需要传输的数据按照星闪协议栈的数据封装格式进行处理，添加协议头、校验码等信息，形成完整的数据帧；根据链路参数配置，选择合适的发送方式和传输速率，将数据帧发送至目标设备；[0097]数据接收与解封装：接收来自其他设备的数据帧，对接收到的数据帧进行校验，确保数据的完整性和准确性；若校验通过，则按照协议格式进行解封装，提取出原始数据，传递给系统内的其他模块进行处理；[0099]物理层帧结构优化：深入研究星闪协议栈的物理层帧结构，通过调整帧头长度、数据字段编码方式等，减少数据传输过程中的冗余信息，降低传输功耗；例如，采用更紧凑的帧头设计，在保证必要信息传递的同时，减少帧头占用的传输资源；[0100]动态功耗管理：根据设备的通信需求和工作状态，动态调整设备的发射功率、休眠周期等参数；在无数据传输或数据传输量较小时，降低设备发射功率或使设备进入休眠状态，减少能耗；当有数据传输需求时，快速唤醒设备并调整到合适的工作状态，确保通信的及时性和低功耗的平衡；[0103]星闪协议通信模块启动后，加载星闪协议栈的配置参数，包括广播频率、通信频段、链路参数初始值等；初始化设备发现单元、链路建立单元、数据传输单元和能耗优化单元，建立与系统内其他模块的通信接口，准备接收和发送数据；[0105]设备发现单元按照设定的广播周期，向外发送携带设备信息的广播信号；同时，持续监听周围环境，接收其他设备发送的广播信号，并对信号进行解析，更新设备列表，记录可连接设备的相关信息；[0107]根据设备列表，选择目标设备进行链路建立；链路建立单元与目标设备进行链路参数协商，通过交换协商报文确定通信频段、数据传输速率等参数；协商完成后，发起连接请求，目标设备响应后完成连接建立，并进行链路连通性和稳定性验证；[0109]数据传输单元接收来自系统内其他模块的数据，按照星闪协议栈的数据封装格式进行封装，然后根据链路参数配置将数据帧发送至目标设备；同时，接收来自其他设备的数据帧，进行校验和解封装，将原始数据传递给相应的模块进行处理；[0111]能耗优化单元实时监测设备的工作状态和通信需求，根据预设的规则和算法，动态调整设备的发射功率、休眠周期等参数；在数据传输间隙或无数据传输时，降低设备功耗；在有数据传输需求时，快速唤醒设备并调整到合适的工作状态，确保通信的低功耗运[0113]根据数据传输的质量和能耗情况，收集系统内其他模块的反馈信息，对星闪协议通信模块的工作参数和算法进行优化；例如，根据数据传输的误码率调整信道编码方式，根据能耗情况进一步优化物理层帧结构和动态功耗管理策略，不断提高模块的性能和效率；[0115]当系统停止运行或接收到停止指令时，星闪协议通信模块停止数据传输和设备通信操作，关闭与其他模块的通信接口，释放系统资源，保存相关配置参数和工作状态信息，以便下次启动时快速恢复运行。[0116]本实施例中，动态拓扑管理模块执行以下处理流程：[0117]从星闪协议通信模块实时获取各节点的信号强度矩阵、误码率矩阵和传输时延矩[0118]将各节点的信号强度矩阵、误码率矩阵和传输时延矩阵输入链路质量评估模型，计算综合质量评分，该评分由以下三部分加权组成：[0119]信号强度评分：将原始信号强度值归一化至0-1区间后乘以第一权重系数；[0120]误码率评分：以1减去实际误码率值后乘以第二权重系数；[0121]时延评分：将传输时延与最大允许时延的比值进行指数衰减后乘以第三权重系[0122]其中，第一权重系数、二权重系数和第三权重系数之和为1,并根据当前业务类型动态配置；评估公式的计算；算法中的相关参数，如邻居节点权重①j,实现拓扑优化与资源状态的协同，通过公式化的调整决策；,其中，ψ为链路质量综合评估指标；α1、β1、γ1为评估参数，且α1+β1+γ1=1;β1=1-α1;通过这些公式，实现跨层参数耦合，提高链路质量评估的准