本技術(shù)涉及通信協(xié)議識別，尤其涉及一種樓宇通信協(xié)議識別方法、裝置、設(shè)備及計算機可讀介質(zhì)。

背景技術(shù)：

1、隨著信息技術(shù)的發(fā)展以及數(shù)字化時代的來臨，通信協(xié)議在諸多領(lǐng)域(如網(wǎng)絡(luò)通信、數(shù)據(jù)交換、物聯(lián)網(wǎng)、智能制造等)的設(shè)備間通信和數(shù)據(jù)交換過程中扮演著極為重要的角色。通信協(xié)議全面規(guī)范了數(shù)據(jù)格式、傳輸方式以及錯誤檢測和糾正機制，以此保障設(shè)備之間能夠正常進行通信與數(shù)據(jù)交換，是實現(xiàn)各領(lǐng)域高效運作的關(guān)鍵要素。傳統(tǒng)的樓宇系統(tǒng)的通信協(xié)議的識別和定義主要依賴人工方式，即依靠專業(yè)人員對協(xié)議進行分析和定義操作。在面對復(fù)雜的樓宇控制通信協(xié)議時，專業(yè)人員需要深入研究協(xié)議文本、觀察實際通信數(shù)據(jù)等，憑借自身的專業(yè)知識和經(jīng)驗來確定協(xié)議的各項標(biāo)準(zhǔn)。對于復(fù)雜的協(xié)議標(biāo)準(zhǔn)，人工分析和定義協(xié)議需要投入大量的時間和人力成本。

2、現(xiàn)有技術(shù)的通信協(xié)議識別主要通過深度學(xué)習(xí)的方式進行識別，雖然能夠?qū)崿F(xiàn)通信協(xié)議的自動識別，但是難以適應(yīng)設(shè)備繁多，通信協(xié)議復(fù)雜的樓宇系統(tǒng)，無法滿足樓宇系統(tǒng)全面且精準(zhǔn)的協(xié)議識別需求，因此，沒有能夠適用于樓宇系統(tǒng)的通信協(xié)議自動識別方法，難以實現(xiàn)樓宇網(wǎng)絡(luò)的設(shè)備之間的通信協(xié)議自識別。

3、針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供了一種樓宇通信協(xié)議識別方法、裝置、設(shè)備及計算機可讀介質(zhì)，以解決上述“現(xiàn)有技術(shù)中的樓宇網(wǎng)絡(luò)難以實現(xiàn)設(shè)備之間的通信協(xié)議自識別”的技術(shù)問題。

2、根據(jù)本技術(shù)實施例的一個方面，本技術(shù)提供了一種方法樓宇通信協(xié)議識別方法，包括：采集樓宇網(wǎng)絡(luò)的通信信號并對所述通信信號進行預(yù)處理及通信協(xié)議類型標(biāo)記得到第一通信數(shù)據(jù)；識別所述第一通信數(shù)據(jù)的字節(jié)含義以確定對應(yīng)的第一標(biāo)準(zhǔn)協(xié)議幀，通過所述第一標(biāo)準(zhǔn)協(xié)議幀構(gòu)建用于識別通信協(xié)議類型的卷積神經(jīng)網(wǎng)絡(luò)模型；通過歷史通信協(xié)議幀對所述卷積神經(jīng)網(wǎng)絡(luò)模型的識別度進行優(yōu)化得到最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型；通過所述最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型對所述樓宇網(wǎng)絡(luò)對應(yīng)的數(shù)字底座接入的第二通信數(shù)據(jù)進行識別，得到所述第二通信數(shù)據(jù)對應(yīng)的第二標(biāo)準(zhǔn)協(xié)議幀。

3、可選地，所述采集樓宇網(wǎng)絡(luò)的通信信號并對所述通信信號進行預(yù)處理及通信協(xié)議類型標(biāo)記得到第一通信數(shù)據(jù)，包括：通過樓宇網(wǎng)絡(luò)的通信協(xié)議解析器抓取不同設(shè)備之間的通信信號；對所述通信信號進行預(yù)處理得到合格通信信號，所述預(yù)處理至少包括數(shù)據(jù)清洗和格式轉(zhuǎn)換；對所述合格通信信號進行解碼，以將所述通信信號從字節(jié)格式轉(zhuǎn)換為物理格式；基于通信協(xié)議類型對所述通信信號進行標(biāo)注，得到第一通信數(shù)據(jù)。

