一种基于多源数据融合的智能安防风险评估方法及系统与流程

摘要: 本发明涉及物联网安全,尤其涉及一种基于多源数据融合的智能安防风险评估方法及系统。背景技术:1、随着智慧楼宇、园区安防和城市综合治理系统的发展,视频监控、门禁通行...
一种基于多源数据融合的智能安防风险评估方法及系统与流程

本发明涉及物联网安全,尤其涉及一种基于多源数据融合的智能安防风险评估方法及系统。

背景技术:

1、随着智慧楼宇、园区安防和城市综合治理系统的发展,视频监控、门禁通行、周界报警、消防感知、环境传感和安防设备状态监测等多类安防数据被广泛接入统一平台,用于对人员、车辆、区域和事件风险进行综合判断。现有技术通常通过采集多源安防数据并进行格式统一、时间对齐和告警汇总,实现异常事件识别和风险等级判定;部分方法进一步引入机器学习模型或图结构分析方法,对目标记录、区域状态和告警信息进行融合处理,以提高安防风险评估的自动化程度。

2、在现有技术中,多源安防数据通常来源于不同设备、不同系统和不同采样周期,数据之间存在字段标准不一致、时间戳偏差、重复记录、漏采记录和误报记录等问题。现有风险评估方法多将各类告警结果直接汇总或按固定权重进行融合,难以结合历史误报数据对不同数据源进行可信度校准,也难以利用同一对象、同一区域和同时段内不同来源记录之间的一致性对异常告警进行修正,导致误报、漏报和告警冲突对最终评估结果影响较大。

3、同时,现有技术在构建安防风险关联关系时,多侧重于单一设备告警或单一区域事件统计,缺少对对象节点、区域节点和事件节点之间异构关系的统一表达,可信关系边和区域约束边利用不足,难以反映对象移动、区域敏感等级、通行权限、布防时段和设备覆盖范围之间的联动影响。即使采用图神经网络或嵌入模型进行风险表征,也往往将模型输出直接用于分类或评分,缺少将风险表征回写至节点并沿关系边形成含事件时段的风险传导关系的过程,导致风险传播路径、首发事件节点和关联区域节点难以准确追溯。

4、因此,如何提供一种基于多源数据融合的智能安防风险评估方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于多源数据融合的智能安防风险评估方法及系统,本发明充分利用了多源安防数据融合、数据源可信度校准和改进gatne模型,详细描述了智能化实现安防数据标准化处理、可信安防事件融合、多源安防关系图构建、风险表征提取、风险传导定位和风险等级评估的过程,具备误报干扰低、风险定位准确、事件追溯能力强和处置优先级判断可靠的优点。

2、根据本发明实施例的一种基于多源数据融合的智能安防风险评估方法,包括:

3、采集多源安防数据、历史误报数据和安防约束数据,预处理生成标准安防数据;

4、依据历史误报数据和跨源一致性校准标准安防数据,生成可信安防数据和数据源可信度;

5、合并可信安防数据中的目标记录、区域记录和告警记录,生成可信安防事件数据;

6、依据可信安防事件数据、数据源可信度和安防约束数据构建多源安防关系图,所述多源安防关系图包括对象节点、区域节点、事件节点、可信关系边和区域约束边;

7、将多源安防关系图输入改进gatne模型,生成风险表征向量,所述改进gatne模型包括安防对象属性嵌入层、可信关系边嵌入校准层、关系类型注意力融合层、多粒度安防风险投影层和异构skip-gram输出层;

8、将风险表征向量回写至对象节点、事件节点和区域节点,沿可信关系边和区域约束边生成含事件时段的风险传导关系表;

9、依据风险传导关系表和数据源可信度校正同对象、同区域、同时段的多源告警冲突,追溯首发事件节点和关联区域节点,生成风险定位结果;

10、依据风险定位结果和安防约束数据生成包含风险对象、风险区域、风险类型、风险等级和处置优先级的安防风险评估结果。

11、可选的,所述预处理生成标准安防数据包括:

12、确定多源安防数据、历史误报数据和安防约束数据的数据项,并执行来源标识补全、字段名称统一、数据格式转换和异常采样剔除,所述多源安防数据包括视频识别数据、门禁通行数据、周界告警数据、消防感知数据、环境传感数据和安防设备状态数据,历史误报数据包括误报事件标识、误报来源设备、误报发生区域、误报发生时间、误报触发类型和误报处置结果,安防约束数据包括区域敏感等级、通行权限约束、布防时段约束、设备覆盖范围约束和风险处置等级约束;

