本發明涉及網絡，具體涉及一種多設備共享wifi網絡優化方法及系統。
背景技術：
1、現代社會中，利用移動智能終端通過wifi（wireless?fidelity，無線保真技術）進行網絡接入已成為數字生活的基本操作。在這一網絡連接場景中，傳統分享方式雖然滿足基礎的網絡接入需求，但在日益復雜的多終端互聯生態中，但在保證網絡性能穩定、安全及及時響應等方面存在不足，給用戶體驗不佳。
技術實現思路
1、本發明正是基于上述問題，提出了一種多設備共享wifi網絡優化方法及系統，通過本發明方案不僅能夠有效提升多設備共享wifi網絡的性能和安全性，還能通過智能化管理實現持續優化，最終提升用戶的整體網絡體驗。
2、有鑒于此，本發明的一方面提出了一種多設備共享wifi網絡優化方法，包括：
3、智能路由器實時監測wifi網絡的周邊干擾源、信號強度以及信道占用情況，得到監測數據，并將所述監測數據傳輸至物聯網邊緣服務器；
4、所述物聯網邊緣服務器對所述監測數據進行分析，得到第一數據分析結果；
5、所述物聯網邊緣服務器獲取連接到所述智能路由器的通信終端的終端屬性數據、業務類型數據及歷史工作數據；
6、所述物聯網邊緣服務器根據預設的網絡優化模型、所述第一數據分析結果、所述終端屬性數據、所述業務類型數據和所述歷史工作數據，生成第一優化策略，并將所述第一優化策略傳輸至所述智能路由器；
7、所述智能路由器依據所述第一優化策略切換工作頻段和信道，并對各個所述通信設備的網絡流量進行分配和控制；
8、所述智能路由器檢測并阻止非法設備接入wifi網絡，并對連接的所述通信設備進行安全漏洞掃描；
9、當檢測到安全威脅時，采取隔離或修復措施，并將安全事件數據傳輸至所述物聯網邊緣服務器；
10、所述物聯網邊緣服務器根據所述安全事件數據生成通信設備控制指令和更新安全防護策略，并將更新后的策略回傳至所述智能路由器，以及將所述通信設備控制指令發送至所述通信設備；
11、所述通信設備接收所述通信設備控制指令，并根據所述通信設備控制指令控制自身應用的后臺網絡活動，包括：限制或允許特定應用的網絡訪問權限、調整應用的數據傳輸優先級；
12、所述通信設備將應用的網絡使用情況數據傳輸至所述物聯網邊緣服務器；
13、所述物聯網邊緣服務器根據應用的網絡使用情況數據生成所述網絡優化模型的修正方案。
14、可選地，所述物聯網邊緣服務器對所述監測數據進行分析，得到第一數據分析結果的步驟，包括：
15、所述物聯網邊緣服務器接收所述監測數據后，根據預設的數據清洗規則對所述監測數據進行預處理，包括：去除異常值、補充缺失值、數據標準化；其中，所述異常值的判定基于歷史數據的統計特征，所述缺失值通過相鄰時間點的數據插值獲得；
16、所述物聯網邊緣服務器對預處理后的監測數據進行特征提取，得到特征數據，具體包括：對周邊干擾源數據提取干擾源的數量、信號強度、占用信道分布特征；對wifi信號強度數據提取信號衰減趨勢、信號波動規律；對信道占用數據提取各信道的平均占用率、峰值占用時段、空閑時段分布；
17、所述物聯網邊緣服務器基于預訓練的深度學習模型對所述特征數據進行分類和聚類分析，包括：將當前網絡環境狀態分類為“擁塞”、“正常”或“空閑”；識別主要干擾源的類型及其影響程度；對信道質量進行等級劃分；
18、所述物聯網邊緣服務器結合所述特征數據的時序特性，采用時間序列分析方法預測未來一段時間內的網絡環境變化趨勢，包括：預測各信道的占用率變化；預測干擾源的活動規律；預測信號強度的變化模式；
