CN110505196A - 物联网卡异常检测方法及装置 - Google Patents

Abstract

本发明实施例公开一种物联网卡异常检测方法及装置，涉及通信技术领域，用于解决现有技术中物联网卡异常检测结果准确性偏低的技术问题。该方法包括：获取待检测物联网卡的业务场景信息；获取业务场景信息对应的行为数据，以及获取业务场景信息下用于处理行为数据的目标规则算法，根据目标规则算法以及行为数据对待检测物联网卡进行分类，获取分类结果；其中分类结果包括：正常、或者异常；根据分类结果确定待检测物联网卡是否异常。本发明实施例用于对物联网卡进行异常检测。

Description

物联网卡异常检测方法及装置

技术领域

本发明实施例涉及通信技术领域，具体涉及一种物联网卡异常检测方法及装置。

背景技术

物联网涉及生活的各领域，例如运输和物流领域、工业制造领域、健康医疗领域、智能环境(家庭、办公、工厂)领域等。物联网卡是运营商仅面向企业用户提供的物联网客户识别模块(subscriber identity module，SIM)卡。物联网卡基于物联网专网，采用物联网专属号段，通过专用网元设备支持短信、无线数据通信、语音等基础通信服务，并提供通信状态管理和通信鉴权等智能通道服务，同时默认开通物联网专用的短信接入服务号和物联网通用访问接入点(Access Point，AP)。由于物联网卡的交易过程难以监管，导致大量物联网卡被非法使用，大量网络资源被非法占用和浪费，给运营商造成诸多损失，对于上述存在的问题，对物联网卡进行有效的异常检测显得尤为重要。

目前，物联网卡的异常检测通常都是根据物联网卡的属性信息和行为信息来确定异常状态的物联网卡，然而实际情况中，采用上述检测方式获取的分类结果存在准确性偏低的问题。

发明内容

本发明实施例提供一种物联网卡异常检测方法及装置，用于解决现有技术中物联网卡异常分类结果准确性偏低的技术问题。

第一方面，提供一种物联网卡异常检测方法，包括：

获取待检测物联网卡的业务场景信息；获取业务场景信息对应的行为数据，以及获取业务场景信息下用于处理行为数据的目标规则算法，根据目标规则算法以及行为数据对待检测物联网卡进行分类，获取分类结果；其中分类结果包括：正常、或者异常；根据分类结果确定待检测物联网卡是否异常。

在本发明实施例提供的物联网卡异常检测方法中，能够根据物联网卡所在的业务场景信息获取对应的行为数据以及目标规则算法，然后根据目标规则算法以及行为数据对待检测物联网卡进行正常或者异常分类，获取分类结果，最后根据分类结果确定待检测物联网卡是否异常。由此可见，本发明实施例能够将物联网卡异常检测与实际业务形态结合，对不同业务场景下业务数据选用具有针对性的识别规则来对物联网卡进行异常检测，以有效提高物联网卡异常分类结果准确性。

第二方面，提供一种物联网卡异常检测装置，包括：

获取模块，用于获取待检测物联网卡的业务场景信息；

处理模块，用于获取上述获取模块获取的业务场景信息对应的行为数据，以及获取业务场景信息下用于处理行为数据的目标规则算法，根据目标规则算法以及行为数据对待检测物联网卡进行分类，获取分类结果；其中分类结果包括：正常、或者异常；

确定模块，用于根据处理模块获取的分类结果确定待检测物联网卡是否异常。

第三方面，提供一种物联网卡异常检测装置，包括：一个或多个处理器；处理器用于执行存储器中的计算机程序代码，计算机程序代码包括指令、使得物联网卡异常检测装置执行上述第一方面的物联网卡异常检测方法。

第四方面，提供一种存储介质，存储介质存储有指令代码，指令代码用于执行如上述第一方面的物联网卡异常检测方法。

第五方面，提供一种计算机程序产品，计算机程序产品包括指令代码，指令代码用于执行如上述第一方面的物联网卡异常检测方法。

可以理解地，上述提供的物联网卡异常检测装置、存储介质以及计算机产品用于执行上文所提供的第一方面对应的方法，因此，其所能达到的有益效果可参考上文第一方面的方法以及下文具体实施方式中对应的方案的有益效果，此处不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。

