-
公开(公告)号：CN117806275A
公开(公告)日：2024-04-02
申请号：CN202311785964.7
申请日：2023-12-22
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司电力科学研究院
摘要： 本申请提出一种电力系统分布式电源电力电子装置攻击检测方法，向控制输入注入痕迹注入测试信号，并采用线性时不变系统状态空间方程表征电力系统，后续检测时基于系统方程，系统方程需采集电力系统中电源电力电子装置的系统状态与输出状态进行攻击检测。攻击检测包括动态痕迹检测和补充监测，动态痕迹检测针对电源电力电子装置模型进行检测，根据传感器报告的测量值中是否包含痕迹注入测试信号对应的特征，判断传感器是否被篡改，补充检测根据由系统方程计算的传感器理论测量值和传感器报告的测量值之间的关系，判断电力系统是否被攻击，以及传感器是否被篡改，依据动态痕迹检测结果和补充检测结果，能够确定电力系统是否受到攻击，以及攻击来源。
-
公开(公告)号：CN118337413A
公开(公告)日：2024-07-12
申请号：CN202410313443.X
申请日：2024-03-19
申请人： 中国电力科学研究院有限公司 , 国网江西省电力有限公司电力科学研究院
IPC分类号： H04L9/40 , H02J13/00 , G06F18/2433 , G06N3/048 , G06N3/0499 , G06N3/084
摘要： 本发明公开了一种用于分布式设备网络流量异常检测的方法及系统，属于新型电力系统技术领域。本发明方法，包括：获取新型电力系统分布式设备的网络流量数据，对所述网络流量数据进行预处理，得到目标数据集；基于预先建立的神经网络，提取出所述目标数据集的特征数据集；确定所述特征数据集的马哈拉诺比斯距离，并基于异常检测指标，确定所述马哈拉诺比斯距离是否超出异常检测指标，来确定所述分布式设备网络流量是否发生异常。本发明能够快速有效的检测出网络流量是否发生异常。
-
公开(公告)号：CN118503867A
公开(公告)日：2024-08-16
申请号：CN202410514849.4
申请日：2024-04-26
申请人： 中国电力科学研究院有限公司 , 国网智能电网研究院有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司南通供电分公司
IPC分类号： G06F18/2433 , G06F18/213 , G06Q50/06 , G06N3/0455 , G06N3/045 , G06N3/0475 , G06N3/084 , G06N3/094
摘要： 本发明公开了一种基于数字孪生的异常检测方法及系统，属于异常检测技术领域。本发明方法，包括：针对电网设备进行状态数据采集，将采集的状态数据以参数描述的方式生成电网设备的状态空间及描述视角；根据所述电网设备的状态空间及描述视角，生成电网设备孪生态的描述内容；确定所述状态空间及描述视角与所述描述内容间的误差，并基于所述误差获取异常分数值，基于所述异常分数值，确定检测样本是否为异常样本，若检测样本异常，则判定电网设备异常。本发明基于孪生态的描述内容对电网设备的异常进行检测，效率高，且满足系统演化分析的应用需求。
-
公开(公告)号：CN118094509A
公开(公告)日：2024-05-28
申请号：CN202410363442.6
申请日：2024-03-28
申请人： 中国电力科学研究院有限公司
摘要： 本发明属于身份认证技术领域，具体涉及一种结合指静脉识别的多因素身份认证方法及相关装置。获取用户安全性分析源数据和指静脉生物信息在内的用户安全因素信息集合，设置安全认证等级与安全认证策略规则集；计算用户可信度，使用融合函数融合全部采集周期内每个安全认证等级对应的所有用户可信度，得到融合结果集，根据融合结果集获得用户安全性度量结果；根据用户安全性度量结果在安全认证策略规则集中获取安全认证策略；提示用户根据获取的安全认证策略执行身份认证流程。本发明采用指静脉生物信息在内的多种安全因素认证方法，融合多组可信度数据，采用规则化的表达方式将安全认证等级与安全认证策略绑定，提供安全、高效、稳定的认证能力。
-
公开(公告)号：CN117764460A
公开(公告)日：2024-03-26
申请号：CN202311629139.8
申请日：2023-11-30
申请人： 中国电力科学研究院有限公司 , 国网河北省电力有限公司电力科学研究院
IPC分类号： G06Q10/067 , G06Q50/06 , G06F16/25 , G06F16/215
摘要： 本发明公开了一种用于电网数字孪生基础共性服务平台的构建方法和系统，包括：通过数据流平台，从实体系统获取用构建电网数字孪生基础共性服务平台的实时数据；通过预先构建的转换函数，对所述实时数据进行预处理；将数字孪生模型的状态空间和实体系统的状态空间，通过同态映射和逆映射，实现数字孪生模型与实体系统之间的双向数据绑定；完成电网数字孪生基础共性服务平台的构建。实现了孪生平台与实体系统之间的实时交互。
-
公开(公告)号：CN118821127A
公开(公告)日：2024-10-22
申请号：CN202410894230.0