4、可選地，所述識別所述第一通信數(shù)據(jù)的字節(jié)含義以確定對應(yīng)的第一標(biāo)準(zhǔn)協(xié)議幀，通過所述第一標(biāo)準(zhǔn)協(xié)議幀構(gòu)建用于識別通信協(xié)議類型的卷積神經(jīng)網(wǎng)絡(luò)模型，包括：以字節(jié)為單位對所述第一通信數(shù)據(jù)的通信協(xié)議類型進行切割，得到所述第一通信數(shù)據(jù)中的所有字節(jié)對應(yīng)的字節(jié)含義；根據(jù)所述字節(jié)含義定義所述第一通信數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)協(xié)議，根據(jù)所述標(biāo)準(zhǔn)協(xié)議生成第一標(biāo)準(zhǔn)協(xié)議幀；提取所述第一標(biāo)準(zhǔn)協(xié)議幀對應(yīng)的關(guān)鍵特征，根據(jù)所述關(guān)鍵特征生成第一特征向量；對所述第一特征向量進行模型訓(xùn)練得到用于識別通信協(xié)議的卷積神經(jīng)網(wǎng)絡(luò)模型。

5、可選地，所述對所述第一特征向量進行模型訓(xùn)練得到用于識別通信協(xié)議的卷積神經(jīng)網(wǎng)絡(luò)模型，包括：將所述第一特征向量基于預(yù)設(shè)規(guī)則劃分為訓(xùn)練集和驗證集；將所述訓(xùn)練集中的第一特征向量輸入至卷積神經(jīng)網(wǎng)絡(luò)的輸入層進行前向傳播，在輸出層得到每個協(xié)議類別的預(yù)測概率分布；通過反向傳播算法從輸出層開始，根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)計算卷積層、池化層和全連接層的梯度；根據(jù)所述梯度和預(yù)先設(shè)定的學(xué)習(xí)率，通過優(yōu)化算法對所述卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重參數(shù)和偏置參數(shù)進行更新得到卷積神經(jīng)網(wǎng)絡(luò)模型；迭代執(zhí)行前向傳播、反向傳播和參數(shù)更新的步驟直至達到最大迭代次數(shù)，基于所述驗證集評估所述卷積神經(jīng)網(wǎng)絡(luò)模型的性能指標(biāo)，根據(jù)所述性能指標(biāo)調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)得到最終的卷積神經(jīng)網(wǎng)絡(luò)模型。

6、可選地，所述通過歷史通信協(xié)議幀對所述卷積神經(jīng)網(wǎng)絡(luò)模型的識別度進行優(yōu)化得到最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型之前，還包括：構(gòu)建所述第一標(biāo)準(zhǔn)協(xié)議對應(yīng)的生成對抗網(wǎng)絡(luò)；將所述第一標(biāo)準(zhǔn)協(xié)議幀輸入至所述生成對抗網(wǎng)絡(luò)得到對應(yīng)的協(xié)議類型幀；通過預(yù)設(shè)區(qū)分模型將所述協(xié)議類型幀添加至對應(yīng)的協(xié)議類型庫；基于所述協(xié)議類型庫作為所述卷積神經(jīng)網(wǎng)絡(luò)模型的輸出更新所述卷積神經(jīng)網(wǎng)絡(luò)模型。

7、可選地，所述通過歷史通信協(xié)議幀對所述卷積神經(jīng)網(wǎng)絡(luò)模型的識別度進行優(yōu)化得到最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型，包括：獲取所述樓宇網(wǎng)絡(luò)的歷史通信協(xié)議幀并提取對應(yīng)的歷史關(guān)鍵特征；基于所述歷史關(guān)鍵特征對所述歷史通信協(xié)議幀進行標(biāo)注；基于標(biāo)注后的所述歷史通信協(xié)議幀對所述卷積神經(jīng)網(wǎng)絡(luò)模型的識別度進行校驗，并根據(jù)校驗結(jié)果調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，得到最優(yōu)通信協(xié)議幀。