图1示出了本发明实施例提供的一种物联网卡异常检测方法的方法流程图；

图2示出了本发明实施例提供的一种物联网卡异常检测方法的方法流程图；

图3示出了本发明实施例提供的一种物联网卡异常检测方法的方法流程图；

图4示出了本发明实施例提供的一种物联网卡异常检测方法的方法流程图；

图5示出了本发明实施例提供的一种物联网卡异常检测装置的功能结构框图；

图6示出了本发明实施例提供的一种物联网卡异常检测装置的功能结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。术语“第一”和“第二”等的使用不表示任何顺序，可将上述术语解释为所描述对象的名称。在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在介绍本发明实施例之前，首先对现有技术中物联网异常检测方式进行简单介绍。目前，现有的物联网异常检测方式都是通过获取物联网卡的属性信息和行为信息，然后根据同行业物联网卡的属性信息和行为信息对物联网卡进行分类，以确定正常状态物联网卡以及异常状态物联网卡。实际情况中，由于物联网应用场景广泛，各行各业涌现出海量的应用场景，例如车联网、智能电表、智慧城市、智能交通等。每种应用场景下对时延、速率、流量、待机时长、带宽等多种参数的要求各不相同，同是不同应用场景还可能因为上述参数的差异选择不同的接入技术。如应用于能源与自来水等公用事业的智能电表业务，会优先选择基于蜂窝网络的窄带物联网(narrow band internet of things，NB-IoT)这种新一代窄带物联网传输技术，因为它具有广覆盖、低功耗、低成本、信号强等突出特点。特别适合如远程抄表这种低频次，固定周期的数据传输应用场景；又如车联网无人驾驶应用场景，对于时延、速度等具有极高的要求，所以需要部署在第五代移动通信技术(5-generation，5G)的网络场景下，等等。由此可见，当业务场景不同时，业务形态会存在显著差异。目前对物联网卡进行异常检测时，并未考虑上述业务场景差异，导致目前物联网卡异常行为识别的准确率偏低。

基于上述存在的问题，本发明实施例提供一种物联网卡异常检测方法，参见图1所示，包括如下步骤：

步骤S110：获取待检测物联网卡的业务场景信息。

步骤S120：获取业务场景信息对应的行为数据，以及获取业务场景信息下用于处理行为数据的目标规则算法，根据目标规则算法以及行为数据对待检测物联网卡进行分类，获取分类结果；其中分类结果包括：正常、或者异常。

步骤S130：根据分类结果确定待检测物联网卡是否异常。

在本发明实施例提供的物联网卡异常检测方法中，能够根据物联网卡所在的业务场景信息获取行为数据以及目标规则算法，然后根据目标规则算法获取行为数据的分类结果，最后根据分类结果确定待检测物联网卡是否异常。由此可见，本发明实施例能够将物联网卡异常检测与实际业务形态结合，对不同业务场景下业务数据选用具有针对性的识别规则来对物联网卡进行异常检测，以有效提高物联网卡异常分类结果准确性。

下面通过如下三个具体实施例对本发明提供的物联网卡异常检测方法进行详细介绍。

图2示出了本发明实施例提供一种物联网卡异常检测方法，参见图2所示，包括如下步骤：

步骤S210：获取待检测物联网卡的业务场景信息。

具体地，业务场景信息可以为与物联网卡应用的业务场景相关的信息，例如企业标识、业务标识等。具体实施中，业务场景信息的获取方式可以由本领域技术人员根据实际情况进行设置，本发明对此不作限定。具体实施中，在一种优选方案中，业务场景信息可以包括：企业标识。

步骤S220：获取业务场景信息对应的行为数据，以及获取业务场景信息对应的用于处理行为数据的目标规则算法。

具体地，获取行为数据的方式可以有多种，例如可以在网络侧的预设接口上部署相应探针，通过上述探针来采集网络侧与业务场景信息相关的数据信息，例如从S1-MME接口上采集记录物联网信令连接方面的与信令相关的数据；从S6a接口获取记录用户签约信息、漫游信息等相关信息的数据；从S5/S8-C接口、以及Gn-C接口上采集关于承载信息的建立或修改或删除的相关数据、或者关于会话信息的建立或修改或删除的相关数据、或者公用数据网(Public Data Network，PDN)连接的建立或删除等与物联网网络性能相关的数据；从S5/S8-U接口、Gn-U接口采集安全信息、流量信息等与业务性能指标相关的数据，从企业用户的物联网设备上获取计费数据、行业属性数据等企业用户数据等与用户相关的数据；或者还可以从基站侧获取基站的网络工程参数(如位置区码(location area code，LAC)、小区识别(Cell Identity，CI)、基站经度、以及基站纬度等)；或者还可以通过地理信息***(Geographic Information System，GIS)获取业务场景相关的地理位置信息等。

具体地，在本发明实施例中，将行为数据分为历史行为数据以及实时行为数据。实时行为数据即物联网设备在线使用的数据，实时行为数据在物联网设备上完成在线使用后，实时行为数据便成为历史行为数据。

在本实施例中，获取业务场景信息对应的行为数据可以包括：获取业务场景信息对应的历史行为数据。则在获取业务场景信息对应的用于处理行为数据的目标规则算法可以包括：从预设规则函数中获取业务场景信息对应的目标规则函数作为用于处理历史行为数据的目标规则算法。