确率22%-28%;频率，定期获取节点的运行状态和链路质量指标，并将采集到的数据进行预处理和整理，存储到本地数据库中，为后续基于公式的拓扑优化计算提供实时、准确的数据支持；[0147](三)拓扑优化计算阶段：[0148]拓扑优化计算单元从网络状态监测单元获取最新的网络状态数据，结合从资源虚拟化模块获取的实时负载系数λ,执行改进型多智能体Q学习算法；依据相关公式进行迭代反馈的链路质量信息，进一步优化计算结果，确保生成的拓扑调整方案能够有效提升网络性能；[0149](四)链路质量评估阶段：[0150]链路质量评估单元根据网络状态监测单元提供的链路状态数据，运用链路质量三维评估模型的相关公式计算各链路的质量综合指标ψ;将计算结果与预设的阈值进行比较，判断链路状态是否良好；若发现链路质量不佳，及时将链路状态信息反馈给拓扑优化计算单元和拓扑更新执行单元，为拓扑调整提供重要依据；[0152]拓扑更新执行单元根据拓扑优化计算单元基于公式生成的拓扑调整方案和链路质量评估单元的反馈信息，制定具体的拓扑更新计划；向相关节点下发拓扑调整指令，指导节点进行连接关系的改变和数据传输路径的重新配置；在执行过程中，实时监控拓扑更新操作的进度和效果，确保网络拓扑结构能够顺利调整到优化后的状态；[0154]模块收集网络运行过程中的性能指标数据，如网络延迟、吞吐量、能耗等，评估拓扑调整后的网络性能；根据性能评估结果和用户反馈，对改进型多智能体Q学习算法的参数、链路质量评估模型的配置等进行优化调整，不断提高动态拓扑管理模块的性能和适应[0156]当系统停止运行或接收到停止指令时，动态拓扑管理模块停止网络状态监测、拓扑优化计算和拓扑更新等操作，关闭与其他模块的通信连接，释放系统资源，保存当前网络拓扑结构状态和相关配置参数，以便下次启动时能够快速恢复工作。[0158]接收来自物联网设备的资源注册请求，解析设备描述文件获取计算能力、存储空间和传感器类型；[0159]构建包含设备硬件能力和传感器特征的多维特征向量；[0160]将任务需求向量与设备特征向量输入改进型匹配算法求解器，计算各设备与任务的适配度得分，其中适配度由以下要素综合计算：[0161]计算能力匹配度：设备CPU能力与任务需求的比值；[0162]存储空间匹配度：设备内存容量与任务需求的比值；[0164]生成包含虚拟资源标识、物理设备映射关系的资源分配清单；[0165]进一步，资源虚拟化模块作为基于星闪协议栈的轻量化物联网管理系统的“资源调配中枢”,通过加权二分图匹配模型，实现对异构资源的高效调度，为系统的稳定运行和资源优化配置提供核心支持；下面我将从整体功能、子模块组成、工作流程等方面，对该模块进行详细阐述：[0167]资源虚拟化模块旨在将物联网系统中的各类异构资源(如计算资源、存储资源、网络资源等)进行抽象化处理，构建统一的资源视图；通过加权二分图匹配模型，对资源需求方和资源提供方进行精准匹配，实现资源的动态分配与调度；同时，结合系统的实时负载情况和拓扑结构信息，优化资源分配策略，提高资源利用率，降低资源浪费，保障系统在不同应用场景下的高效运行；[0170]资源提供方信息收集：与系统中的各类资源节点进行交互，采集资源提供方的详存储容量等，实时掌握资源的可用情况；[0171]资源需求方信息获取：接收来自系统内不同应用或任务的资源需求信息，包括所需CPU计算能力、内存空间大小、网络带宽要求等；明确资源需求的优先级、时效性等关键属性，为后续的资源匹配提供全面依据；[0172](二)加权二分图匹配计算单元：[0173]模型构建：根据资源信息采集单元获取的数据，构建加权二分图；将资源提供方和资源需求方分别作为二分图的两个顶点集合，顶点之间的边代表资源匹配关系，边的权重通过特定公式计算得出，用于衡量匹配的优劣程度；为节点I(资源需求方)和节点Ⅱ(资源提