CN119402302A 基于工业互联网边缘侧全量检测方法及系统 （广州机智云物联网科技有限公司）

基于工业互联网边缘侧全量检测方法及系统及一种基于工业互联网边缘侧全量检测方法及据采集位点及其采集的原始数据分别确定对应数据采集位点的位点监测状态和数据采集参量理的数据采集位点的数量确定对应数据检测周2确定边缘侧的数据采集位点并获取各所述数据采集位点根据各所述数据采集位点及其采集的所述原始数据分别确定对应数据采集位点的位述数据采集位点及其采集的所述原始数据分别确定对应数据采集位点的位点监测状态和根据各所述数据采集位点采集的原始数据的数据类型及各数据类型的采集频率确定若所述位点监测状态为多点监测且所述数据采集参量大于若所述位点监测状态为多点监测或所述数据采集参量大于若所述位点监测状态为单点监测且所述数据采集参量小于或等于预设采集述数据采集位点的密集度确定位点监测状态根据单个所述邻域范围内重叠区域的重叠面积与邻域范围的邻域面积之比确定对应若所述重叠面积与所述邻域面积之比大于预设比例，则判定若所述重叠面积与所述邻域面积之比小于或等于预设比例，根据各数据类型的频率比之和确定对应数据采集位点3根据关键位点的数量确定第一类预处理器的数量，并将所述第一类根据过渡位点的类型确定第二类预处理器的数采用各所述第一类预处理器内置的安全评价模型对相应关键位点的原始数据进行安评价模型分别对各类型过渡位点的原始数据进行安全性评估以确定各过渡位点的数据安若所述数据安全趋势为隐性安全趋势，则将该数据采集位点的级确定是否将该数据采集位点采集的原始数据进行插队若所述数据安全趋势为显性安全趋势，则判断不进行插队处若所述数据安全等级超过预设等级，则判定将对应数据采集若所述数据安全等级未超过预设等级，则判定将对应数据采集位若进行插队处理的数据采集位点的数量大于或等于预设数量，则判若进行插队处理的数据采集位点的数量小于预设数量，则判定不10.一种应用权利要求1_9任一项所述的基于工业互联网边缘侧全量检测方法的基于位点分析单元，其与所述传感器单元相连，用以确定各预处理器单元，其与所述传感器单元相连，用以确定关键位点和4应急处理器单元，其与所述预处理器单元相连，用以接收隐性核心处理器单元，其分别与所述传感器单元和所述应急处理器据检测周期以对各数据采集位点采集的原始5[0003]中国专利公告号CN108924150B公开了一种基于反向传播神经网络的边缘侧克隆未考虑不同数据采集位点的重要程度并根据重要程度调整数据全量检测的顺序有技术中未考虑不同数据采集位点的重要程度并根据重要程度调整数据全量检测的顺序确定边缘侧的数据采集位点并获取各所述数据采集位点根据各所述数据采集位点及其采集的所述原始数据分别确定对应数据采集位点根据所述数据安全趋势确定核心处理器对各数据采集位点的后续检测方式，包采用应急处理器评估数据安全等级并根据所述数据安全等级确定是否进行插队6根据各所述数据采集位点采集的原始数据的数据类型及各数据类型的采集频率若所述位点监测状态为单点监测且所述数据采集参量小于或等于预设采集参量，根据单个所述邻域范围内重叠区域的重叠面积与邻域范围的邻域面积之比确定根据各数据类型的频率比之和确定对应数据采集位点根据过渡位点的类型确定第二类预处理器的数采用各所述第一类预处理器内置的安全评价模型对相应关键位点的原始数据进安全评价模型分别对各类型过渡位点的原始数据进行安全性评估以确定各过渡位点的数7全等级确定是否将该数据采集位点采集的原始数据进定数据检测周期以对各数据采集位点采集的原始数等因素进行分析确定位点表征状态判定体系，不仅