买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜深圳四海汇通科技有限公司申请的专利一种物联网卡检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119325102B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411521927.X，技术领域涉及：H04W24/04；该发明授权一种物联网卡检测方法及装置是由黄生文设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种物联网卡检测方法及装置在说明书摘要公布了：本发明属于物联网卡检测技术领域，具体涉及一种物联网卡检测方法，具体步骤如下：数据收集，特征提取，模型训练，实时监控，异常检测，响应处理，反馈优化；采用增量学习方法，用于使模型在新数据到来时逐步更新，具体步骤如下：初始化模型，数据监控，模型更新，评估性能，循环迭代；一种物联网卡检测装置，包括数据采集模块，预处理模块，特征提取模块，增量学习模块，数据重采样模块，加权模块，模型评估模块，决策支持模块。本发明能有效减少因异常行为带来的风险，还可通过逐步更新模型参数来适应新数据，并同时避免概念漂移的风险，另外，检测装置内的增量学习方法包含定期更新模型、数据重采样和加权方法，能够新的数据和环境变化。

本发明授权一种物联网卡检测方法及装置在权利要求书中公布了：1.一种物联网卡检测方法，所述物联网卡检测方法采用基于业务场景的异常检测方式，其特征在于，具体步骤如下：S1：数据收集：从物联网设备中实时收集关键数据，对收集到的原始数据进行清洗和格式化；S2：特征提取：通过分析物联网卡的使用行为，识别出正常与异常的行为模式，根据业务场景的需求，选择能够有效区分正常与异常行为的特征；S3：模型训练：选择合适的机器学习算法，用于建立异常检测模型，使用标记好的历史数据来训练模型，使其能够学习并识别异常行为的特征；S4：实时监控：将训练好的模型部署到实际的业务系统中，对物联网卡的实时数据流进行监控，随着新数据的不断到来，采用增量学习方法定期更新模型以适应可能的行为模式变化；S5：异常检测：当系统检测到与正常模式显著不同的行为时，将其标记为潜在的异常，根据异常的严重程度，向相关人员发出警告，以便及时采取应对措施；S6：响应处理：对于标记为异常的活动，进行进一步的调查以确认是否为真正的安全威胁，根据调查结果，采取相应的措施；S7：反馈优化：定期评估异常检测系统的性能，根据评估结果和新的业务需求，不断调整和优化检测模型和策略；在所述增量学习中，采用定期更新模型、数据重采样和加权的方式；所述定期更新模型用于应对数据分布的变化和概念漂移，具体过程如下：基本假设：假设原始数据集为，其中是特征向量，是对应的真实标签，N表示样本总数；假设模型参数为，损失函数为；初始训练：使用原始数据集训练模型，得到初始参数，即；新数据到来：假设每隔一段时间，会有新的数据集到来，表示新的样本总数；模型更新：使用新数据集对模型进行微调，得到新的参数，通过最小化新数据上的损失函数来实现：，其中，表示合并原始数据和新数据的数据集；周期性更新：假设每隔时间，都会有新的数据块到来，并进行上述的模型更新过程；经过次更新后，模型参数表示为序列，其中表示第次更新后的模型参数；数学表达：整个定期更新模型的过程用以下数学表达式来表示： 其中，表示第个时间间隔内到来的新数据块；所述重采样方法包括上采样、下采样；所述上采样通过增加少数类的样本数量，使其与多数类的数量相近；所述下采样通过减少多数类的样本数量，以匹配少数类的数量；重采样的数学表达为：假设原始数据集中有两个类别A和B，其中A为多数类，B为少数类，设A类的样本数量为，B类的样本数量为；上采样后的样本集表示为：其中和分别表示从A类和B类中随机抽取的样本子集；下采样后的样本集表示为：，其中S表示原始数据集，表示从B类中随机抽取的样本子集；所述加权方式用于根据样本的类别为其分配权重，权重的选择根据经验或交叉验证来确定；加权的数学表达为：假设原始数据集中有两个类别A和B，其中A为多数类，B为少数类，设A类的权重为，B类的权重为；在模型训练过程中，每个样本的损失函数乘以其对应的权重，即：，其中L表示原始损失函数，表示样本的权重；对于分类任务，使用加权的交叉熵损失函数来考虑样本权重，其表达式为：，其中N表示样本总数表示第i个样本的权重，表示真实标签，表示预测概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳四海汇通科技有限公司，其通讯地址为：518000 广东省深圳市宝安区西乡街道臣田社区宝田一路50号臣田研发大楼1406；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。