13、依据采集时间、设备时间戳、告警触发时间和处置时间执行时间基准统一和事件时段切分,生成时序安防数据;

14、依据对象标识、区域编号、设备编号、事件类型和约束类型关联时序安防数据、历史误报数据和安防约束数据,执行缺失字段填补、重复记录合并和敏感字段脱敏,生成标准安防数据。

15、可选的,所述生成可信安防数据和数据源可信度包括:

16、依据历史误报数据按来源设备、事件类型、发生区域和发生时段统计误报次数、有效告警次数和处置结果一致次数,生成历史误报特征表;

17、对标准安防数据中同一目标、同一区域和同一时段内的视频识别记录、门禁通行记录、周界告警记录和环境感知记录执行事件匹配,生成跨源一致记录;

18、由历史误报抑制评分、跨源一致评分、采集完整评分和时间同步评分加权求和得到数据源可信度,并按数据源可信度对标准安防数据执行可信标记、冲突记录降权和低可信记录剔除,生成可信安防数据。

19、可选的,所述生成可信安防事件数据包括:

20、按目标标识、区域编号、设备编号、告警类型和事件时段组合目标记录、区域记录和告警记录,生成候选安防事件记录;

21、由目标相似度、区域重合度、告警类型一致度和数据源可信度的加权结果减去时间间隔惩罚值得到事件合并评分;

22、将事件合并评分满足合并阈值的候选安防事件记录归并为同一可信安防事件,合并目标记录、区域记录、告警记录、来源设备和事件时段,生成可信安防事件数据。

23、可选的,所述依据可信安防事件数据、数据源可信度和安防约束数据构建多源安防关系图包括:

24、将目标记录、区域记录和告警记录映射为对象节点、区域节点和事件节点,配置节点类型、节点来源和事件时段,生成安防节点表;

25、匹配对象节点、区域节点和事件节点之间的关联关系,生成可信关系边;

26、按区域敏感等级、通行权限约束、布防时段约束和设备覆盖范围约束生成区域约束边;

27、封装对象节点、区域节点、事件节点、可信关系边和区域约束边,生成多源安防关系图。

28、可选的,所述生成风险表征向量包括:

29、以gatne模型的基础嵌入、边嵌入、整体节点嵌入生成和异构skip-gram输出为主干,在基础嵌入输入端增设安防对象属性嵌入层,在边嵌入分支增设可信关系边嵌入校准层,在边类型自注意力组合位置增设关系类型注意力融合层,在整体节点嵌入生成输出端增设多粒度安防风险投影层,并将异构skip-gram输出层的训练对象设为对象节点、区域节点和事件节点,形成改进gatne模型;

30、将多源安防关系图输入安防对象属性嵌入层,按节点类型、节点来源、事件时段和节点属性生成安防节点嵌入矩阵;

31、将安防节点嵌入矩阵、可信关系边、区域约束边和边可信度输入可信关系边嵌入校准层,按边类型、边连接节点、边可信度和约束标签生成可信边嵌入矩阵;

32、将安防节点嵌入矩阵和可信边嵌入矩阵输入关系类型注意力融合层,按可信关系边和区域约束边的关系类型生成关系融合节点嵌入矩阵;

33、将关系融合节点嵌入矩阵输入多粒度安防风险投影层,按对象粒度、区域粒度和事件粒度生成多粒度风险嵌入矩阵;

34、将多粒度风险嵌入矩阵输入异构skip-gram输出层,依据节点游走序列生成上下文节点预测结果,并聚合多粒度风险嵌入矩阵生成风险表征向量;

35、采用上下文节点预测误差、可信关系边重构误差和多粒度风险嵌入一致性误差的加权和训练改进gatne模型,使训练完成的改进gatne模型用于生成风险表征向量。

36、可选的,所述沿可信关系边和区域约束边生成含事件时段的风险传导关系表包括:

37、按照节点标识将风险表征向量回写至对象节点、事件节点和区域节点,生成节点风险回写表;

38、遍历可信关系边和区域约束边,组合边连接方向、边类型、边可信度和约束标签,生成候选风险传导记录;

39、计算候选风险传导记录的风险传导评分,所述风险传导评分由起始节点与终止节点的风险表征相似度、边可信度和约束匹配值加权后减去事件时段间隔惩罚值得到;

