智能量测终端的应用程序敏感行为识别方法、装置和设备与流程

本申请涉及通信技术，特别是涉及一种智能量测终端的应用程序敏感行为识别方法、装置、设备、存储介质。

背景技术：

1、随着物联网和嵌入式系统的迅速发展，智能量测终端设备在电力系统中扮演着越来越重要的角色，同时，这些智能测量终端设备上应用程序的安全性问题也逐渐显露出来，给隐私和数据安全带来了威胁，从而可能对电网基础设施造成损害，影响电力供应。工业领域内针对终端设备的应用程序的敏感行为识别的有关方法往往具有一定的侵入性，如需要修改系统底层框架或者具有很高的权限等，具有一定的安全隐患。

2、因此，需要一种安全的方式对智能量测终端应用程序的敏感行为进行监测和识别，从而实时监控和检测电力系统智能量测终端可能存在的异常，及时发现和响应潜在的安全威胁，避免出现进一步的危害。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高智能测量终端应用程序的敏感行为识别的安全性的，智能量测终端的应用程序敏感行为识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本申请提供了一种智能量测终端的应用程序敏感行为识别方法，包括：

3、获取智能量测终端的多维侧信道数据；

4、以多维侧信道数据为输入，调用已训练的敏感行为分类器，识别智能量测终端运行的应用程序的活动行为的类别，得到行为识别结果，行为识别结果包括活动行为的类别，敏感行为分类器基于携带行为类别标签的多维侧信道时间序列数据训练得到；

5、在行为识别结果表征智能量测终端存在敏感行为的情况下，基于敏感行为的类别与预设的敏感行为检测规则，判断敏感行为是否为异常敏感行为。

6、在其中一个实施例中，以多维侧信道数据为输入，调用已训练的敏感行为分类器之前，还包括：

7、获取智能量测终端的历史运行状态数据；

8、基于历史运行状态数据，确定多维侧信道时间序列历史数据；

9、对多维侧信道时间序列历史数据进行预处理，构建敏感行为侧信道特征库；

10、基于敏感行为侧信道特征库，训练预构建的残差编码器，得到敏感行为分类器，其中，敏感行为侧信道特征库包括携带有行为类别标签的多维侧信道时间序列数据，每一维度的侧信道时间序列数据对应一个侧信道数据源。

11、在其中一个实施例中，基于敏感行为侧信道特征库，训练预构建的残差编码器包括：

12、将多维侧信道时间序列数据输入至预构建的残差编码器中；

13、提取各维度的侧信道时间序列数据的时间序列特征，得到多维时间序列特征数据；

14、基于多维时间序列特征数据，确定多维时间序列特征数据对应的敏感行为类别；

15、基于多维时间序列特征数据携带的行为类别标签、和输出的敏感行为类别，确定残差编码器的损失函数值，并基于损失函数值，迭代更新残差编码器的参数，直至达到预设的训练结束条件，得到训练后的敏感行为分类器。

16、在其中一个实施例中，残差编码器包括多个残差块和池化层、注意力机制层、全连接层和回归层；基于多维时间序列特征数据，确定多维时间序列特征数据对应的敏感行为类别包括：

