一种智能识别的远程开关控制器的制作方法

本发明属于智能控制系统领域，具体来说，涉及一种智能识别的远程开关控制器。

背景技术：

1、在物联网智能控制普及的当下，手机远程开关已成为多行业设备管控的核心硬件，依托移动通信技术实现对各类用电设备的远程启停、定时策略与状态监测，解决了传统人工管控效率低、响应慢的痛点。

2、对于用电设备远程开关机的功能，目前主要使用网络唤醒实现。但使用传统网络唤醒缺陷在于，一是唤醒网络与工作网络物理上是同一网络无法隔离；导致个人数据泄漏风险。二是网络唤醒功能开启前缺少唤醒用户权限识别，无法实现不同用户控制不同等级权限的用电设备。

技术实现思路

1、针对现有智能识别的远程开关控制器个人数据泄漏风险和缺少唤醒用户权限识别的问题，本发明提供了一种智能识别的远程开关控制器。

2、为实现上述技术目的，本发明采用的技术方案如下：

3、一种智能识别的远程开关控制器，包括上行接口端、数据分类识别单元、数据验证单元、控制单元、显示单元、通讯单元和存储单元；

4、上行接口端，用于将上行接口接收到的电源输入电压转换为供整个开关控制器的各路内部供电；

5、数据分类单元，用于对接收的外部网路传输数据进行分类；

6、数据验证单元，用于验证接收的外部网路传输数据权限等级；

7、控制单元与上行接口端和数据验证单元均通信连接，根据数据验证单元验证的权限等级控制上行接口端接通内部供电；

8、显示单元与数据分类单元和数据验证单元均通信连接，用于显示接收的外部网路传输数据权限等级，以及可控制的内部供电线路；

9、通讯单元与数据分类单元通信连接，用于接收外部网路传输数据，并限制内部个人隐私数据上传；

10、存储单元，用于存储接收的外部网路传输数据和用户权限等级数据。

11、进一步地，接收的外部网路传输数据的格式包括图片数据、文本数据和音频数据。

12、进一步地，对接收的外部网路传输数据进行分类前先将图片数据、文本数据和音频数据在外部网路处理系统中进行格式转换，统一将图片数据和音频数据转换为文本数据。便于后续智能识别的远程开关控制器内部数据分类识别和验证处理。

13、进一步地，接收的外部网路传输数据进行分类采用k近邻数据识别分类算法，其详细步骤包括：

14、收集包含外部网路传输数据相关特征和标签的训练数据集，对接收的外部网路传输数据进行‌标准化或‌归一化；

15、计算待分类外部网路传输数据样本与所有训练集样本的距离；

16、对距离按升序排序，选取距离最小的前k个外部网路传输数据样本作为最近邻；

17、统计k个最近邻样本的类别标签，出现次数最多的类别即为预测结果，将占比最高的类别判定为待测外部网路传输数据样本的分类结果。

18、进一步地，采用‌闵可夫斯基距离计算待分类外部网路传输数据样本与所有训练集样本的距离，‌闵可夫斯基距离计算公式为：

19、

20、其中，xi、xj为两个n维特征样本，p为可变的距离参数，取值≥1。

21、当p=1时，为曼哈顿距离，当p=2时，为欧氏距离，当p→∞时，为切比雪夫距离。

22、进一步地，验证接收的外部网路传输数据权限和等级时需对图片数据进行单独的识别处理，采用基于分块策略的多分支卷积神经网络人脸认证算法对图片数据中个人图片数据进行人脸识别和权限等级验证。

23、进一步地，采用基于分块策略的多分支卷积神经网络人脸认证算法对图片数据中个人图片数据进行人脸识别和权限等级验证的详细步骤包括：

24、以alexnet为基准模型构建 cnn-1、cnn-2和cnn-3网络结构，将分块策略嵌入到cnn 中搭建一种多分支的卷积神经网络模型；cnn-1和cnn-2用于人脸识别，cnn-1用于提取整幅图像的人脸特征即全局特征；cnn-2网络用于获取人脸不同区域的局部特征；cnn-3用于动作识别，用于提取整幅图像的肢体动作特征。

25、将整幅图片划分为人脸和动作区域，人脸区域划分若干个局部特征区域进行采样，分别提取和融合各区的局部特征，动作区域划分若干个局部特征区域筛选主要表示肢体动作局部特征；