40、筛选风险传导评分满足传导阈值的候选风险传导记录,按事件时段整理生成含事件时段的风险传导关系表。

41、可选的,所述生成风险定位结果包括:

42、按对象节点、区域节点和事件时段归集风险传导关系表中的多源告警记录,标记同一对象节点、同一区域节点和同一事件时段内的告警冲突记录;

43、结合数据源可信度和风险传导关系表对告警冲突记录执行可信校正,生成校正告警记录;

44、沿可信关系边和区域约束边回溯校正告警记录对应的事件节点,确定首发事件节点;

45、关联首发事件节点、对象节点和区域节点,生成包含风险对象、首发事件节点、关联区域节点和定位时段的风险定位结果。

46、可选的,所述生成包含风险对象、风险区域、风险类型、风险等级和处置优先级的安防风险评估结果包括:

47、将风险对象、首发事件节点、关联区域节点和定位时段,与区域敏感等级、通行权限约束、布防时段约束和风险处置等级约束匹配,生成风险评估基础记录;

48、将首发事件节点对应的事件类型确定为风险类型,将关联区域节点对应的区域位置确定为风险区域,生成风险评估关联记录;

49、按风险类型、区域敏感等级、通行权限约束和布防时段约束确定风险等级,按风险等级和风险处置等级约束确定处置优先级;

50、组合风险对象、风险区域、风险类型、风险等级、处置优先级和定位时段,生成安防风险评估结果。

51、根据本发明实施例的一种基于多源数据融合的智能安防风险评估系统,包括如下模块:

52、数据标准化模块,用于处理多源安防数据、历史误报数据和安防约束数据,生成标准安防数据;

53、可信校准模块,用于对标准安防数据进行误报校准和跨源一致性校准,生成可信安防数据和数据源可信度;

54、事件融合模块,用于融合可信安防数据中的目标记录、区域记录和告警记录,生成可信安防事件数据;

55、关系图构建模块,用于依据可信安防事件数据、数据源可信度和安防约束数据构建多源安防关系图;

56、风险表征模块,用于将多源安防关系图输入改进gatne模型,生成风险表征向量;

57、风险传导模块,用于将风险表征向量回写至对象节点、事件节点和区域节点,生成含事件时段的风险传导关系表;

58、风险定位模块,用于依据风险传导关系表和数据源可信度校正多源告警冲突,生成风险定位结果;

59、评估输出模块,用于依据风险定位结果和安防约束数据生成安防风险评估结果。

60、本发明的有益效果是:

61、本发明通过采集多源安防数据、历史误报数据和安防约束数据,并对不同来源、不同格式和不同时间基准的数据进行标准化处理,生成标准安防数据,使视频识别、门禁通行、周界告警、消防感知、环境传感和安防设备状态等数据能够在统一数据基础上参与风险评估。通过结合历史误报数据和跨源一致性生成可信安防数据和数据源可信度,本发明能够降低单一设备误报、时间偏差和来源冲突对风险判断的影响,提高多源安防数据融合的可信性和稳定性。

62、本发明进一步将可信安防数据中的目标记录、区域记录和告警记录合并生成可信安防事件数据,并结合数据源可信度和安防约束数据构建包含对象节点、区域节点、事件节点、可信关系边和区域约束边的多源安防关系图,使安防系统中的对象、区域、事件和约束关系能够被统一表达。通过改进gatne模型对多源安防关系图进行安防对象属性嵌入、可信关系边嵌入校准、关系类型注意力融合和多粒度安防风险投影,本发明提高了复杂安防场景下异构关系建模能力,使风险表征向量能够同时反映对象风险、区域风险和事件风险之间的关联特征。

63、本发明通过将风险表征向量回写至对象节点、事件节点和区域节点,并沿可信关系边和区域约束边生成含事件时段的风险传导关系表,使风险评估过程不仅能够识别风险存在,还能够描述风险在对象、事件和区域之间的传导关系。通过结合风险传导关系表和数据源可信度校正同对象、同区域、同时段的多源告警冲突,并追溯首发事件节点和关联区域节点,本发明提高了风险定位结果的准确性和可追溯性,能够为风险对象确认、风险区域识别、风险等级划分和处置优先级确定提供更可靠的数据支撑,从而提升智能安防风险评估的准确性、可解释性和处置效率。