供方)之间的边的权重；λ1、入2λ3为动态权重系数，且λ1+λ2+λ3=1;cpu为资源提供方节点Ⅱ的CPU资源量；cpureqI为资源需求方节点I对CPU资源的需求量；mem为资源提供方节点Ⅱ的内存资源量；memreqI为资源需求方节点I对内存资源的需求量；topo_score(I,Ⅱ)为节点I和节点Ⅱ之间的拓hops(I,Ⅱ)为节点I和节点Ⅱ之间的跳数；max_hops为最大跳数),通过多维度的考[0175]匹配求解：采用优化算法(如匈牙利算法等)对加权二分图进行求解，找到最大权重匹配方案，即最优的资源分配策略，使系统整体资源利用率最大化；[0177]分配指令下发：将加权二分图匹配计算单元得到的资源分配方案转化为具体的指令，发送给资源提供方和资源需求方；指导资源提供方为相应的需求方分配资源，以及资源[0180]负载监测：通过负载监测单为第t-1时刻的实时负载系数；K为在线设备数量；utilk为第k个在线设备的资源使用(其中，risk_score(d)为资源d的风险评分；attack_prbo(d)为资源d遭受攻击的概率；impact_level(d)为攻击对资源d造成的影响程度；defense_strength(d)为资源d的到的数据进行预处理和整理，存储到本地数据库中，为后续的资源匹配计算提供准确的数据基础；[0190](三)加权二分图匹配计算阶段：[0191]加权二分图匹配计算单元根据资源信息采集单元获取的数据，构建加权二分图；运用权重计算公式计算图中各边的权重，然后采用优化算法求解最大权重匹配方案；在计算过程中，实时负载监测与参数调整单元根据系统负载情况动态调整权重系数，确保匹配结果的最优性；[0192](四)资源分配执行阶段：[0193]资源分配执行单元将加权二分图匹配计算单元得到的资源分配方案转化为具体指令，下发给资源提供方和资源需求方；同时，实时监控资源分配的执行过程，及时处理执行过程中出现的异常情况，确保资源按照分配方案准确、高效地分配和使用；[0194](五)实时负载监测与参数调整阶段：[0195]实时负载监测与参数调整单元持续采集各节点的资源使用数据，计算实时负载系数λ,并根据λ值动态调整加权二分图匹配模型中的权重系数；同时，将负载信息反馈给其他相关模块，为系统的整体优化提供支持；[0196](六)跨层防御与决策优化阶段：[0197]跨层防御单元根据安全防护模块提供的信息，对资源分配过程中的安全风险进行评估，计算资源的风险评分；结合服务质量评分，运用决策公式制定资源分配决策，对加权二分图匹配计算单元生成的初步分配方案进行优化调整，确保资源分配的安全性和高效[0199]当系统停止运行或接收到停止指令时，资源虚拟化模块停止资源信息采集、匹配计算、分配执行等操作，关闭与其他模块的通信连接，释放系统资源，保存当前的配置参数和工作状态信息，以便下次启动时能够快速恢复工作。[0200]本实施例中，自适应调度引擎作为基于星闪协议栈的轻量化物联网管理系统的“智能中枢调控器”,凭借动态时隙分配算法，能够根据网络实时状态对通信带宽进行灵活调控，保障数据高效传输；以下将从整体功能、子模块组成详细阐述：[0202]自适应调度引擎旨在依据物联网系统中设备的通信需求、网络负载情况以及链路质量，动态且智能地分配通信带宽资源；通过运用动态时隙分配算法，精准调控数据传输的时间片段，避免数据传输冲突，提升通信效率与网络吞吐量；同时，有效降低网络延迟与能耗，确保在复杂多变的网络环境下，各类设备间的通信稳定、高效，为整个轻量化物联网管理系统的稳定运行提供有力支撑；[0204](一)网络状态感知单元：[0205]设备通信需求采集：实时收集系统内各设备的通信请求信息，包括数据发送的优测数据，标记为低优先级，为后续的带宽分配提[0206]网络负载监测：持续监测网络整体负载情况，获取