所属的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图14来描述根据本公开的这种实施方式的电子设备1400。图14显示的电子设备1400仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图14所示，电子设备1400以通用计算设备的形式表现。电子设备1400的组件可以包括但不限于：上述至少一个处理单元1410、上述至少一个存储单元1420、连接不同系统组件(包括存储单元1420和处理单元1410)的总线1430。其中，存储单元存储有程序代码，程序代码可以被处理单元1410执行，使得处理单元1410执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元1410可以执行上述方法实施例中的任一项的步骤。存储单元1420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)14201和/或高速缓存存储单元14202，还可以进一步包括只读存储单元(rom)14203。存储单元1420还可以包括具有一组(至少一个)程序模块14205的程序/实用工具14204，这样的程序模块14205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线1430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备1400也可以与一个或多个外部设备1440(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1400交互的设备通信，和/或与使得该电子设备1400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1450进行。并且，电子设备1400还可以通过网络适配器1460与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1460通过总线1430与电子设备1400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
背景技术：
1、物联网卡是由运营商推出，基于蜂窝移动通信网络，实现人、机、物之间通信连接的用户识别卡，主要应用于车联网、智能穿戴、智能安防、智能水电表等各个行业中。
2、相关技术中，对物联网卡的异常行为识别的方式是对流量进行检测，包括下述几种：基于使用设备，基于使用流量、基于访问站点。现在物联网设备的功能越来越强大，用户访问互联网的用途和目的也更加多样化，已有检测方法无法应对复杂情况下的违规使用行为。
3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开提供一种物联网卡的流量检测方法及相关设备，至少在一定程度上克服相关技术中对复杂情况下的违规使用行为无法应对的情况。
2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、第一方面，本公开中的实施例提供一种物联网卡的流量检测方法，方法包括：
4、获取物联网卡的待检测流量数据；待检测流量数据为具备时序性的多维流量数据；
5、将待检测流量数据输入卷积神经网络进行处理，得到空间联系特征；
6、将空间联系特征输入至门控循环单元中进行处理，得到时序特征；
7、将时序特征输入至注意力层中进行处理，得到注意力值向量；
8、将注意力值向量输入至全连接层中，得到待检测流量数据对应的预测概率值，预测概率值用于判断待检测流量数据的状态。
9、在一种可能的实施例中，获取物联网卡的待检测流量数据，包括：
10、通过对物联网卡的请求行为，获取物联网卡的原始服务日志；
11、将原始服务日志进行数据清洗，并将数据清洗后的数据按照元组的方式进行存储，得到行为数据；
12、按照预设时间窗口对行为数据进行聚合统计处理，得到业务特征数据；
13、对业务特征数据进行预处理，得到预处理流量；
14、对预处理流量按照时间序列进行排序，得到待检测流量数据。
15、在一种可能的实施例中，对业务特征数据进行预处理，得到预处理流量，包括：
16、对业务特征数据的字段值进行检查，将缺失值采用前向填充法进行处理，得到第一数据；
17、对第一数据中的异常值采用标准差法进行判断，通过中位数进行替换，得到第二数据；
18、根据最大最小法对第二数据进行归一化处理，得到预处理流量。
19、在一种可能的实施例中，待检测流量数据至少包括：时间序号、总流量、短信总字数、通话总时长、短信发送量、短信接收量、通话主叫数量和通话被叫数量。
20、在一种可能的实施例中，卷积神经网络包括卷积层和池化层；
21、将待检测流量数据输入卷积神经网络进行处理，得到空间联系特征，包括：
22、将待检测流量数据输入至卷积核数目为m的卷积层中进行一维卷积处理，得到m个第一特征图；
23、将m个特征图输入至池化层中进行平均池化操作，得到m个第二特征图；
24、将m个第二特征图展开降维，得到空间联系特征；空间联系特征为具备时序性，且保存待检测流量数据中多维流量数据的空间关系的特征。
25、在一种可能的实施例中，将时序特征输入至注意力层中进行处理，得到注意力值向量，包括：
26、根据时序特征、注意力层中的网络权重和注意力层中的偏置，确定注意力层中的输入特征与输出特征的相关性得分；
27、对相关性得分进行归一化处理，得到注意力分数量；
28、根据注意力分数量和时序特征，得到注意力值向量；注意力值向量用于表征不同时刻用户特征状态对当前流量使用的影响。
29、在一种可能的实施例中，方法还包括：
30、根据预测概率值，判断待检测流量数据的状态；
31、若确定待检测流量数据为第一状态，则将物联网卡进行封禁；
32、若确定待检测流量数据为第二状态，则对物联网卡进行人工审核。
33、在一种可能的实施例中，方法还包括：
34、判断预测概率值是否大于或者等于预先设置的第一阈值；
35、若是，则确定待检测流量数据为第一状态；
