-
公开(公告)号：CN107800706A
公开(公告)日：2018-03-13
申请号：CN201711075740.1
申请日：2017-11-06
Applicant: 国网福建省电力有限公司 , 国家电网公司 , 国网福建省电力有限公司电力科学研究院
CPC classification number: H04L63/1416 , H04L41/142 , H04L41/145 , H04L63/1433
Abstract: 本发明涉及一种基于高斯分布模型的网络攻击动态监测方法。首先，监测网络数据，采集网络报文特征值；而后，根据提取到的数据报文，分析具有疑似攻击行为的数据报文，得到攻击数据序列；再而，根据攻击数据序列采用高斯分布模型建立有效攻击数据的概率分布模型；最后，根据攻击数据序列建立网络攻击分布图。本发明当监测到疑似的网络攻击行为时，通过数据报文建模分析是否存在攻击特征，是否存在需要进行重点监测防护；而后确认攻击序列，从大量电力移动网络数据中，快速定位到监测攻击行为；通过高斯分布模型计算网络攻击的分布概率，通过分布概率统计分析网络攻击的分布，进而产生网络攻击行为的判断与预警。
-
公开(公告)号：CN105352541B
公开(公告)日：2017-12-08
申请号：CN201510660591.X
申请日：2015-10-14
Applicant: 国网福建省电力有限公司 , 国家电网公司 , 国网福建省电力有限公司电力科学研究院
Inventor： 吴丽进
IPC: G01D21/02
Abstract: 本发明涉及一种基于电网防灾减灾系统的变压器运行辅助监测系统及其监测方法，包括相互连接的现场数据收集模块、数据分析传输模块以及防灾减灾后台模块，所述的现场数据收集模块包括灾害预警信息监测单元以及与其相连的微气象监测单元、变压器声音收集单元、水浸监测单元；所述的数据分析传输模块包括声音信号过滤单元、异常判断单元以及信号传输单元，所述声音信号过滤单元包括频域能量检测器；所述的防灾减灾后台模块包括信号增强单元。本发明能够降低数据量，提高识别精度。
-
公开(公告)号：CN119202873A
公开(公告)日：2024-12-27
申请号：CN202410877844.8
申请日：2024-07-02
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: G06F18/2413 , G06F18/214 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于样本回放的网络流量分类方法及终端，基于网络流量对流量分类模型进行训练，基于训练后的流量分类模型和网络流量构建类别典型样本集和类别采样样本集，对类别典型样本集和类别采样样本集进行数据增强，基于增强后的类别典型样本集和类别采样样本集以及新的网络流量使用知识蒸馏策略对训练后的流量分类模型进行训练，得到新的流量分类模型，重复样本集构建和模型训练步骤直至当前的预设增量学习周期结束，以此减缓模型对新数据的偏向，即便网络流量不断更新变化，也能确保流量分类模型始终保持最佳的流量分类能力，利用该流量分类模型能更准确地实现流量分类，从而有效提高流量分类的准确率。
-
公开(公告)号：CN118890280A
公开(公告)日：2024-11-01
申请号：CN202410837554.0
申请日：2024-06-26
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: H04L41/12 , H04L41/142 , H04L45/12
Abstract: 本发明公开了一种基于拓扑骨干的自治系统的风险评估方法及终端，提取AS网络中的骨干部分，根据AS网络中每一节点对的最短路径对于骨干部分的依赖程度计算每条最短路径的骨干依赖和非骨干依赖，根据每条最短路径的骨干依赖和非骨干依赖计算每一对节点对于骨干部分的节点对骨干依赖和节点对非骨干依赖，并根据节点对骨干依赖和节点对非骨干依赖计算每一节点对于骨干部分的核心依赖程度和非核心依赖程度，根据每一节点的核心依赖程度和非核心依赖程度确定节点的抗风险能力，利用了从路径到节点对到节点的多粒度信息，考虑了更深远的节点影响，具有同时体现局部与全局特征的能力，更准确地对待评估对象进行风险评估，有助于选择最佳的通信合作对象。
-
公开(公告)号：CN118316677A
公开(公告)日：2024-07-09
申请号：CN202410417340.8
申请日：2024-04-09
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
Abstract: 本发明涉及网络安全技术领域，提供一种基于强化学习的漏洞攻击路径规划的方法，其包括以下步骤：步骤1、建立机器人自主路径规划安全强化学习框架SSRL，包括两个部分：1.1、预测和禁止不安全行为的安全保障机制；1.2、能自恢复到先前安全状态的自恢复机制；步骤2：基于动态支持集的小样本推理式安全强化学习机器人路径规划，包括两个部分：2.1、安全探索部分；2.2、自恢复部分；步骤3、基于经验重利用机制的快速强化学习机器人路径规划。本发明能较佳地进行漏洞攻击路径规划。
-
Patent Agency Ranking
