本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：随着物联网业务的快速发展，复杂多样的应用场景给物联网卡的运营管理带来了巨大的挑战，传统的管理手段已经无法满足物联网卡使用的监管要求。首先总结物联网卡异常使用现状及管理手段，分析现有异常识别方法的不足，提出了基于图神经网络和Count-Min Sketch算法的物联网卡画像特征融合构建方法，以及基于 XGBoost算法的异常流量识别模型。基于以上技术，实现了对物联网卡的智能监测，提升了违规识别的准确率和召回率。
关键词：物联网卡；异常流量；图神经网络；特征融合；XGBoost算法
doi：10.12045/j.issn.1007-3043.2024.09.010
前言
物联网是在互联网基础上延伸和扩展的网络，将各种信息传感设备与网络结合起来而形成的一个巨大网络，实现物与物、物与人的泛在连接。自 2020 年以来，5G 网络加快部署，在 5G 的牵引下，物联网迎来了全面发展期，据 GSMA 预测，2025 年全球物联网连接数将达到252亿，远高于2017年的63亿。
物联网卡是指运营商使用专用号段及专用网络，实现人、机、物之间通信连接的用户识别卡，物联网卡是物联网技术的核心。随着物联网的发展，物联网开卡量也大幅增加，给运营商卡安全管理带来了挑战。违规人员通常利用物联网卡资费较低的优势，把物联网卡当作普通用户卡进行售卖，对物联网卡进行恶意转售、违规挪用和盗用，扰乱了市场秩序，给运营商带来了经济损失，同时也影响了物联网业务的安全性。