8、可選地，所述通過所述最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型對所述樓宇網(wǎng)絡(luò)對應(yīng)的數(shù)字底座接入的第二通信數(shù)據(jù)進行識別，得到所述目標(biāo)通信數(shù)據(jù)對應(yīng)的第二標(biāo)準(zhǔn)協(xié)議幀，包括：獲取接入所述樓宇網(wǎng)絡(luò)的數(shù)字底座的第二通信數(shù)據(jù)并對所述第二通信數(shù)據(jù)進行預(yù)處理；將預(yù)處理后的所述第二通信數(shù)據(jù)以字節(jié)為單位進行切割，基于切割后的所述第二通信數(shù)據(jù)生成第二特征向量；將所述第二特征向量輸入至所述最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型中通過前向傳播計算得到對應(yīng)的協(xié)議特征模式；根據(jù)所述協(xié)議特征模式確定所述第二通信數(shù)據(jù)對應(yīng)的通信協(xié)議類型，數(shù)據(jù)格式及通信規(guī)則；基于所述通信協(xié)議類型、所述數(shù)據(jù)格式及所述通信規(guī)則生成第二標(biāo)準(zhǔn)協(xié)議幀。

9、根據(jù)本技術(shù)實施例的另一方面，本技術(shù)提供了一種樓宇通信協(xié)議識別裝置，包括：信號處理模塊，用于采集樓宇網(wǎng)絡(luò)的通信信號并對所述通信信號進行預(yù)處理及通信協(xié)議類型標(biāo)記得到第一通信數(shù)據(jù)；模型構(gòu)建模塊，用于識別所述第一通信數(shù)據(jù)的字節(jié)含義以確定對應(yīng)的第一標(biāo)準(zhǔn)協(xié)議幀，通過所述第一標(biāo)準(zhǔn)協(xié)議幀構(gòu)建用于識別通信協(xié)議類型的卷積神經(jīng)網(wǎng)絡(luò)模型；模型優(yōu)化模塊，用于通過歷史通信協(xié)議幀對所述卷積神經(jīng)網(wǎng)絡(luò)模型的識別度進行優(yōu)化得到最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型；協(xié)議識別模塊，用于通過所述最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型對所述樓宇網(wǎng)絡(luò)對應(yīng)的數(shù)字底座接入的第二通信數(shù)據(jù)進行識別，得到所述目標(biāo)通信數(shù)據(jù)對應(yīng)的第二標(biāo)準(zhǔn)協(xié)議幀。

10、根據(jù)本技術(shù)實施例的另一方面，本技術(shù)提供了一種電子設(shè)備，包括存儲器、處理器、通信接口及通信總線，存儲器中存儲有可在處理器上運行的計算機程序，存儲器、處理器通過通信總線和通信接口進行通信，處理器執(zhí)行計算機程序時實現(xiàn)上述的樓宇通信協(xié)議識別方法的步驟。

11、根據(jù)本技術(shù)實施例的另一方面，本技術(shù)還提供了一種具有處理器可執(zhí)行的非易失的程序代碼的計算機可讀介質(zhì)，程序代碼使處理器執(zhí)行上述的樓宇通信協(xié)議識別方法。

12、本技術(shù)實施例提供的上述技術(shù)方案與相關(guān)技術(shù)相比具有如下優(yōu)點：

13、本技術(shù)通過深度學(xué)習(xí)技術(shù)實現(xiàn)了通信協(xié)議的自動識別與標(biāo)準(zhǔn)定義，改變了傳統(tǒng)人工方式耗時費力且易受主觀因素干擾的局面。利用大量協(xié)議數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，使其自動提取不同協(xié)議特征，極大提高了工作效率，確保了協(xié)議標(biāo)準(zhǔn)定義的準(zhǔn)確性與一致性，有效避免了因人工理解差異導(dǎo)致的標(biāo)準(zhǔn)不一致問題。本技術(shù)具備良好的通用性和適應(yīng)性，能夠廣泛應(yīng)用于各種類型的通信協(xié)議，無論是常見協(xié)議還是新出現(xiàn)的協(xié)議，都能被有效識別和定義，有力應(yīng)對了協(xié)議的不斷更新變化，始終保持技術(shù)的實用性和先進性。針對樓宇網(wǎng)絡(luò)，本技術(shù)從采集通信信號并預(yù)處理、構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，到利用歷史數(shù)據(jù)優(yōu)化模型，最后識別接入數(shù)據(jù)得到標(biāo)準(zhǔn)協(xié)議幀，形成了完整且高效的樓宇通信協(xié)議識別體系，能精準(zhǔn)處理樓宇內(nèi)復(fù)雜多樣的通信協(xié)議，保障樓宇各設(shè)備間的穩(wěn)定通信與協(xié)同工作，提升樓宇智能化管理水平。