Skip to content
TheChatArchiveThe Chat Archive
o3-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

设备的异构性:物联网设备由不同的制造商生产,使用不同的协议、操作系统和硬件,制造了一个复杂、碎片化的生态系统。基于这个问题,撰写专利: 基于边缘计算的物联网网络安全监管系统

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Claudeclaude-3-7-sonnet-20250219’s answer.
  1. User

    设备的异构性:物联网设备由不同的制造商生产,使用不同的协议、操作系统和硬件,制造了一个复杂、碎片化的生态系统。基于这个问题,撰写专利: 基于边缘计算的物联网网络安全监管系统

  2. Assistant

    专利申请文本(示范草稿)

    一、发明名称

    基于边缘计算的物联网网络安全监管系统及其方法


    二、技术领域

    本发明涉及网络安全与边缘计算技术领域,尤其是一种面向多厂商、多协议、多操作系统异构物联网(IoT)设备的网络安全实时监管系统及其实现方法。


    三、背景技术

    随着物联网的迅猛发展,海量终端以不同的软硬件平台、通信协议、数据格式接入网络,形成高度碎片化、异构化的生态。传统“云中心—终端”两级架构往往存在以下痛点:

    1. 协议多样,云端难以快速解析、识别和防御新型安全威胁;
    2. 网络延迟大,不利于对攻击进行毫秒级实时处置;
    3. 终端资源受限,无法部署复杂安全算法;
    4. 缺乏统一标准,安全态势难以全局可视、合规审计困难。

    因此,需要一种兼具“本地实时防护”与“全局集中管控”能力的新型网络安全监管架构,以适应物联网场景的异构性、边缘性和实时性需求。


    四、发明内容

    4.1 发明目的

    本发明旨在提供一种基于边缘计算的物联网网络安全监管系统及方法,通过在网络边缘部署可插拔、安全隔离、智能协同的安全监管节点,实现对跨厂商、跨协议的物联网终端进行统一接入认证、数据解析、威胁检测与合规审计。

    4.2 技术方案

    本发明系统按功能自下而上分为:终端层、边缘安全编排层、云端安全管理层,具体如下:

    1. 终端层:多类型传感器、执行器、可穿戴、车载设备等。
    2. 边缘安全编排层(Edge Security Orchestration Node,ESON):
      • 协议自适应模块(PAM):基于容器/微服务加载对应的协议解析插件,支持 MQTT、CoAP、OPC-UA、Modbus、ZigBee 等≥30种协议。
      • 身份与可信度量模块(IAM):采用硬件根信任+远程度量实现零信任接入。
      • 智能威胁检测模块(F-AI):基于联邦学习模型,在不泄露原始数据的情况下完成异常行为检测、入侵预测。
      • 策略执行与隔离模块(PEIM):支持细粒度网络切片、流量沙箱、微隔离。
      • 区块链审计模块(BLM):通过轻量化链节点上链安全日志,实现篡改防护与多方合规。
    3. 云端安全管理层:
      • 全局策略中心(GPC):集中下发安全基线、动态黑白名单;
      • 模型训练中心(MTC):聚合各边缘节点梯度,更新全局联邦模型;
      • 态势可视化中心(SVC):实时展示设备风险评分和攻击溯源路径。

    4.3 有益效果

    1. 解决协议异构问题:用“协议插件池+热插拔”机制快速对接新协议,平均接入时间 <10 分钟。
    2. 降低云端压力,提高实时性:>90% 的威胁在本地边缘完成检测与处置,响应时延 <50ms。
    3. 保障数据隐私:联邦学习不上传原始业务数据,满足 GDPR/HIPAA 等合规要求。
    4. 日志不可篡改:基于区块链的分布式审计提高取证可靠性。
    5. 支持弹性扩展:边缘节点采用无状态微服务,可按需水平扩容。

    五、附图说明(示意)

    图1 系统总体架构图
    图2 边缘安全编排节点ESON内部模块图
    图3 联邦学习协同训练流程图
    图4 区块链安全日志写入与验证流程图


    六、具体实施方式(示例)