公开(公告)号：CN118013480A
公开(公告)日：2024-05-10
申请号：CN202311745473.X
申请日：2023-12-18
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于边缘计算框架的边缘计算应用程序云边安全管控方法，具体步骤包括：对接入物联网终端的边缘应用程序进行身份认证，首先通过边缘应用模块经边缘计算框架向云端的认证系统发起认证需求，在云端的认证系统完成身份认证，验证应用程序的合法性与授权状态；云端认证完成后生成一个代表身份的安全令牌作为所代表边缘应用程序的身份标识；在云端认证完成后在云端处生成一个动态密钥，并将所述安全令牌打包至动态密钥中，再发送至边缘计算框架；在边缘计算框架中检测是否存在动态密钥，将存在动态密钥的信息发送至边缘设备，对不存在动态密钥的信息进行拦截；在边缘设备处利用所述动态密匙进行身份认证，并同时进行本地认证。
-
公开(公告)号：CN117370573A
公开(公告)日：2024-01-09
申请号：CN202311326287.2
申请日：2023-10-13
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: G06F16/36 , G06N5/02 , G06N5/04 , G06F18/21 , G06F18/214 , G06N3/08 , G06F16/332 , G06N3/0442
Abstract: 本发明提出了基于认知推理的电力主设备故障知识图谱分析补全方法，采用认知双过程模型提高模型的表现能力，本方法首先，对电力主设备的故障日志进行处理，进行知识抽取，获得结构性数据；其次，定义本体并设计知识图谱，自顶向下地构建电力知识图谱；然后，利用双过程理论构建推理模型，在数据集上进行训练；最后，对模型进行测试，同时输出解结果和推理路径，从而实现高效、准确、可解释性强的图谱补全结果；本发明所述方法不但能获得较高的准确率，而且可以给出合理的推理路径，在推理结果存在错误时，依旧能为从业者提供一定的帮助。
-
公开(公告)号：CN107800706B
公开(公告)日：2021-03-30
申请号：CN201711075740.1
申请日：2017-11-06
Applicant: 国网福建省电力有限公司 , 国家电网公司 , 国网福建省电力有限公司电力科学研究院
Abstract: 本发明涉及一种基于高斯分布模型的网络攻击动态监测方法。首先，监测网络数据，采集网络报文特征值；而后，根据提取到的数据报文，分析具有疑似攻击行为的数据报文，得到攻击数据序列；再而，根据攻击数据序列采用高斯分布模型建立有效攻击数据的概率分布模型；最后，根据攻击数据序列建立网络攻击分布图。本发明当监测到疑似的网络攻击行为时，通过数据报文建模分析是否存在攻击特征，是否存在需要进行重点监测防护；而后确认攻击序列，从大量电力移动网络数据中，快速定位到监测攻击行为；通过高斯分布模型计算网络攻击的分布概率，通过分布概率统计分析网络攻击的分布，进而产生网络攻击行为的判断与预警。
-
公开(公告)号：CN118540098A
公开(公告)日：2024-08-23
申请号：CN202410442851.5
申请日：2024-04-12
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
Abstract: 本发明涉及电力网络技术领域，提供一种基于电力网络的可用于漏洞攻击路径隐藏的安全感知方法，包括：1)对具有安全约束的马尔可夫决策过程MDPs进行建模；2)对线性时间逻辑LTL规范进行建模；3)对入侵者攻击模型、初始状态的不透明度进行建模；4)对安全约束下的强化学习问题进行建模；5)构造MDP的初始状态估计器ISE，建成任务模型；6)用Q学习求解，得到最优策略，即完成安全感知。本发明的安全感知方法能够综合考虑电力网络路由的安全性需求、系统行为规范、初始状态的不透明度以及潜在的入侵者攻击，从而提供一种有效的强化学习方案来优化路由策略，保障电力网络在发送消息时的安全性。
-
公开(公告)号：CN118503452A
公开(公告)日：2024-08-16
申请号：CN202410775789.1
申请日：2024-06-17
Applicant: 国网福建省电力有限公司电力科学研究院 , 厦门大学 , 国网福建省电力有限公司
Abstract: 本发明提出了基于图节点采样与大语言模型的配电网故障归因分析方法，包括如下步骤：步骤一、设计多维度故障本体，用于指导故障数据的结构化；步骤二、构建知识图谱，用于存储和表示配电网中的故障信息；步骤三、集成大语言模型LLM，用于处理和分析故障信息；步骤四、使用基于强化学习的节点选择算法，从知识图谱中选择与当前分析任务最相关的节点，并将这些节点信息提供给大语言模型以增强其诊断预测能力；步骤五、通过精选的节点抽样，利用知识图谱与大型语言模型的集成来优化故障分析的精确性和效率。本发明利用强化学习动态选择关键信息节点，来增强大语言模型的故障分析能力。提高了故障诊断的准确性和效率，同时优化了系统的适应性和灵活性。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.095 seconds)
