买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州鲁邦通物联网科技股份有限公司申请的专利一种基于多层证据融合的边缘设备识别方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120910673B 。

龙图腾网通过国家知识产权局官网在2026-04-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511443073.2，技术领域涉及：G06F18/2411；该发明授权一种基于多层证据融合的边缘设备识别方法和装置是由杨猛;黄章良;陶洋设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本一种基于多层证据融合的边缘设备识别方法和装置在说明书摘要公布了：本发明涉及物联网技术领域，公开了一种基于多层证据融合的边缘设备识别方法，包括以下步骤：步骤1：获取未知设备的电气功耗数据、网络报文数据和物理层数据，分别形成电气功耗特征向量、网络报文特征向量和物理层特征向量；步骤2：根据判断规则和设备特征模板分别与电气功耗特征向量、网络报文特征向量和物理层特征向量进行匹配，分别得到电气功耗BPA、网络报文BPA和物理层BPA；步骤3：通过D‑S证据理论，把电气功耗BPA、网络报文BPA和物理层BPA融合为最终BPA；步骤4：最终BPA与决策阈值进行对比，若最终BPA大于决策阈值，则输出该未知设备的设备类型。同时，还公开了一种基于多层证据融合的边缘设备识别装置。

本发明授权一种基于多层证据融合的边缘设备识别方法和装置在权利要求书中公布了：1.一种基于多层证据融合的边缘设备识别方法，其特征在于，包括以下步骤： 步骤1：获取未知设备的电气功耗数据、网络报文数据和物理层数据，分别对电气功耗数据、网络报文数据和物理层数据进行处理，得到电气功耗特征、网络报文特征和物理层特征，根据电气功耗特征、网络报文特征和物理层特征，分别形成电气功耗特征向量、网络报文特征向量和物理层特征向量； 步骤2：根据判断规则和设备特征模板分别与电气功耗特征向量、网络报文特征向量和物理层特征向量进行匹配，分别得到电气功耗BPA、网络报文BPA和物理层BPA；电气功耗BPA、网络报文BPA和物理层BPA均用于表示未知设备指向各个设备类型的可信程度； 步骤3：通过D-S证据理论，把电气功耗BPA、网络报文BPA和物理层BPA融合为最终BPA； 步骤4：最终BPA与决策阈值进行对比，若最终BPA大于决策阈值，则输出该未知设备的设备类型，若最终BPA小于决策阈值，则输出识别失败或类型未知； 所述步骤2包括以下子步骤： 步骤A1：建立包含判断规则和设备特征模板的知识库； 步骤A2：根据判断规则，把电气功耗特征向量、网络报文特征向量和物理层特征向量分别与电气功耗特征向量区间、网络报文特征向量区间和物理层特征向量区间进行匹配，当电气功耗特征向量、网络报文特征向量和物理层特征向量分别处于电气功耗特征向量区间、网络报文特征向量区间和物理层特征向量区间时，则分别获取对应的设备类型以及对应的第一初始信念值； 步骤A3：根据设备特征模板，通过余弦相似度计算电气功耗特征向量、网络报文特征向量和物理层特征向量分别与各个理想电气功耗特征向量、理想网络报文特征向量和理想物理层特征向量的相似度，分别获取相似度最高的设备类型以及第二初始信念值； 步骤A4：通过取最大值或加权平均的方式对第一初始信念值和第二初始信念值进行处理，分别得到电气功耗BPA、网络报文BPA和物理层BPA； 所述步骤4包括以下子步骤： 步骤C1：决策阈值包括绝对置信度阈值和相对间隔阈值，设置绝对置信度阈值为0.7～0.9，设置相对间隔阈值为0.4～0.6； 步骤C2：计算最终BPA指向各个设备类型的绝对置信度和相对间隔数值，所述相对间隔数值为最大的绝对置信度和次大的绝对置信度的差值； 步骤C3：将绝对置信度与绝对置信度阈值对比，当绝对置信度大于绝对置信度阈值，且相对间隔数值大于相对间隔阈值，则输出未知设备为该绝对置信度对应的设备类型；若绝对置信度小于绝对置信度阈值和或相对间隔数值小于相对间隔阈值，则输出识别失败或类型未知。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州鲁邦通物联网科技股份有限公司，其通讯地址为：511356 广东省广州市黄埔区永安大道63号2栋501；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。