一种基于人工智能的安防报警系统的制作方法

本发明涉及智能安防管理，具体为一种基于人工智能的安防报警系统。

背景技术：

1、安防管理是确保人员、资产和信息在住宅、商业建筑、公共场所等多种环境中处于安全状态的一系列管理措施。安防管理措施通常包括门禁控制、视频监控、入侵检测系统和访客管理等。安防管理的目标是预防犯罪、减少风险、快速响应紧急情况，以及保护人们的安全和财产不受损害。随着技术的发展，人工智能ai技术已经成为安防管理领域的重要推动力。基于人工智能的安防报警系统利用机器学习、深度学习、计算机视觉和自然语言处理等技术，提高了安防系统的智能化水平，使其能够更加准确地识别威胁、自动化响应并提高整体效率。基于人工智能的安防报警系统具有实时监控、自动分析和响应、持续学习减少误报、资源优化和数据预测的优势。基于人工智能的安防报警系统可以24/7不间断监控，无需人工干预，减少了因人为疲劳或疏忽导致的错误。基于人工智能的安防报警系统能够自动分析数据并做出快速反应，缩短了从威胁检测到响应的时间。随着更多的数据输入，ai系统可以通过机器学习不断改进其性能，通过精确的模式识别和异常检测，减少错误报警的次数。基于人工智能的安防报警系统可以帮助安保人员优先处理真正的威胁，从而更有效地分配资源，分析历史数据来预测和防止未来的安全事件。

2、目前，传统基于人工智能的安防报警系统容易受到对抗性攻击，如通过特意设计的输入来欺骗ai模型，警觉性和干预能力的下降导致系统功能失效，针对安全状态进行判断时存在偏差，从而影响了系统决策的精准度，产生误报或漏报，抗攻击能力弱。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于人工智能的安防报警系统，具备灵活应对环境多变因素、决策精准度高抗攻击能力强等优点，解决了传统基于人工智能的安防报警系统受攻击后功能易失效，决策精准度低抗攻击能力弱的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于人工智能的安防报警系统，包括多维采集模块、智能分析模块和安防报警模块；

3、所述多维采集模块包括环境监测单元、标准数据单元和异常数据单元，所述环境监测单元通过网络连接环境监测装置实时采集环境数据集，并通过网络传输至异常数据单元，所述标准数据单元通过网络连接数据库采集标准数据集，并通过网络传输至异常数据单元，所述异常数据单元根据环境数据集和标准数据集，计算生成异常数据组，所述多维采集模块通过网络连接智能分析模块；

4、所述智能分析模块包括安防分析单元、异常分析单元和综合评估单元，所述安防分析单元根据环境数据集，计算生成常规数据组，所述异常分析单元根据环境数据集和标准数据集，计算生成危险指数，并通过网络传输至综合评估单元，所述综合评估单元根据环境数据集、异常数据组和危险指数，计算生成漏洞指数，所述智能分析模块通过网络连接安防报警模块；

5、所述安防报警模块根据常规数据组、异常数据组、危险指数和漏洞指数，判断当前环境的安防状态，并实施对应的安防管理措施。

6、优选的，所述环境数据集包括环境监测装置实时采集到的监控数据，所述环境数据集的表达式为，表示监控数据采集的时间点，表示监控数据包含的目标信息，至依次对应每个时间点环境监测装置采集到的目标信息。

7、优选的，所述标准数据集包括数据库中定义正常行为和异常行为的标准数据，所述标准数据集的表达式为，表示定义正常行为的标准数据，表示定义异常行为的标准数据，至依次对应每种定义正常行为和异常行为的标准数据。

8、优选的，所述异常数据单元根据环境数据集和标准数据集，计算生成异常数据组，其计算流程如下：

9、根据标准数据集，筛选出环境数据集中目标的正常行为，记为，其中，；

10、公式中，表示异常数据组，表示环境数据集中所有时间点的目标信息，表示按照标准数据集中所有定义正常状态的标准数据筛选出的环境数据集中属于正常行为的目标信息，表示排除环境数据集中所有属于正常行为的目标信息后，计算得到的异常数据组。