能精准地区分不同重要性层级的位点，8[0021]请参阅图1所示，其为本发明实施例基于工业互联网边缘侧全量检测方法的步骤步骤S1，确定边缘侧的数据采集位点并获取各所述数据采集位点采集的原始数9采用应急处理器评估数据安全等级并根据所述数据安全等级确定是否进行插队表征状态，能够全面且精准地掌握各采集位点的实际情况，为后续针对性地设置预处理器判断等工作；步骤S4利用预处理器判断对应位点的数据安全趋势、步骤S5根据该趋势来确定核心处理器后续的检测方式，以决定是否插队处理或者按采集顺序进行数据分析，这样的方式可灵活应对不同安全状况的数据，对于可能存在高安全风险的数据能及时采用处数据采集位点的数量来确定对应数据检测周期，可按需缩小检测周期或按预设周期检测，避免了不论数据安全情况一概而论采用固定周期检测的弊端，使检测周期能根据实际的数据安全紧急程度等情况灵活变动，提高了整体数据检测的效率以及对不同状况的适应性，有助于更好地保障工业互联网边缘侧数据检测工作的高质量发展；本发明提供的全量检测发现并应对数据安全相关问题，减少因数据安全隐患对工业互联网系统造成的不良影响，步骤S22，根据各所述数据采集位点采集的原始数据的数据类型及各数据类型的步骤S23，根据所述位点监测状态和所述数据采集量确定所述位点表征状态，其可以理解的是，重叠过渡位点的位点监测状态为多点监测且数据采集参量小于/若所述位点监测状态为单点监测且所述数据采集参量小于或等于预设采集参量，点的数据类型数量确定，即某数据采集位点采集的数据类型数量为A其对应的预设采集参[0025]可以理解的是，依据位点监测状态和数据采集参量将位点明确划分为关键位点、过渡位点和普通位点，关键位点对应着多点监测且数据采集参量高于预设采集参量的情工业生产线上，多个传感器协同监测且数据量丰富的位点对于整体生产流程监控至关重渡位点（单点检测但数据采集参量较大能够涵盖那些在重要性上处于中间层次的位点，步骤S223，根据各数据类型的频率比之和确定对应数据采集位点的数据采集参[0034]可以理解的是，步骤S31分别确定工业互联网边缘侧各数据采集位点的位点表征步骤S41，采用各所述第一类预处理器内置的安全评价模型对相应关键位点的原步骤S42，采用各所述第二类预处理器内置的安全评价模型分别对各类型过渡位[0036]可以理解的是，判断数据安全趋势的安全评价模型维度对风险进行评估，以边缘侧的视频监控数据采集为例，如果监控设备的漏洞可被轻易利用（高可利用性且一旦被利用会导致监控数据大量泄露（高损害同时该漏洞容易被过在网络层对数据进行加密和认证，确保数据在边缘侧采集后传输到其他节点的过程中的于验证身份和加密通信，在边缘侧数据采集系统中当边缘网关与云端平台进行数据交互时，双方通过验证对方的数字证书来确认身份的合法性，然后使用证书中的公钥进行加密通信，如果数字证书被吊销或出现证书伪造等情况，安全评价模型会及时发现并判定数据私钥对数据进行签名，接收方使用对应的公钥进行验证，只有通过验证的签名才能确认数据的来源和完整性，在供应链管理中，边缘设备采集的货物运输状态等数据经过数字签名后传输给相关方，如果数字签名验证失败，说明数据可能被伪造或篡改，数据安全趋势变全等级确定是否将该数据采集位点采集的原始数据进[0038]可以理解的是，CVSS模型计算出的0～10之间的评分就代表其数据安全等级，在[0041]可以理解的是，步骤S4～S5通过预处理器依据位点特性量化数据安全等级并决策是否插队处理，实现了对不同安全状况数据的差异化高效处理，既能及时聚焦高风险隐性数据进行深度评估与优先处理