19、所述物聯網邊緣服務器將上述分析結果整合形成第一數據分析結果，包括：當前網絡環境狀態評估報告；信道質量評分及排序；干擾源影響分析報告；網絡環境預測報告。
20、可選地，所述物聯網邊緣服務器根據預設的網絡優化模型、所述第一數據分析結果、所述終端屬性數據、所述業務類型數據和所述歷史工作數據，生成第一優化策略，并將所述第一優化策略傳輸至所述智能路由器的步驟，包括：
21、所述物聯網邊緣服務器基于所述第一數據分析結果確定當前網絡環境的第一優化目標，包括：當網絡環境狀態為“擁塞”時，將負載均衡和干擾規避設為主要優化目標；當網絡環境狀態為“正常”時，將服務質量提升設為主要優化目標；當網絡環境狀態為“空閑”時，將能耗優化設為主要優化目標；
22、所述物聯網邊緣服務器對所述終端屬性數據、業務類型數據和歷史工作數據進行分析整合得到第一分析結果，包括：根據終端屬性數據對設備進行分類，包括：移動終端、固定終端、物聯網設備；根據業務類型數據對應用進行分級，包括：實時業務、交互業務、后臺業務；基于歷史工作數據計算各類終端的平均帶寬需求和波峰波谷時段；
23、所述物聯網邊緣服務器調用預設的網絡優化模型，該模型包括：基于深度強化學習的資源分配模型；基于遺傳算法的信道分配模型；基于模糊邏輯的qos控制模型；
24、所述物聯網邊緣服務器將所述第一分析結果和所述第一優化目標輸入所述網絡優化模型，進行目標優化計算得到第一計算結果，包括：計算最優信道分配方案；計算各終端的帶寬分配額度；計算業務優先級調度策略；
25、所述物聯網邊緣服務器根據所述第一計算結果，生成包含以下內容的第一優化策略：用于指定各終端的工作信道的信道切換指令；用于規定各終端的帶寬上限的帶寬分配指令；用于設定各類業務的優先級和資源配額的qos控制指令；用于確定終端在多頻段間的分布的負載均衡指令；
26、所述物聯網邊緣服務器將所述第一優化策略進行可執行性驗證，包括：檢查策略是否符合終端硬件約束；驗證策略實施后的網絡性能預期；評估策略對現有業務的影響程度；
27、所述物聯網邊緣服務器將驗證通過的第一優化策略編碼為路由器可識別的指令集，并通過安全通道傳輸至所述智能路由器。
28、可選地，所述智能路由器依據所述第一優化策略切換工作頻段和信道，并對各個所述通信設備的網絡流量進行分配和控制的步驟，包括：
29、所述智能路由器接收到所述第一優化策略后，執行策略解析，提取以下控制指令：頻段切換指令；信道分配指令；流量控制指令；
30、所述智能路由器在執行頻段和信道切換前，向所有已連接的通信設備發送切換預告，包括：廣播切換時間窗口信息；發送新頻段和信道參數；設置重連等待時間閾值；
31、所述智能路由器在預設的時間窗口內按如下步驟執行頻段和信道切換，包括：暫停新設備接入；保存當前網絡連接狀態；按照指令切換至目標頻段和信道；等待設備重新連接；恢復設備接入功能；
32、所述智能路由器對重新連接的通信設備進行分組管理，包括：將支持雙頻的設備優先分配到5ghz頻段；將固定位置的設備分配到信號較強的信道；將移動設備分配到負載較輕的信道；
33、所述智能路由器基于流量控制指令配置qos策略，包括：設置各設備的帶寬上限和保底帶寬；配置業務優先級隊列；啟用流量整形算法；
34、所述智能路由器實時監控優化效果，包括：記錄設備重連成功率；統計各信道的實際使用情況；測量網絡性能關鍵指標；
35、所述智能路由器當檢測到以下異常情況時，觸發應急處理，包括：設備重連失敗率超過閾值時，自動回退到原配置；網絡性能顯著降低時，臨時調整流量控制參數；出現新干擾源時，啟動備用信道機制。