下面对上述预设规则函数进行详细介绍。具体地，预设规则函数可以包括：至少一种运算特征值类型以及运算规则。其中，上述运算规则用于对上述至少一种运算特征值类型的特征值进行运算，以获取对应的运算结果。具体实施中，上述运算结果可以用于表示物联网卡使用状态为正常或者物联网卡使用状态为异常，因此运算结果具体可以包含两个不同的结果数值：第一结果数值以及第二结果数值。其中第一结果数值表示分类结果为正常，第二结果数值表示分类结果为异常。具体实施中，第一结果数值与第二结果数值可以由本领域技术人员根据实际情况进行设置，本发明对此不作限定。其中，在一种优选方案中，第一结果数值为0，第二结果数值为1。

具体实施中，预设规则函数可以采用如下公式表示：

y1＝f(x₁，x₂，...，x_n)；

其中，y1为运算结果，函数f为上述运算规则，x_n为第n种运算特征值类型的特征值；其中n为自然数且n≥1。

在本发明实施例中，预设规则函数的类型可以包括以下任一种：终端信息规则函数、流量规则函数、业务类型及流程规则函数、以及号码匹配规则函数。可以理解的是，不同类型的预设规则函数中包含的至少一种运算特征值类型及其运算规则不同。

下面对上述提到的每种类型的预设规则函数进行介绍。具体地，终端信息规则函数可以为针对物联网终端的终端信息制定的预设规则函数，具体实施中，终端信息规则函数可以包括如下运算特征值类型：终端品牌、终端类型、以及终端型号等与终端设备信息相关的信息；终端信息规则函数的运算规则可以为上述各特征值类型与用户设备的逻辑关系函数。举例说明：若待检测物联网卡的用户为企业A，企业A的物联网终端设备的终端品牌为品牌a，终端类型为类型b，则终端信息规则函数的运算关系可以包括：若物联网终端的终端品牌为品牌a且终端类型为类型b，则正常(即：物联网卡使用状态为正常)，否则异常(即：物联网卡使用状态为异常)。

流量规则函数可以为针对物联网终端的流量信息制定的预设规则函数。具体实施中，流量规则函数可以包括如下运算特征值类型：流量套餐上限值、评估时间内实际流量使用总量、流量超用阈值等与物联网终端的流量使用相关的信息；流量规则函数的运算规则可以为针对上述各特征值类型设置的逻辑关系函数。举例说明：若流量规则函数中的运算特征值类型包括：流量套餐上限值、评估时间内实际流量使用总量、以及流量超用阈值，则流量规则函数的运算规则可以为：若评估时间内实际流量使用总量大于流量套餐上限值且评估时间内实际流量使用总量与流量套餐上限值之差大于流量超用阈值，则异常(即：物联网卡使用状态为异常)，否则正常(即：物联网卡使用状态为正常)。

业务类型及流程规则函数可以为针对物联网终端的业务类型及流程制定的预设规则函数。具体实施中，业务类型及流程规则函数可以包括如下运算特征值类型：用户标识信息、以及业务类型流程信息等与业务类型及流程相关的信息；其中，用户标识信息可以包括企业标识、或者物联网终端标识；业务类型流程信息可以包括：业务类型或业务流程；业务类型及流程规则函数的运算规则可以为针对上述各特征值类型设置的逻辑关系函数。举例说明，若企业B的企业标识为c，企业B提供业务类型仅包括智能电表抄表业务，则企业B的业务类型及流程规则函数的运算规则可以为：若企业标识为c且业务类型仅包括智能电表抄表业务，则正常(即：物联网卡使用状态为正常)，否则异常(即：物联网卡使用状态为异常)。

号码匹配规则函数可以为针对物联网终端与物联网卡一对一的绑定关系制定的预设规则函数。具体实施中，号码匹配规则函数可以包括如下运算特征值类型：物联网卡移动台国际用户识别码(mobile subscriber international ISDN(integrated servicedigital network，综合业务数字网)/PSTN(public switched telephone network，公共交换电话网络)number，MSISDN)、以及终端国际移动设备识别码(international mobileequipment identity，IMEI)；则号码匹配规则函数的运算规则可以为针对上述各特征值类型设置的逻辑关系函数。举例说明，若企业C在注册物联网卡时终端IMEI为d，物联网卡MSISDN为e，则号码匹配规则函数的运算规则可以为：若e绑定的终端IMEI为d，则正常(即：物联网卡使用状态为正常)，否则异常(即：物联网卡使用状态为异常)。具体实施中，当物联网卡出售给企业后，物联网终端与物联网卡的绑定关系存储在企业数据库中，号码匹配规则函数的运算规则可以根据企业数据库中物联网终端与物联网卡的绑定关系生成。

