一种基于模糊匹配的工控网络入侵智能感知方法

    公开(公告)号:CN112910841A

    公开(公告)日:2021-06-04

    申请号:CN202110048287.5

    申请日:2021-01-14

    摘要: 本发明公开了一种基于模糊匹配的工控网络入侵智能感知方法,包含:S1、构建模拟网络环境E;S2、构建网络攻击特征库B的哈希索引H;S3、在模拟网络环境E中重放网络攻击集合A中的每个网络攻击,提取并记录各个网络攻击对应的特征向量;S4、步骤S3所得的各个网络攻击对应的特征向量集合于特征向量集S中,构建特征向量集S的前缀索引树T;S5、模糊查询所述前缀索引树T,判断待检流量x是否为网络攻击流量。其优点是:该方法通过构建网络攻击特征库的索引,然后在索引基础上执行模糊查询来判断待检流量的特征向量是否与已知攻击流量的特征向量近似,从而提升对已知网络攻击的同族或变种的检出能力。

    一种采用全文索引的网络攻击入侵检测方法

    公开(公告)号:CN111556014A

    公开(公告)日:2020-08-18

    申请号:CN202010214124.5

    申请日:2020-03-24

    IPC分类号: H04L29/06 G06K9/62

    摘要: 本发明涉及一种采用全文索引的网络攻击入侵检测方法,包括以下步骤:1)建立模拟网络环境E,并生成正常网络流量和已知攻击异常流量;2)分别获取正常网络流量和已知攻击异常流量中各数据包的字面值;3)根据获取的字面值构建广义后缀数组SA和广义最长公共前缀数组LCPA;4)利用广义后缀数组SA和广义最长公共前缀数组LCPA,搜寻已知攻击异常流量中所有的公共字面值,作为潜在攻击特征;5)将潜在攻击特征作为训练集,训练二分类判决模型;6)利用训练完成的二分类判决模型判断被检测流量是否为异常流量,与现有技术相比,本发明具有检出率高且执行效率高等优点。

    基于深度学习的风电机组运行风险智能检测方法及设备

    公开(公告)号:CN118517383A

    公开(公告)日:2024-08-20

    申请号:CN202410977067.4

    申请日:2024-07-22

    摘要: 本发明涉及一种基于深度学习的风电机组运行风险智能检测方法及设备,所述方法包括以下步骤:从待测风电机组运行数据中获取关键特征向量,以所述关键特征向量作为经训练的异常检测智能模型的输入,获取运行风险检测结果;其中,所述关键特征向量采用错误感知马尔可夫毯算法对风电机组海量运行状态进行特征选择确定;所述异常检测智能模型训练时,将正常数据标记为负类,异常数据标记为正类,利用双注意力机制从全局和局部视角下采用对比学习方法分析和学习风电机组运行数据的特征表示,最大化正常样本特征表示的一致性和异常样本特征表示的差异性。与现有技术相比,本发明具有在减少特征数量的同时提高异常检测能力等优点。

    一种电力数据共享方法、装置和介质

    公开(公告)号:CN117852051A

    公开(公告)日:2024-04-09

    申请号:CN202311707697.1

    申请日:2023-12-12

    IPC分类号: G06F21/60

    摘要: 本发明涉及一种电力数据共享方法、装置和介质,包括以下步骤:建立共享查询表,所述共享查询表包括第一数据单元和第二数据单元;接收共享配置信息和与所述共享配置信息一一对应的共享电力数据,生成相应共享电力数据的访问路径,存储至所述第一数据单元;获取所述第一数据单元中各访问路径的累计共享信息,判断是否满足第一转移条件,若是,则将相应访问路径转移至所述第二数据单元中;接收访问请求并进行一次验证,一次验证通过后依次判断所述第一数据单元和所述第二数据单元中是否存在符合条件的访问路径,若是,则发送相应访问路径,共享对应的电力数据。与现有技术相比,本发明可以保证电力数据数据共享的安全性和高效性。