    6.1 系统部署流程

    1. 在接入网关或5G MEC 服务器上安装边缘安全编排节点镜像;
    2. 通过云端 GPC 下发接入策略,ESON 自动检索周边终端 MAC/IMEI 等信息;
    3. PAM 根据探测到的协议类型,动态拉取相应容器镜像,并在沙箱内运行;
    4. IAM 进行基于 TPM/TEE 的远程度量,验证固件完整性;
    5. 业务流量进入 F-AI 模块,局部模型推理判断是否异常;
    6. 若检测到威胁,PEIM 立即实施阻断、隔离,并将事件摘要通过 BLM 写入联盟链;
    7. MTC 周期性聚合各边缘节点梯度更新全局模型,再同步回边缘节点。

    6.2 智能威胁检测算法

    1. 本地模型:CNN-LSTM 结合的时序行为模型,输入为协议特征+统计特征+序列特征;
    2. 联邦平均(FedAvg)机制权重合并,采用差分隐私噪声ε=1保护梯度信息;
    3. 全局模型 AUC 指标可达 0.98,误报率 <2%。

    6.3 区块链日志实现

    采用改进 PBFT-DPoS 混合共识:

    • 边缘节点作为候选见证人,云端中心作为超级节点;
    • 日志字段包括:事件ID、时间戳、设备ID、策略ID、哈希、签名;
    • 链码自动校验日志格式,确保多方互信。

    七、权利要求书(示范)

    1. 一种基于边缘计算的物联网网络安全监管系统,其特征在于,包括:
      1.1 多种物联网终端设备;
      1.2 至少一个边缘安全编排节点,包含协议自适应模块、身份与可信度量模块、智能威胁检测模块、策略执行与隔离模块、区块链审计模块;
      1.3 一个云端安全管理中心,包含全局策略中心、模型训练中心、态势可视化中心;
      其中所述边缘安全编排节点用于在本地完成对终端数据流的协议识别、威胁检测与隔离,并将摘要日志写入区块链,云端安全管理中心用于下发策略、聚合模型及展示安全态势。

    2. 如权利要求1所述的系统,其中所述协议自适应模块采用容器化可插拔架构,能够在运行时根据探测到的协议类型加载或卸载对应协议解析插件。

    3. 如权利要求1或2所述的系统,其中所述智能威胁检测模块基于联邦学习机制,对来自多个边缘节点的本地模型梯度进行安全聚合,以形成全局威胁检测模型。

    4. 如权利要求1至3任一所述的系统,其中所述区块链审计模块基于轻量化共识算法实现对安全事件日志的不可篡改存储和多方验证。

    5. 如权利要求1至4任一所述的系统,其中所述策略执行与隔离模块基于软件定义网络(SDN)与网络切片技术,对异常流量进行细粒度隔离或阻断。

    6. 一种基于权利要求1-5任一项所述系统的网络安全监管方法,其步骤包括:
      A. 终端接入时通过身份与可信度量模块进行远程度量;
      B. 协议自适应模块自动识别协议类型并加载解析插件;
      C. 本地威胁检测模块对流量进行实时推理,发现异常后触发策略执行与隔离;
      D. 事件日志打包上链,云端安全管理中心收集并在态势可视化中心展示;
      E. 周期性执行联邦学习模型聚合并更新至各边缘节点。

    7. 如权利要求6所述的方法,其中步骤E采用差分隐私技术保护本地梯度信息。

    8. 一种计算机可读存储介质,存储有计算机程序,所述程序被执行时使计算机实现权利要求6-7所述的方法步骤。


    八、结论

    本发明通过边缘计算、联邦学习、区块链及可插拔协议解析等多项关键技术的融合,构建了适用于异构物联网环境的网络安全监管系统,能够实现毫秒级威胁检测、零信任接入、不可篡改审计及全局协同防护,具有广泛的产业应用前景。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.