离群规则函数为针对物联网终端中具有多个特征值的运算特征值类型制定的预设规则函数，其中上述运算特征值类型的多个特征值包括：m₁，m₂...m_n，离群规则函数用于确定上述多个特征值中是否包含异常值，并根据确定结果确定物联网卡使用状态为正常或者物联网卡使用状态为异常。具体实施中，离群规则函数的运算规则具体可以为：若则异常(即：物联网卡使用状态为异常)，否则正常(即：物联网卡使用状态为正常)；其中，o为自然数且n≥o≥0，为m₁，m₂…m_n去掉离群值后的平均数，为m₁，m₂…m_n去掉离群值后的平均偏差，其中上述离群值可以为m_max或者m_min；m_max为m₁，m₂...m_n中最大值，m_min为m₁，m₂…m_n中最小值。

当然，可以理解的是，上述所列举的各类型预设规则函数所包含的运算特征值类型以及运算关系仅仅是示例性的，具体实施中，各类型预设规则函数包含的运算特征值类型以及运算关系可以由本领域技术人员根据实际情况进行设置，本发明实施例对此不作限定。

具体实施中，可以预先设置预设业务场景信息与预设规则函数的第一对应关系，则在本步骤中，在获取业务场景信息对应的目标规则函数时，可以根据上述第一对应关系获取业务场景信息在第一对应关系中对应的预设规则函数作为目标规则函数。当然，可以理解的是，上述列举的获取业务场景信息对应的目标规则函数的方式仅仅是示例性的，具体实施中，本发明对获取业务场景信息对应的目标规则函数的方式不作限定。

步骤S230：获取目标规则函数中每种运算特征值类型在历史行为数据中对应的特征值。

具体地，上述特征值的获取方式可以由本领域技术人员根据实际情况进行设置，本发明对此不作限定。

步骤S240：根据运算规则对特征值进行运算，根据运算结果确定第一分类结果。

具体地，若运算结果为第一结果数值，则确定第一分类结果为正常，若运算结果为第二结果数值，则确定第一分类结果为异常。

步骤S250：根据第一分类结果确定待检测物联网卡是否异常。

具体地，若第一分类结果为异常，则确定待检测物联网卡为异常；若第一分类结果为正常，则确定待检测物联网卡为正常。

图3示出了本发明实施例提供一种物联网卡异常检测方法，参见图3所示，包括如下步骤：

步骤S310：获取待检测物联网卡的业务场景信息。

本步骤的执行方式与步骤S210相同，具体可以参见步骤S210中的对应描述，此处不再赘述。

步骤S320：获取业务场景信息对应的行为数据，以及获取业务场景信息对应的用于处理行为数据的目标规则算法。

具体地，在本实施例中，行为数据可以包括：实时行为数据。获取业务场景信息对应的用于处理行为数据的目标规则算法，包括：从预设检测模型中获取业务场景信息对应的目标检测模型作为用于处理实时行为数据的目标规则算法。其中，实时行为数据可以参见步骤S220中的对应描述，此处不再赘述。

其中，预设检测模型可以为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取的模型，预设检测模型的输出结果包括第三结果数值以及第四结果数值，其中第三结果数值表示分类结果为正常，第四结果数值表示分类结果为异常。上述机器学习算法可以由本领域技术人员根据实际情况进行设置，例如采用K-均值聚类算法等，本发明实施例对此不作限定。第三结果数值以及第四结果数值可以由本领域技术人员根据实际情况进行设置，本发明对此不作限定。其中，在一种优选地方案中，第三结果数值为0，第四结果数值为1。更优选地，第三结果数值可以与第一结果数值相同，第四结果数值可以与第二结果数值相同。

具体实施中，可以根据预设业务场景信息的历史行为数据以及预设机器学习算法获取预设业务场景信息对应的预设检测模型，并在预设检测模型与预设业务场景信息之间建立第二对应关系，则在本步骤中，可以根据上述第二对应关系获取业务场景信息在第二对应关系中对应的预设检测模型作为目标检测模型。当然，可以理解的是，上述列举的获取业务场景信息对应的目标检测模型的方式仅仅是示例性的，具体实施中，本发明对获取业务场景信息对应的目标检测模型的方式不作限定。

步骤S330：将实时行为数据输入目标检测模型，根据目标检测模型的输出结果确定第二分类结果。

具体地，若输出结果为第三结果数值，则确定第二分类结果为正常；若运算结果为第四结果数值，则确定第二分类结果为异常。

步骤S340：根据第二分类结果确定待检测物联网卡是否异常。

具体地，若第二分类结果为异常，则确定待检测物联网卡为异常；若第二分类结果为正常，则确定待检测物联网卡为正常。

其中，在本实施例中，为了保证目标检测模型的准确性，在根据预设业务场景信息的历史行为数据以及预设机器学习算法获取预设业务场景信息对应的预设检测模型之前，还可以进一步确定历史行为数据的采样点数量是否大于预设采样点数量阈值，若历史行为数据的采样点数量大于预设采样点数量阈值，则根据上述第二对应关系获取业务场景信息对应的预设检测模型作为目标检测模型并执行步骤S330以及步骤S340；若历史行为数据的采样点数量小于或等于预设采样点数量阈值，则确定不存在目标检测模型，从而表明业务场景信息的历史行为数据并未发现物联网卡异常，则可以直接确定待检测物联网卡为正常，则步骤S330可以直接确定输出结果为正常。其中，预设采样点数量阈值可以由本领域技术人员根据实际情况进行设置，本发明实施例对此不作限定。

