(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210360743.4 (22)申请日 2022.04.07 (71)申请人 水利部信息中心 地址 100053 北京市西城区白广路2条2号 申请人 太湖流域管理局苏州管理局 (72)发明人 付静　范宇楠　蔡辉　殷悦　 张晓艺　杨柳　 (74)专利代理 机构 大连星海专利事务所有限公 司 21208 专利代理师 杨翠翠 (51)Int.Cl. H04N 7/18(2006.01) G08B 13/196(2006.01) G06V 40/10(2022.01) G06V 20/52(2022.01)G06V 10/82(2022.01) G06V 10/764(2022.01) G06N 3/08(2006.01) G06N 3/00(2006.01) (54)发明名称 一种综合视频监控与网络异常检测的机房 安全管理方法 (57)摘要 一种综合视频监控与网络异常检测的机房 安全管理方法， 其属于视频监控与日志分析的技 术领域。 该方法能够对视频区域内出现人员的行 为非法闯入、 非法录屏拍照、 非法拷贝、 异常操 作、 接打电话、 未按要求进行系统维护、 未站在相 关区域内进行操作等异常情况进行分析， 并及时 发出告警信息。 发现潜在的威胁， 保障数据与机 房的安全。 提高识别精度， 降低人工识别的误差， 同时带来高效、 节约的运行成本及环境。 权利要求书1页 说明书3页 附图1页 CN 115052128 A 2022.09.13 CN 115052128 A 1.一种综合视频监控与网络异常检测的机房安全管理方法， 其特征在于： 包括如下步 骤： S1.布置机房监控摄像头的位置， 选用具备AI识别的摄像头； 在机房内各列机柜间横纵 向过道两端相对处安装摄像头， 保证监控摄像头敷设区域内的完整性； 机房进 出位置， 保证 机房人员的进入的准确性； S2.通过全覆盖的AI智能相机， 针对数据中心机房的人员访问进行精细化身份管控， 访 问过程通过视频进行智能化管理， 约束访问过程中的规范性； 汇 聚整合视频资源至智能化 监控系统中， 对整合的视频资源进 行集中解析， 进 行统一的管理和调 度， 将底层的各种资源 能力统一的向监管 人员进行开 放， 以便查看、 调阅视频资源； S3.结合视频监控技 术基于深度学习的异常行为检测 S3.1 AI智能监控分析即机房监控摄像头进行画面及视频的捕捉， AI监控对抓取的画 面及视频进行智能计算分析运维人员的位置、 区域、 动作， 对异常情况 上报分析日志； S3.2上报至监控中心后， 监控中心调度上报的任务并下发至卷积神经网络模块进行再 分析计算； S3.3卷积神经网络通过叠加AI智能监控分析、 网络数据、 安全数据、 存储数据库日志条 件信息进行多次的计算， 最终计算出该名运维人员的行为是否正常， 如不正常则上报分析 结果； S3.4最终通过监控中心任务执行模块， 将上报分析的结果通知监控中心并告知值班人 员及机房管理员。权　利　要　求　书 1/1 页 2 CN 115052128 A 2一种综合 视频监控与网 络异常检测的机房安全 管理方法 技术领域 [0001]本发明涉及视频监控与日志分析 领域， 涉及一种机房安全管理的技 术方法。 背景技术 [0002]随着业务不断增长、 机房不断扩容， 越来越多的安全问题日益突出。 业务信息一旦 发生泄露、 丢失、 非法移除等问题， 不仅会给使用单位带来很大的损失， 还会对国家造成巨 大安全、 经济的双重损失。 机房运维人员行为保障尤为很 重要。 [0003]卷积神经网络一类包含卷积计算且具有深度结构的前馈神经网络(Feedforwar d  Neural Networks)， 是深度学习(deep  learning)的代表算法之一。 卷积神经网络具有表征 学习(representation  learning)能力， 能够按其阶层结构对输入信息进行平移不变分类 (shift‑invariant  classification)， 因此也被称为 “平移不变人工神经网络(Shift ‑ Invariant  Artificial  Neural Networks,SIANN) ”。 对卷积神经网络的研究始 于二十世纪 80至90年代， 时间延迟网络和LeNet ‑5是最早出现的卷积神经网络； 在二十一世纪后， 随着 深度学习理论的提出和数值计算设备 的改进， 卷积神经网络得到了快速发展， 并被应用于 计算机视觉、 自然语言处理等领域。 卷积神经网络仿造生物的视知觉(visual  perception) 机制构建， 可以进行监督学习和非监督学习， 其隐含层内的卷积核参数共享和层 间连接的 稀疏性使得卷积神经网络能够以较小的计算量对格点化(grid ‑like topology)特征， 例如 像素和音频进行学习、 有稳定的效果且对数据没有额外的特征工程(feature   engineering)要求。 [0004]视频监控是安全防范系统的重要组成部分， 英文Cameras  and Surveillance。 传 统的监控系统包括前端摄像机、 传输线缆、 视频监控平台。 摄像机可作为前端视频图像信号 的采集。 它 是一种防范能力较强的综合系统。 视频监控以其直观、 准确、 及时和信息内容丰 富而广泛应用于许多场合。 近年来， 随着 计算机、 网络以及图像处理、 传输技术的飞速发展， 视频监控技术也有了长足的发展。 目前监控系统可以实现同时对图像进行自动识别、 存储 和自动报警。 视频数据也可通过3 G/4G/WIFI传回控制主机， 主机可对图像进 行实时观看、 录 入、 回放、 调出及储 存等操作。 从而实现移动互联的视频监控。 发明内容 [0005]本发明的目的在于提出一种基于神经网络、 智能分析的机房维护人员保障方案， 通过对机房运维人员的行为进行分析预见其行为是否合理， 为不同的维护工程师、 不同的 服务器所在区域进行分级保护， 从而减少 机房管理人员工作量， 减少运维人员非法操作带 来的风险， 提高业 务系统保障度。 [0006]为达到上述目的， 本发明采用以下技 术方案： [0007]一种综合视频监控与网络异常检测的机房安全管理方法： 运维人员进入机房后， 机房监控摄像头进行监控其进入的区域， 通过卷积神经网络分析其进入的区域， 若未进入 到指定区域进 行告警并报送监控平台； 若正常进入到指 定区域， 访问所需的相关业务， 抓取说　明　书 1/3 页 3 CN 115052128 A 3