煤矿工业物联网设备识别模型
郝秦霞
李慧敏
西安科技大学通信与信息工程学院,陕西西安 710054
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-score指标均高达99.98％,且参数量小,能精准、高效识别煤矿IIoT设备.
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
分类号：TD67(矿山电工)
资助基金：教育部卓越工程师教育培养计划项目产学合作协同育人项目(202101374004)国家重点研发计划(2018YFC0808301)
论文发表日期：2024-03-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 99-107 )
英文信息