36、可選地，所述智能路由器檢測并阻止非法設備接入wifi網絡，并對連接的所述通信設備進行安全漏洞掃描的步驟，包括：
37、所述智能路由器對嘗試接入wifi網絡的設備進行身份驗證，包括：獲取設備的mac地址、設備類型標識；提取設備的接入時間、地理位置信息；檢查設備是否在授權設備白名單中；驗證設備提供的接入憑證的有效性；
38、當檢測到以下情況時，所述智能路由器將判定為非法接入：設備mac地址與已連接設備重復；設備mac地址存在于黑名單數據庫；短時間內多次嘗試錯誤密碼接入；設備接入行為特征與攻擊特征庫匹配；
39、所述智能路由器對非法接入設備采取阻止措施，包括：將該設備加入臨時黑名單；禁止該mac地址的后續接入請求；記錄非法接入事件的詳細信息；向合法用戶發送安全警告；
40、所述智能路由器定期對已連接的通信設備執行安全掃描，包括：掃描設備操作系統的已知漏洞；檢測設備是否安裝最新的安全補丁；識別設備是否存在異常的網絡行為；檢查設備的網絡協議配置是否安全；
41、所述智能路由器實時監控通信設備的網絡行為，包括：分析設備的流量模式是否異常；檢測設備是否訪問惡意網站；監控設備是否存在未授權的端口開放；識別設備是否產生異常的網絡請求；
42、所述智能路由器對掃描發現的安全隱患進行分級，包括：
43、緊急級：能導致系統入侵的漏洞；
44、高危級：能泄露敏感數據的漏洞；
45、中危級：能影響系統性能的漏洞；
46、低危級：存在潛在安全風險的配置；
47、所述智能路由器根據安全隱患等級采取相應措施，包括：對緊急級隱患實施設備隔離；對高危級隱患限制網絡訪問權限；對中危級隱患進行安全配置調整；對低危級隱患發送修復建議。
48、可選地，所述物聯網邊緣服務器根據所述安全事件數據生成通信設備控制指令和更新安全防護策略，并將更新后的策略回傳至所述智能路由器，以及將所述通信設備控制指令發送至所述通信設備的步驟，包括：
49、所述物聯網邊緣服務器接收到安全事件數據后，進行安全事件分析，包括：提取安全事件的類型、發生時間、涉及設備；分析事件的嚴重程度和影響范圍；確定事件的潛在危害和緊急程度；關聯歷史安全事件數據進行威脅溯源；
50、所述物聯網邊緣服務器基于安全事件分析結果，確定響應策略，包括：對于已知類型攻擊，匹配預設的防護方案；對于未知類型攻擊，啟動自適應防護機制；對于系統漏洞，制定修復方案；對于異常行為，確定管控措施；
51、所述物聯網邊緣服務器生成通信設備控制指令，包括：生成應用訪問控制指令；生成網絡連接限制指令；生成系統配置修改指令；生成數據傳輸策略指令；
52、所述物聯網邊緣服務器更新安全防護策略，包括：更新設備準入規則；更新流量監控規則；更新漏洞掃描規則；更新安全預警閾值；
53、所述物聯網邊緣服務器對更新后的安全防護策略進行驗證，包括：檢查策略間的沖突情況；評估策略的有效性；預測策略實施的影響；確認策略的兼容性；
54、所述物聯網邊緣服務器執行策略分發，包括：將更新后的安全防護策略發送至智能路由器；將通信設備控制指令分別發送至相應的通信設備；設置策略生效時間窗口；建立策略執行反饋機制；
55、所述物聯網邊緣服務器監控策略執行效果，包括：收集策略執行狀態反饋；評估安全防護效果；記錄策略更新日志；維護策略版本信息。
56、可選地，所述物聯網邊緣服務器根據應用的網絡使用情況數據生成所述網絡優化模型的修正方案的步驟，包括：
57、所述物聯網邊緣服務器對應用的網絡使用情況數據進行預處理，包括：統計各應用的帶寬使用量和時間分布；提取應用的網絡行為特征；識別應用的服務質量需求；分析應用間的資源競爭關系；