图4示出了本发明实施例提供一种物联网卡异常检测方法，参见图4所示，包括如下步骤：

步骤S410：获取待检测物联网卡的业务场景信息。

本步骤的执行方式与步骤S210相同，具体可以参见步骤S210中的对应描述，此处不再赘述。

步骤S420：获取业务场景信息对应的行为数据，以及获取业务场景信息对应的用于处理行为数据的目标规则算法。

具体地，在本实施例中，行为数据可以包括：历史行为数据以及实时行为数据。则获取业务场景信息对应的用于处理行为数据的目标规则算法，包括：从预设规则函数中获取业务场景信息对应的目标规则函数作为用于处理历史行为数据的目标规则算法、以及从预设检测模型中获取业务场景信息对应的目标检测模型作为用于处理实时行为数据的目标规则算法。

其中，历史行为数据、实时行为数据、预设规则函数及其获取方式可以参见步骤S220中的对应描述，此处不再赘述。

预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；预设检测模型的输出结果包括第五结果数值以及第六结果数值，其中第五结果数值表示分类结果为正常，第六结果数值表示分类结果为异常。在本实施例中，将实时行为数据输入目标检测模型，获取目标检测模型的输出结果作为第三分类结果。具体实施中，第五结果数值等同于S320中的第三结果数值，第六结果数值等同于S320中的第四结果数值，预设检测模型及其获取方式可以参见步骤S320中的对应描述，此处不再赘述。

步骤S430：根据目标规则算法以及行为数据对待检测物联网卡进行分类，获取分类结果。

其中，分类结果可以包括：正常、或者异常。在本实施例中，当行为数据为历史行为数据时，目标规则算法对应为目标规则函数，则在本步骤中，获取目标规则函数中每种运算特征值类型在历史行为数据中对应的特征值，然后根据目标规则函数的运算规则对上述特征值进行运算，将运算结果作为第一分类结果。其中，第一分类结果的获取方式可以参见上述步骤S230以及步骤S240中的对应描述，此处不再赘述。当行为数据为实时行为数据时，目标规则算法对应为目标检测模型，则可以将实时行为数据输入目标检测模型，获取目标检测模型的输出结果作为第三分类结果。其中，第三分类结果与第二分类结果的获取方式相同，具体可以参见上述关于第二分类结果的获取方式的对应描述，此处不再赘述。

步骤S440：获取第一分类结果对应的第一分类结果运算值以及第三分类结果对应的第三分类结果运算值。

具体地，在执行本步骤之前，可以预先设置分类结果对应的运算值，当分类结果为正常，设置分类结果的运算值为第一运算值；当分类结果为异常，设置分类结果的运算值为第二运算值。例如，第一运算值可以为0，第二运算值可以为1；或者，第一运算值可以为1，第二运算值可以为0。具体实施中，对分类结果设置的对应的运算值只要能够用于区分不同的分类结果，并对分类结果进行运算即可。本步骤中，根据上述分类结果对应的运算值获取第一分类结果对应的第一分类结果运算值，以及根据上述分类结果对应的运算值获取第三分类结果对应的第三分类结果运算值。

步骤S450：对第一分类结果运算值以及第三分类结果运算值进行加权处理，获取第一分类结果运算值对应的第一加权结果以及获取第三分类结果运算值对应的第二加权结果。

具体地，可以根据业务场景信息设置第一分类结果对应的第一权重，以及第三分类结果对应的第二权重，然后获取第一分类结果与第一权重的乘积作为第一加权结果、以及获取第三分类结果与第二权重的乘积作为第二加权结果。具体实施中，设置第一权重以及第二权重的方式可以由本领域技术人员根据实际情况进行设置，本发明实施例对此不作限定。

步骤S460：对第一加权结果以及第二加权结果求和，获取求和结果。

步骤S470：根据求和结果确定待检测物联网卡是否异常。

具体地，可以判断第一运算值是否大于第二运算值，若第一运算值大于第二运算值，则判断求和结果是否大于预设阈值，若判断结果为是，则确定待检测物联网卡为异常，若判断结果为否，则确定待检测物联网卡为正常。若第一运算值小于第二运算值，则判断求和结果是否小于或等于预设阈值，若判断结果为是，则确定待检测物联网卡为异常，若判断结果为否，则确定待检测物联网卡为正常。