26、采用余弦距离公式分别计算的局部特征和肢体动作局部特征相似度得分情况；

27、当局部特征和肢体动作局部特征相似度得分两均超出预设值，即判定为对应等级的权限用户。‌

28、进一步地，基于分块策略的多分支卷积神经网络（convolutional neuralnetwork,cnn）人脸认证算法，以 alexnet 为基准模型构建 cnn-1 和 cnn-2 网络结构，将分块策略嵌入到 cnn 中搭建一种多分支的卷积神经网络模型，用来提取高效、互补的特征。

29、将整幅图像划分为若干个局部特征区域进行采样，分别提取和融合各区的局部特征，包括人脸识别和动作识别；

30、基于分块的多分支 cnn 框架，ccn-1 所表示的是基准网络，用于提取整幅图像的人脸特征即全局特征，cnn-2 网络用于获取人脸不同区域的局部特征。

31、l2 正则化表达式：

32、

33、其中，λ为l2正则化的惩罚系数，为模型权重参数，b为偏置项，m代表训练样本总数量，l为损失函数，是量化预测偏差的数学映射规则，表示第 i个样本的损失函数，用于计算模型预测结果与真实标签y(i)之间的偏差；其中为模型针对第i个样本输出的预测相关结果，y为预测标签维度标识；当加入 l2 正则化时可以避免过拟合问题，l正则化应用在所有的 cnn 模型中。

34、

35、其中，表示向量ω中所有元素的平方和，也等价于向量自身的转置与自身做矩阵内积的结果。在卷积神经网络训练过程中，随机丢弃一些神经网络单元。

36、首先将对齐的人脸图像作为该图像的原始特征进行预测，随后使用余弦距离公式计算样本对的相似度得分情况；

37、当向量和向量是二维向量时，则其夹角的余弦计算公式如下：

38、

39、当向量和向量是n维向量时，则向量和向量的余弦计算公式如下：

40、

41、向量之间的夹角越接近0度，向量越相似，夹角为0时两个向量相等。

42、即可用余弦相似度计算向量的相似程度，用相似度得分也可衡量个体间差异的大小。

43、进一步地，通讯单元限制内部个人隐私数据上传采用差分隐私单向扰动算法对隐私数据进行等价类泛化；其详细步骤包括：

44、识别并移除直接标识符‌：先删除能直接通过字段匹配锁定的个人信息的字段；‌

45、‌确定准标识符‌：通过模糊查询规则查找组合字段的个人隐私数据；‌

46、‌设计泛化规则‌：为每个准标识符规划好模糊化层级；‌

47、‌分组并统计规模‌：按泛化后的准标识符组合对数据分组，每一组为一个等价类，然后统计每组数据记录条数；‌

48、‌检查等价类是否达标‌：计算每个等价类的记录数是否达到预设的 k 值；‌

49、‌对不达标组做泛化或抑制‌：对没有达到预设的 k 值的等价类，进一步加深准标识符的泛化程度，直到组合后达到 k 条记录；‌

50、‌发布匿名数据‌：所有等价类都满足 k-匿名约束后，输出的数据集为可输出外网或者删除的数据。

51、原始数据中的隐私分量进行识别分类，量化每条数据的敏感度等级；公式化定义隐私权重：

52、

53、其中，为第i类隐私属性的敏感得分，为对应属性的权重系数，最终输出数据的整体敏感度标签，作为流向控制的基础依据。

54、在数据跨节点流转过程中，迭代生成动态流向约束策略；确保每一次数据转发都严格遵循初始授权范围：

55、

56、其中 pt为当前时刻的流向控制策略，ccurrent为当前节点的防护能力，areceiver为接收方的授权等级，算法自动校验接收方权限，拒绝所有非授权的反向流动请求。

57、本发明相比现有技术，具有如下有益效果：

58、此远程开关控制器不依赖受控设备的工作网络，对于无法联网的受控设备，也可远程进行开关机；根据接收的外部网路传输数据验证权限等级授权其可操作和开关的用电设备。

59、受控设备可处于深度省电状态，无需开启网络唤醒功能。

60、远程开关控制器网络可与受控设备网络完全物理隔离，限制内部个人隐私数据上传；避免被外网入侵风险。