网络中可用带宽等数据；同时，监测各链路的繁忙程度，判断链路是否处于拥塞状态，为动态时隙分配提供网络环境信息；[0207]链路质量评估：与动态拓扑管理模块交互，获取链路的接收信号强度(RSSI)、误码率(BER)、链路延迟等质量指标；综合评估各链路的通信质量，为带宽分配时选择合适的链路提供参考；[0209]算法执行：运用动态时隙分配算法，根据网络状态感知单元采集的数据，为各设备分配合理的通信时隙；该算法充分考虑设备的优先级、数据量以及网络负载等因素，确保关键数据优先传输，同时提高整体网络资源利用率；[0210]时隙调整：随着网络状态的动态变化，实时调整已分配的时隙；当出现新的高优先级通信请求或网络负载发生显著变化时，重新计算并优化时隙分配方案，保证通信的及时性和稳定性；[0211](三)带宽分配执行单元：[0212]指令下发：将动态时隙分配计算单元生成的时隙分配方案转化为具体的控制指令，下发至网络中的相关设备和链路；指导设备在指定的时隙内进行数据传输，确保数据传输的有序性；[0213]执行监控：实时监控设备对带宽分配指令的执行情况，检查设备是否在规定的时隙内准确传输数据；若发现设备未按指令执行或出现传输异常，及时进行干预和调整，保障带宽分配策略的有效实施；[0215]性能数据收集：收集网络通信过程中的性能指标数据，如数据传输成功率、实际传[0216]策略优化：根据性能评估结果，结合网络状态的变化趋势，对动态时隙分配算法的参数和策略进行优化调整；不断改进带宽分配方案，以适应不同的网络环境和应用需求，提升自适应调度引擎的性能；[0219]自适应调度引擎启动后，加载动态时隙分配算法的初始参数、网络性能评估指标的预设阈值等配置信息；建立与网络状态感知单元、动态时隙分配计算单元、带宽分配执行单元和反馈优化单元之间的通信连接，初始化各单元的工作环境，准备开始网络状态感知和带宽分配工作；[0220](二)网络状态感知阶段：[0221]网络状态感知单元持续采集设备通信需求、网络负载以及链路质量等数据；按照设定的频率，定期获取设备的通信请求信息、网络带宽使用情况和链路质量指标，并对数据进行预处理和整理，存储到本地数据库中，为后续的带宽分配计算提供实时、准确的数据支[0222](三)动态时隙分配计算阶段：[0223]动态时隙分配计算单元从网络状态感知单元获取最新的网络状态数据，运用动态时隙分配算法进行计算；根据设备的优先级、数据量和网络负载等因素，为各设备分配合理的通信时隙；在计算过程中，考虑链路质量对传输的影响，优先为链路质量好的设备分配时隙，确保数据传输的可靠性和高效性；[0224](四)带宽分配执行阶段：[0225]带宽分配执行单元将动态时隙分配计算单元生成的时隙分配方案转化为具体的控制指令，下发至网络中的相关设备和链路；设备接收到指令后，在指定的时隙内进行数据传输；带宽分配执行单元实时监控设备的执行情况，确保设备按照分配的时隙进行数据传输，避免数据冲突和传输混乱；[0226](五)反馈优化阶段：[0227]反馈优化单元收集网络通信过程中的性能数据，运用性能评估模型对当前的带宽分配策略进行评估；分析数据传输成功率、网络延迟等指标与预设目标的差距，找出带宽分配策略存在的问题；根据分析结果，对动态时隙分配算法的参数进行调整和优化，生成新的带宽分配方案，实现对网络带宽分配的持续优化；[0228](六)结束阶段：[0229]当系统停止运行或接收到停止指令时，自适应调度引擎停止网络状态感知、时隙分配计算和带宽分配执行等操作，关闭与其他模块的通信连接，释放系统资源，保存当前的配置参数和工作状态信息，以便下次启动时能够快速恢复工作。