其中，上述预设阈值可以由本领域技术人员根据实际情况进行设置，本发明对此不作限定。

进一步，在本实施例中，在获取待检测物联网卡的确定结果之后，还可以根据确定结果对目标规则算法进行修正，例如根据确定结果重新训练目标规则函数以及目标检测模型，以有效提高目标规则函数以及目标检测模型的准确性。

本发明实施例还提供一种物联网卡异常检测装置，可以理解的是，本发明实施例提供的物联网卡异常检测装置用于实现上述方法实施例中的对应功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

本发明实施例可以根据上述方法实施例对物联网卡异常检测装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

在采用对应各个功能划分各个功能模块的情况下，图5示出了本发明实施例中涉及的物联网卡异常检测装置的功能结构示意图，物联网卡异常检测装置具体用于实施上述图1-图4对应的方法实施例，物联网卡异常检测装置可以为单独的设备或者集成于物联网设备当中。如图5所示，物联网卡异常检测装置，包括：

获取模块51，用于获取待检测物联网卡的业务场景信息。

处理模块52，用于获取上述获取模块51获取的业务场景信息对应的行为数据，以及获取业务场景信息下用于处理行为数据的目标规则算法，根据目标规则算法以及行为数据对待检测物联网卡进行分类，获取分类结果；其中分类结果包括：正常、或者异常。

确定模块53，用于根据处理模块52获取的分类结果确定待检测物联网卡是否异常。

可选地，行为数据包括：历史行为数据；则处理模块52具体用于：

从预设规则函数中获取业务场景信息对应的目标规则函数作为用于处理历史行为数据的目标规则算法；其中预设规则函数满足如下公式：

y1＝f(x₁，x₂，...，x_n)；

其中，y1为运算结果，f为运算规则，x_n为第n种运算特征值类型的特征值；其中n为自然数且n大于等于1；

获取目标规则函数中每种运算特征值类型在历史行为数据中对应的特征值；

根据运算规则对特征值进行运算，根据运算结果确定第一分类结果；其中，运算结果包括第一结果数值以及第二结果数值，第一结果数值表示分类结果为正常，第二结果数值表示分类结果为异常。

可选地，确定模块53具体用于：根据第一分类结果确定待检测物联网卡是否异常。

可选地，行为数据包括：实时行为数据；则处理模块52具体用于：

从预设检测模型中获取业务场景信息对应的目标检测模型作为用于处理实时行为数据的目标规则算法；其中，预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；预设检测模型的输出结果包括第三结果数值以及第四结果数值，第三结果数值表示分类结果为正常，第四结果数值表示分类结果为异常；将实时行为数据输入目标检测模型，获取目标检测模型的输出结果作为第二分类结果；

则确定模块53具体用于：根据第二分类结果确定待检测物联网卡是否异常。

可选地，行为数据包括：历史行为数据以及实时行为数据；

处理模块52在获取第一分类结果的基础上，进一步用于：

从预设检测模型中获取业务场景信息对应的目标检测模型作为用于处理实时行为数据的目标规则算法；其中，预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；预设检测模型的输出结果包括第五结果数值以及第六结果数值，第五结果数值表示分类结果为正常，第六结果数值表示分类结果为异常；将实时行为数据输入目标检测模型，获取目标检测模型的输出结果作为第三分类结果；

确定模块53具体用于：根据预设分类结果运算值获取第一分类结果对应的第一分类结果运算值以及第三分类结果对应的第三分类结果运算值；对第一分类结果运算值以及第三分类结果运算值进行加权处理，获取第一分类结果运算值对应的第一加权结果以及获取第三分类结果运算值对应的第二加权结果；对第一加权结果以及第二加权结果求和，获取求和结果；根据求和结果确定待检测物联网卡是否异常。

可选地，预设规则函数包括以下任一项：终端信息规则函数、流量规则函数、业务类型及流程规则函数、号码匹配规则函数以及离群规则函数。

可选地，物联网卡异常检测装置还包括：修正模块54，用于：

获取确定模块53中获取的待检测物联网卡的确定结果，根据确定结果对目标规则算法进行修正。

上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，其作用在此不再赘述。

在采用集成的模块的情况下，物联网卡异常检测装置包括：存储单元、处理单元以及接口单元。处理单元用于对物联网卡异常检测装置的处理动作进行控制管理，例如，处理单元用于支持物联网卡异常检测装置执行图1-图4中的各步骤。接口单元用于物联网卡异常检测装置与其他装置的交互；存储单元，用于存储物联网卡异常检测装置代码和数据。

其中，以处理单元为处理器，存储单元为存储器，接口单元为通信接口为例。其中，物联网卡异常检测装置参照图6中所示，包括通信接口601、处理器602、存储器603和总线604，通信接口601、处理器602通过总线604与存储器603相连。

处理器602可以是一个通用中央处理器(Central Processing Unit，CPU)，微处理器，特定应用集成电路(Application-Specific Integrated Circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。

