基于大数据的智能产品风险识别与控制方法及系统与流程

本发明涉及产品风险识别与控制，尤其涉及基于大数据的智能产品风险识别与控制方法及系统。

背景技术：

1、随着信息技术的飞速发展和大数据技术的广泛应用，智能产品已经成为现代生活的重要组成部分，特别是在智能家居领域，这些智能家居设备通过集成先进的传感器、处理器和通信技术，实现了对环境的感知、数据的采集与处理，以及智能化的决策与控制，其中，传感器能够实时监测家居环境中的各种参数，如温度、湿度、光照、空气质量、人体活动等，处理器是智能家居设备控制系统的“大脑”，负责处理传感器采集的数据，并根据预设的算法和规则做出决策，通信技术是智能家居设备控制系统实现互联互通的关键。然而，随着智能产品的普及和复杂化，其潜在的风险也日益凸显。为了有效应对这些风险，基于大数据的智能产品风险识别与控制方法及系统应运而生。

2、现有技术中，通过对采集到的原始数据进行数据处理以获取数据之间的关联性，然后通过机器学习算法识别出风险因素并进行风险量化，同时统计风险量化的结果并进行风险评分，最后根据风险评分的结果制定针对应的风险控制策略，实现了产品风险的准确识别。

3、例如公告号为：cn116633682b的发明专利公告的一种基于安全产品风险威胁的智能识别方法及系统，包括：获取复杂高频敏感信息流，利用fcm聚类算法对复杂高频敏感信息流进行分类；从所有复杂高频敏感信息流中任取c个点作为聚类中心，选点使得目标函数达到最小；将每次簇的均值作为新的中心，迭代直到簇中的复杂高频敏感信息流的分布不再变化，得到欧氏距离；将相似度大的复杂高频敏感信息流进行收集整理，得到目标复杂敏感高频信息。

4、例如公开号为：cn117896137a的专利申请公开的一种基于大数据的计算机网络安全智能分析系统及方法，包括：收集网络数据并进行处理，生成标准网络数据并进行时间序列分析，生成时间序列分析结果；对时间序列分析结果进一步分析，生成网络异常行为数据并触发异常报警等级机制；收集网络威胁情报信息，使用自然语言处理技术对网络威胁情报信息进行处理，生成网络威胁情报数据；利用关联分析技术，挖掘网络威胁情报数据与时间序列分析结果之间的关联规则，生成威胁行为模式数据；构建网络拓扑结构图，通过图计算分析方法将网络异常行为数据与网络拓扑结构图进行关联分析，生成威胁行为路径数据；将关联分析技术、图计算分析方法与安全管理工具进行集成，根据威胁行为模式数据和威胁行为路径数据，触发安全管理工具对网络潜在的威胁行为进行处理。

5、但本技术在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

6、现有技术中，原始数据的采集通常受到传感器精度和环境因素的影响，导致数据质量不高，进而影响后续的数据处理和风险量化，其次，风险评分存在主观因素，无法全面反映风险的实际情况，存在对智能产品的安防风险评估有效性低的问题。

技术实现思路

1、本技术实施例通过提供基于大数据的智能产品风险识别与控制方法及系统，解决了现有技术中对智能产品的安防风险评估有效性低的问题，实现了对智能产品的安防风险评估有效性的提高。

2、本技术实施例提供了基于大数据的智能产品风险识别与控制方法，包括以下步骤：步骤一，获取智能产品在当前监测时刻下的智能安防数据并进行关联性分析以获取关联性符合指标，基于获取的关联性符合指标判断是否进行风险识别，所述关联性符合指标用于量化智能安防数据之间的相关性程度；步骤二，若进行风险识别，则将风险识别的结果输入至已构建的风险识别模型中得到安防风险评估值，同时基于获取的安防风险评估值判断是否进行闭环反馈控制，所述安防风险评估值用于评估安防风险在当前监测时刻下发生的概率；步骤三，若进行闭环反馈控制，则根据闭环反馈控制过程中的安防风险控制效果获取控制效果评估值，同时基于获取的控制效果评估值判断是否完成闭环反馈控制，所述控制效果评估值用于评估闭环反馈控制的有效性。

3、进一步的，所述关联性符合指标通过以下方法获取：当环境温度大于参考环境温度、环境湿度大于参考环境湿度且烟雾浓度大于参考烟雾浓度时，获取智能产品在当前监测时刻下的环境温度分数、环境湿度分数和烟雾浓度分数并进行加法运算得到第一关联性符合指标；获取智能产品在当前监测时刻下的设备工作功率分数和设备响应时长分数并进行加法运算得到第二关联性符合指标，同时获取智能产品在当前监测时刻下的使用频率分数和误操作次数分数并进行加法运算得到第三关联性符合指标；根据获取的第一关联性符合指标、第二关联性符合指标和第三关联性符合指标并结合对应的关联性符合指标权重因子得到关联性符合指标；所述环境温度分数为环境温度与最大允许环境温度的比值；所述环境湿度分数为环境湿度与最大允许环境湿度的比值；所述烟雾浓度分数为烟雾浓度与最大允许烟雾浓度的比值；所述设备工作功率分数为设备工作功率与参考设备工作功率之差的绝对值与参考设备工作功率的比值；所述设备响应时长分数为设备响应时长与参考设备响应时长之差的绝对值与参考设备响应时长的比值；所述使用频率分数为智能产品使用频率与参考智能产品使用频率的比值；所述误操作次数分数为智能产品误操作次数与最大允许智能产品误操作次数的比值；所述关联性符合指标权重因子包括第一关联性符合指标权重因子、第二关联性符合指标权重因子和第三关联性符合指标权重因子。