11、优选的，所述安防分析单元根据环境数据集，计算生成常规数据组，其计算流程如下：

12、安防分析单元设置有卷积神经网络算法模型，并通过卷积神经网络算法模型依次分析环境数据集中每个时间点的目标信息；

13、公式中，表示常规数据组，表示常规数据组计算公式中定义目标信息为常规状态的固定算法模型，即为卷积神经网络算法模型，表示通过卷积神经网络算法模型依次分析环境数据集中每个时间点的目标信息，计算得到常规数据组。

14、优选的，所述异常分析单元根据环境数据集和标准数据集，计算生成危险指数，其计算流程如下：

15、根据标准数据集，筛选出环境数据集中目标的异常行为，记为，其中，；

16、公式中，表示危险指数，表示按照标准数据集中所有定义异常行为的标准数据筛选出的环境数据集中属于异常行为的目标信息，表示环境数据集中属于异常行为的目标信息与环境数据集中定义异常行为的标准数据的比值，即为危险指数。

17、优选的，所述综合评估单元根据环境数据集、异常数据组和危险指数，计算生成漏洞指数，其计算公式如下：公式中，表示漏洞指数，表示环境数据集中所有时间点的目标信息，表示按照标准数据集中所有定义正常行为的标准数据筛选出的环境数据集中属于正常行为的目标信息，表示按照标准数据集中所有定义异常行为的标准数据筛选出的环境数据集中属于异常行为的目标信息，表示排除环境数据集中所有属于正常行为和异常行为的目标信息后，得到无法识别行为性质的目标信息，表示无法识别行为性质的目标信息与环境数据集中所有时间点的目标信息的比值，即为漏洞指数。

18、优选的，所述异常数据组中存在数据时，安防报警模块判断当前环境中目标行为可疑，及时制止目标的可疑行为并拦截询问详细信息。

19、优选的，所述常规数据组中存在的数据与环境数据集中目标的正常行为相同时，安防报警模块判断当前环境中目标行为正常，并允许目标继续通行，所述常规数据组中部分数据与环境数据集中目标的正常行为不相同时，安防报警模块不允许目标通行，并通知安防人员进行人工审核。

20、优选的，所述危险指数超出预设值时，安防报警模块判断当前环境安全受到威胁，不允许所有目标继续通行，及时报警通知安防人员进行应急管理，所述漏洞指数超出预设值时，安防报警模块判断当前系统受到对抗性攻击，不允许所有目标继续通行，及时报警通知安防人员进行应急管理。

21、与现有技术相比，本发明提供了一种基于人工智能的安防报警系统，具备以下有益效果：

22、1、本发明通过多维采集模块设置有环境监测单元、标准数据单元和异常数据单元，环境监测单元实时采集环境数据集，标准数据单元采集标准数据集后，异常数据单元根据环境数据集和标准数据集，计算生成异常数据组，明确判断为正常行为的目标信息，再根据排除法继续筛分环境数据集中可疑行为的目标信息，智能分析模块设置有安防分析单元、异常分析单元和综合评估单元，安防分析单元根据环境数据集，计算生成常规数据组，通过人工智能ai技术中的卷积神经网络算法模型，深层次判断环境数据集中目标可疑行为，能够灵活应对环境多变因素。

23、2、本发明通过异常分析单元根据环境数据集和标准数据集，计算生成危险指数，明确判断为异常行为的目标信息，再根据排除法继续筛分环境数据集中可疑行为的目标信息，快速分析当前环境中目标行为的危险性，便于后续针对数值大小实施对应的安防管理措施，综合评估单元根据环境数据集、异常数据组和危险指数，计算生成漏洞指数，综合性评估系统针对可疑行为的判断能力，数字化评估系统抗攻击能力，及时发现系统的判断偏差，有效提高了安防管理的可靠性，安防报警模块根据常规数据组、异常数据组、危险指数和漏洞指数，判断当前环境的安防状态，并实施对应的安防管理措施，决策精准度高抗攻击能力强，有效识别危险和异常情况，关键时刻能够更有力的保障人身和财产安全。