光纤传感威胁事件的检测方法、装置、存储介质及处理器与流程

本申请涉及光纤传感入侵检测领域，具体涉及一种光纤传感威胁事件的检测方法、装置、存储介质及处理器。

背景技术：

1、随着社会的发展，科学技术的进步，入侵威胁手段越发智能化，单一入侵检测手段已无法满足入侵检测需求，比如在石化领域基于光纤传感的入侵检测，就是一种常用的检测手段。在入侵检测过程中，有些多源异构数据场景存在数据稀疏问题，同一条数据记录包含的n个源数据子记录，可能存在k个记录没有采集到的问题(k<n)，无法再使用全量数据融合方式对入侵事件进行分类。并且事件类型随着时间发展可能会不断增多，入侵识别模型输出类别会不断增多，而引入过多的无关分类会严重降低入侵模型的性能。

技术实现思路

1、本申请实施例的目的是提供一种光纤传感威胁事件的检测方法、装置、存储介质及处理器。

2、为了实现上述目的，本申请第一方面提供一种光纤传感威胁事件的方法，包括：

3、获取威胁事件对应的多个源数据，其中多个源数据包括声音数据、物理震动数据和图像数据中的至少一者；

4、确定每个源数据的特征向量；

5、对每个特征向量进行转换，以得到每个源数据对应的目标特征向量；

6、将全部的目标特征向量输入至分类模型，以通过分类模型输出威胁事件的事件类型；

7、其中，分类模型是根据多个历史目标特征向量和多个历史威胁事件对应的多个事件类型训练完成的模型。

8、在一个实施例中，确定每个源数据的特征向量包括：针对每种源数据，将每个源数据输入至与源数据对应的第一特征提取器，以通过第一特征提取器输出每个源数据的特征向量。

9、在一个实施例中，检测方法还包括对第一特征提取器的训练步骤，训练步骤包括：获取多个历史源数据和多个历史源数据对应的多个历史特征向量，其中，多个历史源数据是基于多个不同事件类型的多个历史威胁事件生成的；确定生成每个历史源数据对应的时间和地点；根据时间和地点通过领域分类器确定每个历史源数据的数据类型；将多个历史源数据和多个历史特征向量输入至第一特征提取器；基于域对抗训练算法根据数据类型对第一特征提取器进行训练。

10、在一个实施例中，根据时间和地点通过领域分类器确定每个历史源数据的数据类型包括：将时间、地点及历史威胁事件的事件类型均相同的历史源数据的数据类型确定为第一类数据，将时间和/或地点不相同，且历史威胁事件的事件类型相同的历史源数据的数据类型确定为第二类数据。

11、在一个实施例中，在源数据为图像数据的情况下，第一特征提取器采用多层卷积模型确定特征向量，在源数据为声音数据或物理震动数据的情况下，第一特征提取器采用多层全连接神经网络模型确定特征向量。

12、在一个实施例中，对每个特征向量进行转换，以得到多个源数据分别对应的多个目标特征向量包括：将每个特征向量输入至第二特征提取器，以通过第二特征提取器转换成与每个特征向量对应的目标特征向量，其中，任意两个目标特征向量的向量维度相同。

13、在一个实施例中，将多个源数据对应的多个目标特征向量输入至分类模型，以通过分类模型输出威胁事件的事件类型包括：将多个源数据对应的多个目标特征向量输入至分类模型，以通过分类模型输出每个目标特征向量对应的预测值；根据最大预测值对应的目标特征向量对应的数据源确定为威胁事件的事件类型。

14、本申请第二方面提供一种处理器，被配置成执行上述的光纤传感威胁事件的检测方法。

15、本申请第三方面提供一种光纤传感威胁事件的检测装置，包括上述被配置成执行上述的光纤传感威胁事件的检测方法的处理器。

16、本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的光纤传感威胁事件的检测方法。

17、通过上述光纤传感威胁事件的检测方法、装置、存储介质及处理器，通过获取威胁事件对应的多个源数据，其中多个源数据包括声音数据、物理震动数据和图像数据中的至少一者；确定每个源数据的特征向量；对每个特征向量进行转换，以得到每个源数据对应的目标特征向量；将全部的目标特征向量输入至分类模型，以通过分类模型输出威胁事件的事件类型；其中，分类模型是根据多个历史目标特征向量和多个历史威胁事件对应的多个事件类型训练完成的模型。通过对各个源数据进行特征提取，对威胁事件进行分类，可以对多参数的样本数据进行精准识别，提高威胁事件预测的准确性。

18、本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

技术特征：

1.一种光纤传感威胁事件的检测方法，其特征在于，所述检测方法包括：

2.根据权利要求1所述的光纤传感威胁事件的检测方法，其特征在于，所述确定每个源数据的特征向量包括：

3.根据权利要求2所述的光纤传感威胁事件的检测方法，其特征在于，所述检测方法还包括对所述第一特征提取器的训练步骤，所述训练步骤包括：

4.根据权利要求3所述的光纤传感威胁事件的检测方法，其特征在于，所述根据所述时间和所述地点通过领域分类器确定每个历史源数据的数据类型包括：

5.根据权利要求2所述的光纤传感威胁事件的检测方法，其特征在于，在所述源数据为图像数据的情况下，所述第一特征提取器采用多层卷积模型确定所述特征向量，在所述源数据为声音数据或物理震动数据的情况下，所述第一特征提取器采用多层全连接神经网络模型确定所述特征向量。

6.根据权利要求1所述的光纤传感威胁事件的检测方法，其特征在于，所述对每个特征向量进行转换，以得到多个源数据分别对应的多个目标特征向量包括：

7.根据权利要求1所述的光纤传感威胁事件的检测方法，其特征在于，所述将多个源数据对应的多个目标特征向量输入至分类模型，以通过所述分类模型输出所述威胁事件的事件类型包括：

8.一种处理器，其特征在于，被配置成执行根据权利要求1至7中任意一项所述的光纤传感威胁事件的检测方法。

9.一种光纤传感威胁事件的检测装置，包括如权利要求8所述的处理器。

10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的光纤传感威胁事件的检测方法。

技术总结
本申请实施例提供一种光纤传感威胁事件的检测方法、装置、存储介质及处理器。方法包括：获取威胁事件对应的多个源数据，其中多个源数据包括声音数据、物理震动数据和图像数据中的至少一者；确定每个源数据的特征向量；对每个特征向量进行转换，以得到每个源数据对应的目标特征向量；将全部的目标特征向量输入至分类模型，以通过分类模型输出威胁事件的事件类型；其中，分类模型是根据多个历史目标特征向量和多个历史威胁事件对应的多个事件类型训练完成的模型。通过对各个源数据进行特征提取，对威胁事件进行分类，可以对多参数的样本数据进行精准识别，提高威胁事件预测的准确性。

技术研发人员：冯庆善,万恒
受保护的技术使用者：国家石油天然气管网集团有限公司
技术研发日：
技术公布日：2024/6/18