58、所述物聯網邊緣服務器基于預處理后的數據，構建應用畫像，包括：確定應用的業務優先級類別；建立應用的資源需求模型；預測應用的帶寬使用趨勢；識別應用的典型工作模式；
59、所述物聯網邊緣服務器對所述網絡優化模型進行評估，包括：計算模型預測值與實際值的誤差；分析模型在不同場景下的表現；識別模型的優化空間；確定需要修正的模型參數；
60、所述物聯網邊緣服務器基于應用畫像，生成模型修正方案，包括：調整資源分配權重系數；更新服務質量評估指標；優化負載均衡算法；修改帶寬預留策略；
61、所述物聯網邊緣服務器執行模型驗證，包括：使用歷史數據驗證修正后的模型；進行多場景仿真測試；評估模型的泛化能力；計算優化效果提升程度；
62、所述物聯網邊緣服務器實施增量學習，包括：將新的應用特征整合到模型中；更新模型的訓練數據集；調整模型的學習參數；優化模型的預測精度；
63、所述物聯網邊緣服務器部署更新后的模型，包括：生成模型部署包；設置模型切換時間點；建立模型版本管理；保存模型更新記錄。
64、可選地，所述網絡優化模型的構建方法包括：
65、構建模型輸入層，包括：收集網絡環境特征數據，包括信號強度、干擾水平、信道占用率；收集終端設備特征數據，包括設備類型、硬件能力、位置信息；收集應用特征數據，包括帶寬需求、延遲敏感度、業務優先級；對收集的特征數據進行標準化處理和編碼轉換；
66、構建深度神經網絡的隱藏層，包括：設計多層感知機結構，用于特征提取和表示學習；配置注意力機制，突出重要特征的影響；添加循環神經網絡單元，捕捉時序依賴關系；設置卷積層，提取局部特征模式；
67、構建強化學習模塊，包括：定義狀態空間，包含網絡環境和設備狀態；設計動作空間，包括頻段選擇、帶寬分配、優先級調度這些操作；構建獎勵函數，綜合考慮網絡吞吐量、延遲、公平性這些指標；實現經驗回放機制，提高學習效率；
68、構建決策輸出層，包括：設計頻段和信道分配策略生成器；設計帶寬分配策略生成器；設計qos控制策略生成器；添加策略可行性約束檢查機制；
69、執行模型訓練，包括：基于歷史數據進行監督預訓練；通過強化學習進行在線訓練；實施經驗回放和目標網絡更新；動態調整學習率和探索率；
70、實現模型評估與調優，包括：設置性能評估指標，包括吞吐量、時延、公平性；進行交叉驗證，評估模型泛化能力；執行敏感性分析，識別關鍵參數；基于評估結果優化模型結構和參數；
71、建立模型應用機制，包括：實現模型推理加速；設計模型壓縮方案；構建模型更新機制；實現異常檢測和容錯處理。
72、可選地，所述構建深度神經網絡的隱藏層的步驟，包括：
73、構建多層感知機結構具體是：設置第一隱藏層節點數為輸入特征維度的2倍，使用relu激活函數；設置第二隱藏層節點數為第一層的1/2，使用relu激活函數；設置第三隱藏層節點數為第二層的1/2，使用relu激活函數；在相鄰層之間添加批歸一化層，提高訓練穩定性；使用dropout機制防止過擬合，dropout率設為0.3；
74、構建注意力機制層具體是：計算特征向量間的相關性矩陣；使用softmax函數將相關性轉換為注意力權重；基于注意力權重對特征進行加權求和；將加權結果與原始特征進行拼接；通過全連接層融合拼接后的特征；
75、構建循環神經網絡單元具體是：使用lstm單元處理時序特征序列；設置lstm隱藏狀態維度為128；配置雙向lstm結構，捕捉雙向時序依賴；添加殘差連接，緩解梯度消失問題；使用序列掩碼處理變長序列；