17、基于残差块和池化层，提取各维度的侧信道时间序列数据的时间序列特征，得到多维时间序列特征数据；

18、将多维时间序列特征数据输入至残差编码器的注意力机制层，学习时间戳的重要性，得到多维时间序列特征数据的注意力特征向量序列；

19、将注意力特征向量序列输入至残差编码器的全连接层和回归层，输出多维时间序列特征数据对应的敏感行为类别。

20、在其中一个实施例中，对多维侧信道时间序列历史数据进行预处理，构建敏感行为侧信道特征库包括：

21、确定多维侧信道时间序列历史数据的每一特征维度的特征重要度；

22、基于各特征重要度，从多个特征维度筛选出贡献度大于预设的贡献度阈值的目标特征维度；

23、基于目标特征维度的侧信道时间序列历史数据，构建敏感行为侧信道特征库。

24、在其中一个实施例中，敏感行为包括正常敏感行为或异常敏感行为；基于敏感行为的类别与预设的敏感行为检测规则，判断敏感行为是否为异常敏感行为，包括：

25、基于预设的敏感行为检测规则，确定正常敏感行为的正常发生时间段；

26、若识别出的敏感行为的发生时间段，不在敏感行为对应的正常时间段内，则判定敏感行为为异常敏感行为。

27、在其中一个实施例中，智能量测终端的应用程序敏感行为识别方法还包括：

28、在判定敏感行为是异常敏感行为的情况下，记录异常敏感行为的交互数据，推送预警信息；

29、基于交互数据生成异常敏感行为的事件报告。

30、第二方面，本申请还提供了一种智能量测终端的应用程序敏感行为识别装置，包括：

31、数据采集模块，用于获取智能量测终端的多维侧信道数据；

32、在线监测模块，用于以多维侧信道数据为输入，调用已训练的敏感行为分类器，识别智能量测终端运行的应用程序的活动行为的类别，得到行为识别结果，行为识别结果包括活动行为的类别，敏感行为分类器基于携带行为类别标签的多维侧信道时间序列数据训练得到。

33、异常检测模块，用于在行为识别结果表征智能量测终端存在敏感行为的情况下，基于敏感行为的类别与预设的敏感行为检测规则，判断敏感行为是否为异常敏感行为。

34、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意一项智能量测终端的应用程序敏感行为识别方法实施例中的步骤。

35、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项智能量测终端的应用程序敏感行为识别方法实施例中的步骤。

36、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任意一项智能量测终端的应用程序敏感行为识别方法实施例中的步骤。

37、上述智能量测终端的应用程序敏感行为识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，一方面，通过智能量测终端的多维侧信道数据和已训练的敏感行为分类器，进行应用程序敏感行为的初步检测，由于多维侧信道数据包括量测终端的系统运行状态数据，而系统运行状态数据的获取不需要对终端系统底层进行修改，因此，可以提高应用程序敏感行为的初步检测识别过程的安全性和隐私性；另一方面，在初步检测敏感行为之后，利用敏感行为检测规则设计了异常行为判断环节，通过敏感行为检测规则判断当前发生的应用程序的敏感行为是否存在异常嫌疑，不仅提高了异常敏感行为识别的效率和准确性，还提高了异常敏感行为的识别的灵活性和可拓展性，进一步地，通过上述方案还能提高电力系统量测终端的安全性。

技术特征：

1.一种智能量测终端的应用程序敏感行为识别方法，其特征在于，应用于量测终端，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述以所述多维侧信道数据为输入，调用已训练的敏感行为分类器之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述敏感行为侧信道特征库，训练预构建的残差编码器，包括：

4.根据权利要求3所述的方法，其特征在于，所述残差编码器包括多个残差块和池化层、注意力机制层、全连接层和回归层；提取各维度的侧信道时间序列数据的时间序列特征，得到多维时间序列特征数据，包括：

5.根据权利要求2所述的方法，其特征在于，所述对多维侧信道时间序列历史数据进行预处理，构建敏感行为侧信道特征库，包括：

6.根据权利要求1所述的方法，其特征在于，所述敏感行为包括正常敏感行为或异常敏感行为；

7.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：

8.一种智能量测终端应用程序敏感行为识别装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结本申请涉及一种智能量测终端的应用程序敏感行为识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：获取智能量测终端的多维侧信道数据；以多维侧信道数据为输入，调用已训练的敏感行为分类器，识别智能量测终端运行的应用程序的活动行为的类别，得到行为识别结果，行为识别结果包括活动行为的类别，敏感行为分类器基于携带行为类别标签的多维侧信道时间序列数据训练得到；在行为识别结果表征智能量测终端存在敏感行为的情况下，基于敏感行为的类别与预设的敏感行为检测规则，判断敏感行为是否为异常敏感行为。采用本方法有利于提高智能量测终端的敏感行为识别的安全性。技术研发人员：赵颖,谷海彤,范杏元,董军,陈然,梁超珩,蔡继涛,周密,张帆受保护的技术使用者：广东电网有限责任公司广州供电局技术研发日：技术公布日：2025/1/6