申请日：2024-07-04
申请人： 中国电力科学研究院有限公司
摘要： 本申请属于一种可信度量方法，针对动静态结合的恶意文档检测方法，存在恶意代码触发成功率低，资源成本消耗大，速度慢，相比静态检测风险高的技术问题，提供一种恶意文档可信度量方法、系统、设备和存储介质，提取对恶意文档静态检测更具有表征性的选择特征，进行恶意文档静态检测，再依次对请求文档进行打开进程行为进行监测，进行进程动态可信验证，并对系统调用行为安全性进行验证，再对完整性进行最终度量。本申请基于TPCM提供的可信功能，提取文档基本内容特征和结构特征，得到深层次特征，丰富了可用于恶意文档检测的特征。能够识别出恶意代码攻击、对象嵌入攻击、文档漏洞攻击、远程链接攻击等常见的恶意文档攻击。
-
公开(公告)号：CN118214597A
公开(公告)日：2024-06-18
申请号：CN202410326169.X
申请日：2024-03-21
申请人： 中国电力科学研究院有限公司 , 国网天津市电力公司
摘要： 本发明公开了一种负荷管理终端安全可靠融合通信方法，并公开了具有负荷管理终端安全可靠融合通信方法的系统，其中负荷管理终端安全可靠融合通信方法通过对入侵检测数据集转化成特征基因、由基因生成免疫细胞，通过克隆变异以提高特征信息的多样性，以此匹配异常数据阻止攻击者入侵的可能性，还提供协同刺激，进一步提高了系统的准确性。此外，终端与主站之间还引入自适应认证机制，通过对上下文数据的评价，进行自适应的接入认证策略编排，并在通信过程引入时间戳，数字签名和NTRU加密体制，能够应对重放攻击，验证数据的完整性、身份认证和抗否认性并具有抗量子的能力，面对海量负荷管理终端，实现高效安全的接入通信策略。
-
公开(公告)号：CN117852386A
公开(公告)日：2024-04-09
申请号：CN202311447446.4
申请日：2023-11-02
申请人： 中国电力科学研究院有限公司 , 国网河北省电力有限公司电力科学研究院
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/08 , G06Q50/06
摘要： 本发明公开了一种基于图神经网络的电网数字孪生系统建立方法及装置，其中方法包括：计算目标电网系统包含的设备集合中的每个设备的数字孪生模型的预测结果；确定设备集合中的每个设备与设备集合中其他设备间的设备关系；基于所述数字孪生模型的预测结果以及所述设备关系，定义设备交互图；基于所述设备交互图，通过深度图卷积神经网络模型获取每个设备的新的表示；将设备集合中所有设备的新的表示进行合并，获取设备集合的整体状态表示。本发明使用设备的数字孪生模型的预测结果，然后根据设备间的关系调整该预测结果，从而获得整体的预测结果。
-
公开(公告)号：CN117763942A
公开(公告)日：2024-03-26
申请号：CN202311520298.4
申请日：2023-11-15
申请人： 中国电力科学研究院有限公司 , 国网智能电网研究院有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司南通供电分公司
IPC分类号： G06F30/27 , G06F17/13 , G06F17/16 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/084 , G06F113/04
摘要： 本发明公开了一种电力系统主设备数字孪生模型构建方法，并公开了对应模型的训练方法，其中数字孪生动态更新模型以传统检测数据和二维图像为输入，通过卷积神经网络提取图像特征，然后经过隐藏层、池化层和全连接层进行处理，最终输出设备状态。与此同时，模型利用液态神经网络捕获设备的时序信息，通过常微分方程求解器模拟连续时间以提高精度和稳定性，从而提高电力系统主设备的数字孪生体建模精度，从而增强了监测和故障预测性能。同时数字孪生动态更新模型的训练过程中，利用卷积神经网络的反向传播，通过定义损失函数和利用梯度下降法，使网络自动学习特征并优化参数，以最小化误差，从而提高了训练效率。
-
公开(公告)号：CN117763255A
公开(公告)日：2024-03-26
申请号：CN202311313915.3
申请日：2023-10-11
申请人： 中国电力科学研究院有限公司
IPC分类号： G06F16/958 , G06N20/00
摘要： 本发明公开了一种浏览器数据进行机器学习后评估业务系统性能的方法，使用大量真实数据进行训练得到收敛的机器学习模型之后，该机器学习模型就可以使用，编程人员在完成测试页面的编程之后，编程人员可以将该页面输入到机器学习模型当中，则该机器学习模型就可以输出该测试页面对应的标签，这个标签为一个数值，该数值再加上默认的单位，则就为该测试页面的实际响应时间。之后，将实际响应时间和编程人员使用测试环境得到的测试响应时间进行比较，如果实际响应时间和测试响应时间的差值在第一预定范围之内，则认为该测试页面的实际响应时间可以参照测试响应时间，即将所述测试响应时间确定为所述测试页面的真实响应时间。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.111 秒)