存储器603可以是只读存储器(Read-Only Memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(Random Access Memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器603用于存储执行本申请方案的应用程序代码，并由处理器602来控制执行。通信接口601用于支持物联网卡异常检测装置与其他装置的交互。处理器602用于执行存储器603中存储的应用程序代码，从而实现本发明实施例中的方法。

结合本发明公开内容所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。本发明实施例还提供一种存储介质，该存储介质可以包括存储器，用于储存为物联网卡异常检测装置所用的计算机软件指令，其包含执行物联网卡异常检测方法所设计的程序代码。具体的，软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(Random Access Memory，RAM)、闪存、只读存储器(Read Only Memory，ROM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、电可擦可编程只读存储器(Electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、只读光盘(CD-ROM)或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。

本发明实施例还提供一种计算机程序，该计算机程序可直接加载到存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述的物联网卡异常检测方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (16)

1.一种物联网卡异常检测方法，其特征在于，包括：

获取待检测物联网卡的业务场景信息；

获取所述业务场景信息对应的行为数据，以及获取所述业务场景信息下用于处理所述行为数据的目标规则算法，根据所述目标规则算法以及所述行为数据对所述待检测物联网卡进行分类，获取分类结果；其中所述分类结果包括：正常、或者异常；

根据所述分类结果确定所述待检测物联网卡是否异常。

2.根据权利要求1所述的物联网卡异常检测方法，其特征在于，所述获取所述业务场景信息对应的行为数据，包括：

获取所述业务场景信息对应的历史行为数据；

则所述获取所述业务场景信息对应的用于处理所述行为数据的目标规则算法，根据所述目标规则算法以及所述行为数据对所述待检测物联网卡进行分类，获取分类结果，包括：

从预设规则函数中获取所述业务场景信息对应的目标规则函数作为用于处理所述历史行为数据的目标规则算法；其中所述预设规则函数满足如下公式：

y1＝f(x₁，x₂，..，x_n)；

其中，y1为运算结果，f为运算规则，x_n为第n种运算特征值类型的特征值；其中n为自然数且n大于等于1；

获取所述目标规则函数中每种所述运算特征值类型在所述历史行为数据中对应的特征值；

根据所述运算规则对所述特征值进行运算，根据运算结果确定第一分类结果；其中，所述运算结果包括第一结果数值以及第二结果数值，所述第一结果数值表示所述分类结果为正常，所述第二结果数值表示所述分类结果为异常。

3.根据权利要求2所述的物联网卡异常检测方法，其特征在于，所述根据所述分类结果确定所述待检测物联网卡是否异常，包括：根据所述第一分类结果确定所述待检测物联网卡是否异常。

4.根据权利要求1所述的物联网卡异常检测方法，其特征在于，所述获取所述业务场景信息对应的行为数据，包括：

获取所述业务场景信息对应的实时行为数据；

则所述获取所述业务场景信息对应的用于处理所述行为数据的目标规则算法，根据所述目标规则算法以及所述行为数据对所述待检测物联网卡进行分类，获取分类结果，包括：

从预设检测模型中获取所述业务场景信息对应的目标检测模型作为用于处理所述实时行为数据的目标规则算法；其中，所述预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；所述预设检测模型的输出结果包括第三结果数值以及第四结果数值；其中所述第三结果数值表示所述分类结果为正常，所述第四结果数值表示所述分类结果为异常；

将所述实时行为数据输入所述目标检测模型，获取所述目标检测模型的输出结果作为第二分类结果；

所述根据所述分类结果确定所述待检测物联网卡是否异常，包括：根据所述第二分类结果确定所述待检测物联网卡是否异常。

5.根据权利要求2所述的物联网卡异常检测方法，其特征在于，所述行为数据还包括：实时行为数据；

所述获取所述业务场景信息对应的用于处理所述行为数据的目标规则算法，根据所述目标规则算法以及所述行为数据对所述待检测物联网卡进行分类，获取分类结果，还包括：

从预设检测模型中获取所述业务场景信息对应的目标检测模型作为用于处理所述实时行为数据的目标规则算法；其中，所述预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；所述预设检测模型的输出结果包括第五结果数值以及第六结果数值，其中所述第五结果数值表示所述分类结果为正常；所述第六结果数值表示所述分类结果为异常；将所述实时行为数据输入所述目标检测模型，获取所述目标检测模型的输出结果作为第三分类结果；

所述根据所述分类结果确定所述待检测物联网卡是否异常，包括：根据预设分类结果运算值获取第一分类结果对应的第一分类结果运算值以及第三分类结果对应的第三分类结果运算值；对所述第一分类结果运算值以及所述第三分类结果运算值进行加权处理，获取第一分类结果运算值对应的第一加权结果以及获取第三分类结果运算值对应的第二加权结果；对所述第一加权结果以及所述第二加权结果求和，获取求和结果；根据所述求和结果确定所述待检测物联网卡是否异常。

