(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111477448.9 (22)申请日 2021.12.0 6 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 邹福泰　张轩恺　周纸墨　吴越　 (74)专利代理 机构 上海旭诚知识产权代理有限 公司 312 20 代理人 郑立 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) G16Y 20/40(2020.01) G16Y 40/10(2020.01)G16Y 40/50(2020.01) (54)发明名称 一种基于联合学习和自动编码器的物联网 异常检测系统 (57)摘要 本发明公开了一种基于联合学习和自动编 码器的物联网异常检测系统， 涉及 物联网安全领 域， 包括数据收集模块、 数据处理与选择模块、 子 检测模块、 联合学习模块、 异常检测模块。 所述数 据收集模块获取局域网段内全部物联网设备的 收发流量， 并将其保存为pcap数据； 所述数据处 理与选择模块接收所述pcap数据， 选 择其中15种 特征作为数据代表， 保存为JSON文件； 所述子检 测模块使用机器学习技术， 获得所述数据代表的 低维特征， 并负责学习模型的上传； 所述联合学 习模块接收所述学习模型， 在综合后保存， 并发 还给各所述子检测模块； 所述子检测模块获取待 检测物联网流量， 识别是否为可能的物联网异 常。 本发明提高了物联网威胁检测模型的有效 性， 数据的安全性。 权利要求书2页 说明书3页 附图1页 CN 114117935 A 2022.03.01 CN 114117935 A 1.一种基于联合学习和自动编码器的物联网异常检测系统， 其特征在于， 包括数据收 集模块、 数据处理与选择模块、 子检测模块、 联合学习模块、 异常检测模块； 所述数据收集模 块获取局域网段内全部物联网设备的收发流量， 并将其保存为pcap数据； 所述数据处理与 选择模块接收所述pcap数据， 选择其中15种特征作为数据代表， 保存为 JSON文件； 所述子检 测模块使用机器学习技术， 获得所述数据 代表的低维特征， 并负责学习模型的上传； 所述联 合学习模块接收所述学习模型， 在综合后保存， 并发还给各所述子检测模块； 所述子检测模 块获取待检测物联网流 量， 识别是否为可能的物联网异常。 2.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 物联网设备集中所获得的人工收集的物 联网异常与正常流量作为所述物 联网异常检测 系统的原始输入， 个体用户后续输入通过所述子学习模块学习后， 进一步上传至所述联合 学习模块的中心 节点模块进一 步综合。 3.如权利要求2所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 所述物联网异常检测系统同时使用了自动编码器与联合学习系统， 能在保护客户隐私 的前提下， 同时完成在本地异常的检测、 并综合各客户收集到的模型。 4.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 所述联合学习模块使用联邦平均算法(FedAVG)的优化算法， 所述优化算法收集了各个 所述子检测模块中获得的梯度， 以此更新模型 的总体梯度， 以综合不同自检测模块中的样 本。 5.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 所述子检测模块使用自动 编码器神经网络算法。 6.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 所述自动编码器神经网络算法以较低的算力要求， 通过浅层的神经网络， 降低特征维 数， 提取出数据核心特 征。 7.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 所述数据处理与选择模块确定提取 的数据特征， 是由方差选择法筛查得到的15种数据 特征， 能有效分辨物联网系统内的异常流 量。 8.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 其特征在 于， 所述数据收集模块 安装存在于所述物联网异常检测系统的网关处。 9.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 完成初始 训练的联合学习 系统的方法， 其特 征在于， 包括如下步骤： 步骤101、 初始用户A搭建一个物联网系统， 并指定所述联合学习模块的中心节点， 并将 所述数据收集模块、 所述数据处 理与选择模块、 所述子检测模块 安装至所述物联网系统中； 步骤102、 用户A通过模拟物联网攻击和物联网正常行为获得物联网异常流量与物联网 正常流量； 步骤103、 用户A使用所述数据收集模块收集步骤102中的流量， 并使用所述数据处理与 选择模块对数据进行处 理选择； 步骤104、 用户A使用所述子检测模块完成本地学习， 并使用所述异常检测模块对学习 后的特征进行分类标记， 最后学习后的模型及标记上传至所述中心 节点。 10.如权利要求1所述的基于联合学习和自动编码器的物联网异常检测系统， 完成异常权　利　要　求　书 1/2 页 2 CN 114117935 A 2检测的方法， 其特 征在于， 包括如下步骤： 步骤105、 第三方(用户B)使用所述数据处理与选择模块完成数据处理与选择、 使用所 述子检测模块完成本地自动 编码器学习， 获得本地模型梯度与模型损失； 步骤106、 所述第三方(用户B)对所述中心节点上传所述本地模型梯度与模型损失， 由 所述中心节点综合所述中心节点保存的模型和上传的模型参数更新综合模 型及标记， 并发 还所述综合模型及标记给 所有用户； 步骤107、 所述第三方(用户B)获得所述中心节点发还的综合模型及标记， 并使用发还 的模型及标记进行本地物联网异常检测。权　利　要　求　书 2/2 页 3 CN 114117935 A 3