4、进一步的，所述安防风险评估值的具体获取步骤为：统计预设监测时段内风险识别过程中的异常访问用户数量，判断异常访问用户数量是否在异常访问数量允许范围内，若是，则不进行计算，否则结合数据库中的参考访问数量得到异常访问分数；统计预设监测时段内风险识别过程中的环境风险点数量、设备故障风险点数量和异常访问风险点数量并结合数据库中的参考环境风险点数量、参考设备故障风险点数量和参考异常访问风险点数量获取环境风险分数、设备故障风险分数和异常访问风险分数；根据获取的异常访问分数、环境风险分数、设备故障风险分数、异常访问风险分数、关联性符合指标并结合关联性符合指标影响因子得到安防风险评估值；所述异常访问分数为异常访问用户数量参考访问数量的比值；所述异常访问用户为未经授权的访问用户；所述环境风险分数为环境风险点数量与参考环境风险点数量的比值；所述设备故障风险分数为设备故障风险点数量与参考设备故障风险点数量的比值；所述异常访问风险分数为异常访问风险点数量与参考异常访问风险点数量的比值。

5、进一步的，所述安防风险评估值的具体限制表达式为：

6、；

7、；

8、；

9、；

10、；

11、式中，t为预设监测时段内的当前监测时刻的编号，，t为预设监测时段内的当前监测时刻的总数量，e为自然常数，表示智能产品在预设监测时段内的安防风险评估值，表示关联性符合指标影响因子，表示智能产品在预设监测时段内的环境风险分数，表示参考环境风险点数量，表示智能产品在预设监测时段内的环境风险点数量，表示智能产品在预设监测时段内的设备故障风险分数，表示参考设备故障风险点数量，表示智能产品在预设监测时段内的设备故障风险点数量，表示智能产品在预设监测时段内的异常访问风险分数，表示参考异常访问风险点数量，表示智能产品在预设监测时段内的异常访问风险点数量，表示智能产品在预设监测时段内的异常访问分数，表示参考访问数量表示智能产品在预设监测时段内的异常访问用户数量，表示异常访问数量允许范围，表示智能产品在当前监测时刻t下的关联性符合指标，表示预设的关联性符合指标。

12、进一步的，所述控制效果评估值通过以下方法获取：m1，获取闭环反馈控制过程中的风险控制执行时长并判断是否小于预设的风险控制执行时长，若是，则执行m2，否则调整风险控制参数并重新进行闭环反馈控制，所述风险控制参数包括响应速度和控制强度；m2，获取风险控制执行时长分数，同时获取闭环反馈控制过程中的风险监测时长、风险预警时长和控制效果反馈时长并分别与闭环反馈控制总时长进行比值运算得到风险监测时长分数、风险预警时长分数和控制效果反馈时长分数，所述风险控制执行时长分数为风险控制执行时长与闭环反馈控制总时长的比值；m3，对获取的风险控制执行时长分数、风险监测时长分数、风险预警时长分数、控制效果反馈时长分数分别进行处理得到控制效果评估值。

13、本技术实施例提供了基于大数据的智能产品风险识别与控制系统，包括：关联性符合指标获取模块、安防风险评估值获取模块和控制效果评估值获取模块；其中，所述关联性符合指标获取模块用于获取智能产品在当前监测时刻下的智能安防数据并进行关联性分析以获取关联性符合指标，基于获取的关联性符合指标判断是否进行风险识别，所述关联性符合指标用于量化智能安防数据之间的相关性程度；所述安防风险评估值获取模块用于若进行风险识别，则将风险识别的结果输入至已构建的风险识别模型中得到安防风险评估值，同时基于获取的安防风险评估值判断是否进行闭环反馈控制，所述安防风险评估值用于评估安防风险在当前监测时刻下发生的概率；所述控制效果评估值获取模块用于若进行闭环反馈控制，则根据闭环反馈控制过程中的安防风险控制效果获取控制效果评估值，同时基于获取的控制效果评估值判断是否完成闭环反馈控制，所述控制效果评估值用于评估闭环反馈控制的有效性。

14、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

15、1、通过对获取的智能安防数据进行关联性分析以获取关联性符合指标并判断是否进行风险识别，然后将风险识别的结果输入至已构建的风险识别模型中得到安防风险评估值并判断是否进行闭环反馈控制，最后根据闭环反馈控制过程中的安防风险控制效果获取控制效果评估值并判断是否完成闭环反馈控制，从而安防风险评估值获取准确性的提高，进而实现了对智能产品的安防风险评估有效性的提高，有效解决了现有技术中对智能产品的安防风险评估有效性低的问题。

16、2、通过当环境温度大于参考环境温度、环境湿度大于参考环境湿度且烟雾浓度大于参考烟雾浓度时，根据获取的第一关联性符合指标、第二关联性符合指标和第三关联性符合指标并结合对应的关联性符合指标权重因子得到关联性符合指标，从而实现了关联性符合指标的更准确获取，进而实现了智能安防数据之间关联性程度的更精准分析。

17、3、通过统计在异常访问数量允许范围内的异常访问用户数量并结合数据库中的参考访问数量得到异常访问分数，同时根据获取的异常访问分数、环境风险分数、设备故障风险分数、异常访问风险分数、关联性符合指标并结合关联性符合指标影响因子得到安防风险评估值，从而实现了安防风险评估值的更准确获取，进而实现了安防风险识别与评估准确性和可靠性的提高。