76、構建卷積層結構具體是：設置第一層卷積核大小為3×3，步長為1，paddling為same；設置第二層卷積核大小為3×3，步長為2，實現特征降維；在每個卷積層后添加batchnormalization層和relu激活函數；使用最大池化層進行特征篩選；添加跳躍連接，保留細粒度特征；
77、實現特征融合機制具體是：將多層感知機輸出與注意力機制輸出進行特征拼接；將拼接結果與lstm輸出進行特征融合；將融合結果輸入卷積層進行特征提取；使用1×1卷積調整特征通道數；通過全連接層生成最終特征表示；
78、配置層間連接機制具體是：在關鍵層之間添加殘差連接；實現多尺度特征融合；設置特征金字塔結構；添加門控更新機制；實現動態路由機制；
79、添加正則化與優化機制具體是：應用l2正則化約束權重；實現梯度裁剪防止梯度爆炸；使用學習率衰減策略；配置早停機制；實現模型參數的稀疏化。
80、本發明的另一方面提供一種多設備共享wifi網絡優化系統，用于執行一種多設備共享wifi網絡優化方法，包括：智能路由器、通信設備和物聯網邊緣服務器；
81、智能路由器被配置為：
82、實時監測wifi網絡的周邊干擾源、信號強度以及信道占用情況，得到監測數據，并將所述監測數據傳輸至物聯網邊緣服務器；
83、所述物聯網邊緣服務器被配置為：
84、對所述監測數據進行分析，得到第一數據分析結果；
85、獲取連接到所述智能路由器的通信終端的終端屬性數據、業務類型數據及歷史工作數據；
86、根據預設的網絡優化模型、所述第一數據分析結果、所述終端屬性數據、所述業務類型數據和所述歷史工作數據，生成第一優化策略，并將所述第一優化策略傳輸至所述智能路由器；
87、所述智能路由器還被配置為：
88、依據所述第一優化策略切換工作頻段和信道，并對各個所述通信設備的網絡流量進行分配和控制；
89、檢測并阻止非法設備接入wifi網絡，并對連接的所述通信設備進行安全漏洞掃描；
90、當檢測到安全威脅時，采取隔離或修復措施，并將安全事件數據傳輸至所述物聯網邊緣服務器；
91、所述物聯網邊緣服務器還被配置為：
92、根據所述安全事件數據生成通信設備控制指令和更新安全防護策略，并將更新后的策略回傳至所述智能路由器，以及將所述通信設備控制指令發送至所述通信設備；
93、所述通信設備被配置為：
94、接收所述通信設備控制指令，并根據所述通信設備控制指令控制自身應用的后臺網絡活動，包括：限制或允許特定應用的網絡訪問權限、調整應用的數據傳輸優先級；
95、將應用的網絡使用情況數據傳輸至所述物聯網邊緣服務器；
96、所述物聯網邊緣服務器還被配置為：根據應用的網絡使用情況數據生成所述網絡優化模型的修正方案。
97、采用本發明的技術方案，通過智能路由器實時監測wifi網絡的干擾源、信號強度和信道占用情況，能夠動態調整頻段和信道，從而減少干擾，提高信號質量和網絡穩定性；物聯網邊緣服務器根據終端屬性數據、業務類型數據和歷史工作數據，生成針對性的優化策略，確保各個通信設備獲得所需的網絡資源，提升整體網絡的使用效率；通過智能路由器的安全防護模塊，能夠實時檢測并阻止非法設備接入wifi網絡，并進行安全漏洞掃描，及時采取隔離或修復措施，保障網絡安全；終端設備的狀態監測與反饋模塊能夠將應用的網絡使用情況數據反饋至物聯網邊緣服務器，形成閉環反饋機制，使得網絡優化策略能夠根據實際使用情況進行動態調整，確保網絡性能的持續提升；通過智能化的流量管理和優化策略，用戶在使用多個設備時能夠享受到更流暢的網絡體驗，減少延遲和卡頓現象，滿足高帶寬應用的需求。綜上所述，本實施例的方案不僅能夠有效提升多設備共享wifi網絡的性能和安全性，還能通過智能化管理實現持續優化，最終提升用戶的整體網絡體驗。