[0230]本实施例中，安全防护模块的工作流程包括：[0231]从星闪协议通信模块抓取设备通信报文，提取包括发包频率、目的地址分布、协议类型多样性及数据载荷复杂度的特征向量；[0232]将特征向量输入基于多头注意力机制的异常检测模型，该模型执行以下处理：[0233]计算各设备行为特征的关联度矩阵；[0234]应用设备信任度评分生成的掩码矩阵对关联度进行加权；[0235]通过归一化指数函数生成注意力权重分布；[0236]模型输出异常概率值，当概率超过预设阈值时触发联动防护机制，包括：[0237]向边缘协同模块发送数据隔离指令；[0238]更新拓扑管理模块的黑名单；[0239]启动密钥动态轮换流程；[0240]进一步，安全防护模块作为基于星闪协议栈的轻量化物联网管理系统的“安全卫士”,通过部署基于注意力机制的异常检测模型与动态密钥管理系统等核心技术，全方位抵御网络安全威胁，为系统数据传输与运行筑牢安全防线；以下将从整体功能、子模块组成、工作流程等方面，对本模块进行详细阐述：[0242]安全防护模块主要负责监测、识别和抵御物联网系统运行过程中的各类安全威胁，包括网络攻击、数据泄露、非法入侵等；通过基于注意力机制的异常检测模型，对网络流量、设备行为等数据进行实时分析，精准识别异常行为；运用动态密钥管理系统，采用抗量子计算的混沌-格基混合加密算法，保障数据传输和存储的安全性；同时，结合跨层防御单元，实现安全与效能的量化平衡，确保系统在安全可靠的环境下运行，保护用户数据和系统资源不受侵害；(其中，Attention(§,K,V)为注[0247]其中，对抗训练扰动系数e的生成满足公式e=n·sign(V×出(θ,x,y))(其[0250]密钥生成：采用抗量子计算的混沌-格基混合加密算法生成密钥，公式为K=LWEparams(chaos_key)田hash(dev_idlltimestamp)(其中，K为生成的密时间戳);该算法结合混沌映射的随机性和格基加密的抗量子特性，生成高强度的加密密[0254]风险评估：结合资源虚拟化模块的资源分配情况，对系统面临的安全风险进行评资源d的风险评分；attack_prbo(d)为资源d遭受攻击的概率；impact_level(d)为攻击对资源d造成的影响程度；defense_strength(d)为资源d的防御强度)计算资源的风决策结果；argmax表示求使目标函数最大的参数值；QoS_score为服务质量评分；μ为安全权重因子，根据系统威胁等级动态调整：risk_score(d)为资源d的风险评分)制定防御决策；在保障服务质量的前提下，平衡安全风险，实现安全与效能的量化平衡，确定是否需要调整资源分配策略或加强安全防护措施；[0256]防御执行：根据防御决策，协同其他模块执行相应的防御措施；如通知资源虚拟化模块调整资源分配，避免将关键资源分配给高风险区域；或增强对特定资源的加密保护和[0259]安全防护模块启动后，加载异常检测模型的初始参数、密钥管理系统的配置信息、安全风险评估的预设阈值等；建立与系统内其他模块(如星闪协议通信模块、资源虚拟化模块、动态拓扑管理模块)的通信连接，初始化异常检测单元、动态密钥管理单元和跨层防御[0260](二)数据采集与监测阶段：[0261]异常检测单元实时采集网络数据和设备行为数据，持续监测系统运行状态；动态密钥管理单元根据密钥更新策略，监测密钥的使用情况和系统安全状态，准备进行密钥更新或分发操作；跨层防御单元与资源虚拟化模块交互，获取资源分配信息，为安全风险评估做准备；[0262](三)安全检测与分析阶段：[0263]异常检测单元运用注意力机制异常检测模型对采集的数据进行分析，计算异常得分，判断是否存在异常行为；动态密钥管理单元根据密钥生成算法生成新的密钥，并对密钥进行分发和更新操作；跨层防御单元根据资源分配信息，运用风险评估公式计算资源的风[0264](四)防御决策与执行阶段：[0265]若异常检测单元检测到异常行为，立即发出预警，并将信息传递给跨层防御单元