技術(shù)特征：

1.一種基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述數(shù)據(jù)協(xié)議的類型包括但不限于工業(yè)協(xié)議、家庭自動(dòng)化協(xié)議和通用物聯(lián)網(wǎng)協(xié)議。

3.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述數(shù)據(jù)預(yù)處理，包括：

4.根據(jù)權(quán)利要求1或3所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，將預(yù)處理后的所述數(shù)據(jù)協(xié)議的數(shù)據(jù)封裝成適合特征提取模型輸入的格式，匯總封裝好的數(shù)據(jù)在一個(gè)集合中，得到所述樣本數(shù)據(jù)集；

5.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述學(xué)習(xí)訓(xùn)練，包括：

6.根據(jù)權(quán)利要求5所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述特征提取模型可通過(guò)下式進(jìn)行表示：

7.根據(jù)權(quán)利要求5所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述協(xié)議特征包括但不限于協(xié)議字段特征、通信行為特征和異常模式特征。

8.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述協(xié)同處理，通過(guò)消息協(xié)議在節(jié)點(diǎn)間建立穩(wěn)定的消息傳遞機(jī)制，支持異步通信和數(shù)據(jù)傳輸，并根據(jù)節(jié)點(diǎn)的網(wǎng)絡(luò)狀態(tài)動(dòng)態(tài)分配協(xié)議轉(zhuǎn)換任務(wù)，完成負(fù)載均衡。

9.根據(jù)權(quán)利要求1所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述方法通過(guò)應(yīng)用于協(xié)議轉(zhuǎn)換采集器實(shí)現(xiàn)，所述采集器包括多協(xié)議通信模塊、存儲(chǔ)單元和接口模塊、協(xié)議解析模塊、協(xié)議轉(zhuǎn)換模塊、數(shù)據(jù)處理模塊和系統(tǒng)管理模塊，其中：

10.根據(jù)權(quán)利要求9所述的基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，其特征在于，所述采集器接收來(lái)自不同設(shè)備的數(shù)據(jù)，通過(guò)所述協(xié)議解析模塊進(jìn)行解析，再由所述協(xié)議轉(zhuǎn)換模塊將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一格式，通過(guò)所述數(shù)據(jù)處理模塊進(jìn)行處理和傳輸；

技術(shù)總結(jié)
本發(fā)明屬于物聯(lián)網(wǎng)通信技術(shù)領(lǐng)域，涉及了一種基于物聯(lián)網(wǎng)數(shù)據(jù)萬(wàn)能協(xié)議轉(zhuǎn)換采集器的協(xié)議轉(zhuǎn)換方法，該方法通過(guò)采集物聯(lián)網(wǎng)中海量的數(shù)據(jù)協(xié)議進(jìn)行數(shù)據(jù)預(yù)處理，形成樣本數(shù)據(jù)集；將樣本數(shù)據(jù)集輸入基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建的特征提取模型中進(jìn)行學(xué)習(xí)訓(xùn)練，訓(xùn)練結(jié)束后，特征提取模型能夠自適應(yīng)提取協(xié)議特征；在物聯(lián)網(wǎng)邊緣節(jié)點(diǎn)上部署輕量級(jí)的協(xié)議轉(zhuǎn)換任務(wù)和提取的協(xié)議特征，通過(guò)邊緣節(jié)點(diǎn)之間的協(xié)同處理實(shí)現(xiàn)對(duì)數(shù)據(jù)協(xié)議的快速轉(zhuǎn)換。本發(fā)明解決了現(xiàn)有物聯(lián)網(wǎng)數(shù)據(jù)協(xié)議轉(zhuǎn)換技術(shù)存在標(biāo)注樣本獲取困難、計(jì)算資源消耗大以及忽視實(shí)時(shí)性和魯棒性的問(wèn)題，通過(guò)將協(xié)議轉(zhuǎn)換任務(wù)下沉到網(wǎng)絡(luò)邊緣，從而降低了數(shù)據(jù)傳輸延遲，提高了數(shù)據(jù)協(xié)議轉(zhuǎn)換的響應(yīng)速度和魯棒性。

技術(shù)研發(fā)人員：李輝,路曉陽(yáng)
受保護(hù)的技術(shù)使用者：南京深度智控科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/29