36、若否，则判断预测概率值是否大于或者等于预先设置的第二阈值；
37、若是，则确定待检测流量数据为第二状态。
38、在一种可能的实施例中，方法还包括：
39、获取处于第二状态，且人工审核后确认为第一状态的待检测流量数据；
40、对训练数据集进行更新，用于训练卷积神经网络、门控循环单元、注意力层和全连接层。
41、在一种可能的实施例中，流量检测模型包括：卷积神经网络、门控循环单元、注意力层和全连接层；
42、流量检测模型的训练过程包括：
43、获取训练数据集；训练数据集为物联网卡的流量数据集合；
44、对待训练的流量检测模型中的卷积神经网络、门控循环单元、注意力层和全连接层的网络参数进行初始化，得到初始化后的流量检测模型；
45、根据训练数据集，对初始化后的流量检测模型进行迭代训练，其中，一次迭代训练过程包括：
46、从训练数据集中抽取训练样本，输入至初始化后的流量检测模型中，确定物联网卡的流量异常概率值；
47、根据流量异常概率值和训练样本对应的流量异常概率的真实值，确定损失函数值；
48、根据损失函数值，调整流量检测模型的网络参数，直至损失函数值满足预设阈值，或者，迭代训练次数达到预设训练次数，得到已训练的流量检测模型；其中，将损失函数值满足预设阈值，或者，迭代训练次数达到预设训练次数时的网络参数，作为已训练的流量检测模型的网络参数。
49、第二方面，本公开中的实施例提供一种物联网卡的流量检测装置，包括：
50、获取单元，用于获取物联网卡的待检测流量数据；待检测流量数据为具备时序性的多维流量数据；
51、卷积单元，用于将待检测流量数据输入卷积神经网络进行处理，得到空间联系特征；
52、门控循环单元，用于将空间联系特征输入至门控循环单元中进行处理，得到时序特征；
53、注意力单元，用于将时序特征输入至注意力层中进行处理，得到注意力值向量；
54、预测单元，用于将注意力值向量输入至全连接层中，得到待检测流量数据对应的预测概率值，预测概率值用于判断待检测流量数据是否异常。
55、第三方面，本公开中的实施例提供一种物联网卡的流量检测系统，包括：
56、获取模块，用于获取物联网卡的待检测流量数据；待检测流量数据为具备时序性的多维流量数据；
57、流量识别预测模块，用于将待检测流量数据输入卷积神经网络进行处理，得到空间联系特征；将空间联系特征输入至门控循环单元中进行处理，得到时序特征；将时序特征输入至注意力层中进行处理，得到注意力值向量；将注意力值向量输入至全连接层中，得到待检测流量数据对应的预测概率值，预测概率值用于判断待检测流量数据是否异常。
58、第四方面，本公开实施例提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述的第一方面中的方法。
59、第五方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的第一方面中的方法。
60、第六方面，根据本公开的另一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任一项的方法。
61、本公开的实施例所提供的一种物联网卡的流量检测方法及相关设备，该方法包括：获取物联网卡的待检测流量数据；待检测流量数据为具备时序性的多维流量数据；将待检测流量数据输入卷积神经网络进行处理，得到空间联系特征；将空间联系特征输入至门控循环单元中进行处理，得到时序特征；将时序特征输入至注意力层中进行处理，得到注意力值向量；将注意力值向量输入至全连接层中，得到待检测流量数据对应的预测概率值，预测概率值用于判断待检测流量数据的状态。对复杂情况下多维流量数据附加时间序列进行收集，通过卷积神经网络、门控循环单元、注意力层和全连接层结合，通过卷积神经网络获取多维流量数据之间不同特征值间的空间联系，通过门控循环单元发现用户行为的时间特征，并通过注意力层捕捉不同时刻用户特征状态对当前流量使用的影响，最终得到预测概率值来分析流量的状态，可以扩大对物联网卡的流量数据的分析范围，以及提高对复杂情况下的违规使用行为判断的准确性。
62、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
1.一种物联网卡的流量检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取物联网卡的待检测流量数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述业务特征数据进行预处理，得到预处理流量，包括：
4.根据权利要求1所述的方法，其特征在于，所述待检测流量数据至少包括：时间序号、总流量、短信总字数、通话总时长、短信发送量、短信接收量、通话主叫数量和通话被叫数量。
5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络包括卷积层和池化层；
6.根据权利要求1所述的方法，其特征在于，所述将所述时序特征输入至注意力层中进行处理，得到注意力值向量，包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
9.根据权利要求7活8任一项所述的方法，其特征在于，所述方法还包括：
10.根据权利要求1所述的方法，其特征在于，流量检测模型包括：卷积神经网络、门控循环单元、注意力层和全连接层；
11.一种物联网卡的流量检测装置，其特征在于，包括：
12.一种物联网卡的流量检测系统，其特征在于，包括：
13.根据权利要求12所述的系统，其特征在于，所述获取模块包括：数据采集模块、业务特征提取模块和流量预处理模块；
14.根据权利要求12所述的系统，其特征在于，所述系统还包括：异常处置平台；
15.一种电子设备，其特征在于，包括：
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～10中任意一项所述的方法。
17.一种计算机程序产品，包括：计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现权利要求1～10中任意一项所述的方法。
