煤矿工业物联网设备识别模型 |
| |
引用本文: | 郝秦霞,李慧敏.煤矿工业物联网设备识别模型[J].工矿自动化,2024(3):99-107. |
| |
作者姓名: | 郝秦霞 李慧敏 |
| |
作者单位: | 西安科技大学通信与信息工程学院 |
| |
基金项目: | 教育部产学合作协同育人项目(202101374004);;国家重点研发计划项目(2018YFC0808301); |
| |
摘 要: | 煤矿工业物联网(IIoT)设备计算与存储资源受限,易遭受非法网络入侵,造成敏感数据泄露或恶意篡改,威胁煤矿生产安全。精准识别煤矿IIoT设备可实现有效管理并维护设备正常运转,提高设备安全防护能力,然而现有设备识别算法存在特征构造复杂、内存与计算需求较高导致难以部署在资源受限的煤矿IIoT设备中等问题。针对上述问题,提出了一种煤矿IIoT设备识别模型。首先,对支持TCP/IP协议传输的流量数据进行流量切分、无关字段去除、去重、定长字段截取操作后转换为IDX格式存储;其次,使用卷积块注意力模块(CBAM)优化深度可分离卷积(DSC),从而搭建轻量级DSC-CBAM模型来过滤Non-IIoT设备;然后,利用带有阶段惩罚的Wasserstein生成对抗网络(WGAN-GP)扩充流量较少的煤矿IIoT设备数据,达到平衡偏移流量数据的目的;最后,在DSC-CBAM基础上引入多尺度特征融合(MFF)技术捕获浅层全局特征信息,并增加Mish激活函数提高模型训练稳定性,建立优化混合模态识别(MDCM)模型,实现煤矿IIoT设备精准识别。实验结果表明,该模型收敛速度快,准确率、召回率、精确率与F1-sco...
|
关 键 词: | 煤矿工业物联网 设备识别 深度可分离卷积 注意力机制 生成对抗网络 |
|