6.根据权利要求2或3或5所述的物联网卡异常检测方法，其特征在于，所述预设规则函数包括以下任一项：终端信息规则函数、流量规则函数、业务类型及流程规则函数、号码匹配规则函数以及离群规则函数。

7.根据权利要求5所述的物联网卡异常检测方法，其特征在于，其特征在于，所述根据所述分类结果确定所述待检测物联网卡是否异常之后，所述方法还包括：

获取所述待检测物联网卡的确定结果，根据所述确定结果对所述目标规则算法进行修正。

8.一种物联网卡异常检测装置，其特征在于，包括：

获取模块，用于获取待检测物联网卡的业务场景信息；

处理模块，用于获取所述获取模块获取的所述业务场景信息对应的行为数据，以及获取所述业务场景信息下用于处理所述行为数据的目标规则算法，根据所述目标规则算法以及所述行为数据对所述待检测物联网卡进行分类，获取分类结果；其中所述分类结果包括：正常、或者异常；

确定模块，用于根据所述处理模块获取的所述分类结果确定所述待检测物联网卡是否异常。

9.根据权利要求8所述的物联网卡异常检测装置，其特征在于，所述处理模块具体用于：

获取所述业务场景信息对应的历史行为数据；

从预设规则函数中获取所述业务场景信息对应的目标规则函数作为用于处理所述历史行为数据的目标规则算法；其中所述预设规则函数满足如下公式：

y1＝f(x₁，x₂，...，x_n)；

其中，y1为运算结果，f为运算规则，x_n为第n种运算特征值类型的特征值；其中n为自然数且n≥1；

获取所述目标规则函数中每种所述运算特征值类型在所述历史行为数据中对应的特征值；

根据所述运算规则对所述特征值进行运算，根据运算结果确定第一分类结果；其中，所述运算结果包括第一结果数值以及第二结果数值，所述第一结果数值表示所述分类结果为正常，所述第二结果数值表示所述分类结果为异常。

10.根据权利要求9所述的物联网卡异常检测装置，其特征在于，所述确定模块具体用于：根据所述第一分类结果确定所述待检测物联网卡是否异常。

11.根据权利要求8所述的物联网卡异常检测装置，其特征在于，所述处理模块具体用于：

获取所述业务场景信息对应的实时行为数据；

从预设检测模型中获取所述业务场景信息对应的目标检测模型作为用于处理所述实时行为数据的目标规则算法；其中，所述预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；所述预设检测模型的输出结果包括第三结果数值以及第四结果数值；所述第三结果数值表示所述分类结果为正常，所述第四结果数值表示所述分类结果为异常；将所述实时行为数据输入所述目标检测模型，获取所述目标检测模型的输出结果作为第二分类结果；

所述确定模块具体用于：根据所述第二分类结果确定所述待检测物联网卡是否异常。

12.根据权利要求9所述的物联网卡异常检测装置，其特征在于，所述处理模块进一步用于：

获取所述业务场景信息对应的实时行为数据；

从预设检测模型中获取所述业务场景信息对应的目标检测模型作为用于处理所述实时行为数据的目标规则算法；其中，所述预设检测模型为以预设业务场景信息的历史行为数据为样本根据预设机器学习算法获取；所述预设检测模型的输出结果包括第五结果数值以及第六结果数值，所述第五结果数值表示所述分类结果为正常，所述第六结果数值表示所述分类结果为异常；将所述实时行为数据输入所述目标检测模型，获取所述目标检测模型的输出结果作为第三分类结果；

所述确定模块具体用于：根据预设分类结果运算值获取第一分类结果对应的第一分类结果运算值以及第三分类结果对应的第三分类结果运算值；对所述第一分类结果运算值以及所述第三分类结果运算值进行加权处理，获取第一分类结果运算值对应的第一加权结果以及获取第三分类结果运算值对应的第二加权结果；对所述第一加权结果以及所述第二加权结果求和，获取求和结果；根据所述求和结果确定所述待检测物联网卡是否异常。

13.根据权利要求12所述的物联网卡异常检测装置，其特征在于，其特征在于，所述装置还包括：修正模块，用于：

获取所述确定模块获取的待检测物联网卡的确定结果，根据所述确定结果对所述目标规则算法进行修正。

14.一种物联网卡异常检测装置，其特征在于，包括：一个或多个处理器；所述处理器用于执行存储器中的计算机程序代码，计算机程序代码包括指令、使得终端设备执行如权利要求1-7任一项所述的物联网卡异常检测方法。

15.一种存储介质，其特征在于，所述存储介质存储有指令代码，所述指令代码用于执行如权利要求1-7任一项所述的物联网卡异常检测方法。

16.一种计算机程序产品，其特征在于，所述计算机程序产品包括指令代码，所述指令代码用于执行如权利要求1-7任一项所述的物联网卡异常检测方法。