和系统管理员；跨层防御单元根据异常情况和风险评估结果，运用防御决策公式制定防御态密钥管理单元确保在防御过程中数据的加密和解密正常进行，保障数据安全；[0267]收集安全防护过程中的数据，如异常检测的准确率、密钥使用情况、防御措施的效果等；根据这些数据，对异常检测模型的参数、密钥管理策略、跨层防御的决策机制等进行优化调整，不断提高安全防护模块的性能和防御能力，使其能够更好地应对不断变化的安全威胁；[0269]当系统停止运行或接收到停止指令时，安全防护模块停止数据采集、检测分析和防御执行等操作，关闭与其他模块的通信连接，释放系统资源，保存当前的配置参数和工作状态信息，以便下次启动时能够快速恢复安全防护工作。[0270]本实施例中，边缘协同处理模块执行数据处理的步骤如下：[0271]接收传感器节点上传的原始数据流；[0272]根据传感器类型选择预处理算法，选择规则为：[0273]振动传感器数据采用小波去噪算法；[0274]位置传感器数据采用卡尔曼滤波算法；[0275]环境传感器数据采用归一化处理；[0276]将预处理数据输入任务卸载决策模型，计算本地处理与云端卸载的效益比，该比值由本地处理能耗时延积与传输能耗时延积的比值确定；[0277]根据效益比阈值动态分配计算任务，输出压缩后的结果数据包；[0278]进一步，边缘协同处理模块作为基于星闪协议栈的轻量化物联网管理系统的“智能决策中枢”,通过构建任务卸载的任务卸载决策模型，实现边缘设备间的高效协同与任务智能处理，有效提升系统响应速度与资源利用率；以下将从整体功能、子模块组成等方面，对本模块进行详细阐述：[0280]边缘协同处理模块主要负责对物联网系统中的任务进行智能分析与分配，通过任务卸载决策模型，依据系统实时状态(如设备负载、网络状况、任务优先级等),动态制定任务卸载策略；该模块能够实现边缘设备之间的协同合作，将复杂任务合理分配至合适的边端计算压力，增强系统的实时性和可靠性，满足物联网应用对快速响应和高效处理的需求；[0283]任务需求获取：实时收集系统中各类任务的信息，包括任务类型(如数据处理、图应用层交互，准确获取任务的具体需求，为后续的任务分析和分配提供基础数据；[0284]设备状态监测：监测边缘设备的运行状态，采集设备的计算能力(如CPU型号、核心数、主频)、存储资源(剩余存储空间)、网络连接状态(带宽、延迟[0285](二)深度强化学习决策计算单元：[0286]模型构建与训练：采用抗干扰TD3算法构建任务卸载决策模型，其策略网络更新满(其中，π0为策略网络，θ为策略网络的参数；argmin。表示求使目标函数最小的θ值；Es~D表示从经验回放缓冲区D中采样状态S的期望；β2为信道信噪比自适应系数：为Q网络中在状态S下采取策略π。(S)的Q值；为多个Q网络中i在状态S下采取策略π。(S)的Q值的方差);其(其中，SNR为信道信噪比);通过大量的任务处理场景数据对模型进行训练，使模型能够学习到不同状态下的最优任务卸载策略；[0287]决策计算：根据任务信息采集单元获取的任务需求和设备状态信息，确定当前系统状态S;将状态S输入到训练好的任务卸载决策模型中，计算出最优的任务卸载策略，即确定每个任务应分配到哪个边缘设备进行处理，以及处理的顺序和方式等；[0289]分配指令下发：将深度强化学习决策计算单元生成的任务卸载策略转化为具体的导边缘设备接收并执行任务；[0290]执行监控与协调：实时监控任务在边缘设备上的执行情况，跟踪任务进度、资源使用情况等；若在执行过程中出现设备故障、任务超时、资源不足等异常情况，及时进行协调和调整，重新分配任务或采取其他应对措施，确保任务能够顺利完成；[0292]性能数据收集：收集任务处理过程中的性能指标数据，如任务完成时间、处理结果准确率、设备能耗、网络流量等；通过对这些数据的分析，评