-
公开(公告)号：CN111710365B
公开(公告)日：2022-04-08
申请号：CN202010525374.0
申请日：2020-06-10
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G16B40/00 , G06F40/247 , G06F16/36
Abstract: 本发明基于本体的蛋白质/基因同义词表构建方法，包括：a).数据源Uniprot、BioGRID和NCBI Gene的获取；b).数据文件的分割；c).上层本体的建立；d).Uniprot‑Swissprot向上层本体的映射和融合；e).BioGRID向上层本体的映射和融合；f).NCBI Gene向上层本体的映射和融合；g).同义词的去重。本发明的蛋白质/基因同义词表构建方法，建立了同义词规模上更全面、准确度上更可靠、分类信息上更细致的蛋白质/基因同义词表，为进行更高效、准确的文献数据挖掘提供了前提保证，是生物医药专家进行科研发现的有力辅助。
-
公开(公告)号：CN111710365A
公开(公告)日：2020-09-25
申请号：CN202010525374.0
申请日：2020-06-10
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G16B40/00 , G06F40/247 , G06F16/36
Abstract: 本发明基于本体的蛋白质/基因同义词表构建方法，包括：a).数据源Uniprot、BioGRID和NCBI Gene的获取；b).数据文件的分割；c).上层本体的建立；d).Uniprot-Swissprot向上层本体的映射和融合；e).BioGRID向上层本体的映射和融合；f).NCBI Gene向上层本体的映射和融合；g).同义词的去重。本发明的蛋白质/基因同义词表构建方法，建立了同义词规模上更全面、准确度上更可靠、分类信息上更细致的蛋白质/基因同义词表，为进行更高效、准确的文献数据挖掘提供了前提保证，是生物医药专家进行科研发现的有力辅助。
-
公开(公告)号：CN118886003B
公开(公告)日：2025-03-28
申请号：CN202411355197.0
申请日：2024-09-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442 , G06N3/092 , G06Q50/06 , G06N7/01
Abstract: 本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。
-
公开(公告)号：CN119005302B
公开(公告)日：2024-12-20
申请号：CN202411455446.3
申请日：2024-10-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N3/098 , G06F18/241 , G06N3/096 , G06F18/25
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于特征提取器与分类器灵活组合的联邦学习方法。所述方法包括：服务器初始化全局模型；如果是第一轮，则把本地分类器更新为全局分类器，如不是，则让本地分类器沿用上一轮次训练后的本地分类器；训练本地分类器，再对本地特征提取器进行训练，全局特征提取器生成全局特征锚点指导本地特征提取器的训练，同时让本地特征提取器先与全局分类器进行组合训练，再与本地分类器进行组合训练；基于客户端样本数量大小，生成聚合权重，并对本地模型聚合，得到新一轮的全局模型；重复步骤直到模型收敛或到达设定的通信轮次。本发明解决了模型性能下降、隐私泄露问题。
-
公开(公告)号：CN119155112A
公开(公告)日：2024-12-17
申请号：CN202411620659.7
申请日：2024-11-14
Applicant: 国网山东省电力公司电力科学研究院 , 浙江大学 , 山东省计算中心(国家超级计算济南中心)
Inventor： 王文婷 , 刘鑫 , 李迪 , 曹小亚 , 陈振娅 , 鉴庆之 , 刘吉龙 , 田博彦 , 田健 , 刘远龙 , 杨明 , 程鹏 , 王鑫 , 吴晓明 , 刘臣胜 , 秦佳峰 , 聂其贵 , 陈东
IPC: H04L9/40
Abstract: 本发明涉及网络流量技术领域，提供了一种智能电网Dos攻击检测方法、系统、介质、设备及程序。智能电网Dos攻击检测方法，包括：将同一条网络流量数据对应的三种特征进行合并，构建融合特征集；将融合特征集和对应的数值标签集作为输入，分别采用支持向量机和决策树，得到第一输出集和第二输出集；将第一输出集、第二输出集以及对应的数值标签集输入分类器，得到支持向量机的权重和决策树的权重，以构建多级决策模型；考虑多种性能指标，构建综合多维目标函数，对多级决策模型的超参数进行优化，得到优化后的多级决策模型，用于网络流量的Dos攻击检测。本发明能够快速识别智能电网中的DoS攻击行为，确保智能电网的安全运行。
-
公开(公告)号：CN118802373B
公开(公告)日：2024-12-13
申请号：CN202411268260.7
申请日：2024-09-11
Applicant: 国网山东省电力公司电力科学研究院 , 山东省计算中心(国家超级计算济南中心) , 浙江大学
Inventor： 王文婷 , 刘远龙 , 刘鑫 , 田博彦 , 曹小亚 , 吴晓明 , 田健 , 朱朝阳 , 王鑫 , 杨明 , 程鹏 , 冯冬芹 , 赵斌超 , 徐锋 , 庞向坤 , 徐征 , 刘京 , 聂其贵
Abstract: 本发明涉及智能电网安全访问领域，提供了一种智能电网安全访问控制方法、系统及终端设备。所述智能电网安全访问控制方法包括，根据访问过程中的关键设备的性能指标数据和网络流量数据以及接入网络设备的所有访问行为，分别计算接入网络设备的性能指标、网络流量以及访问行为各自对应的信任值；基于接入网络设备的性能指标、网络流量以及访问行为各自对应的信任值与各自相应阈值比较，确定出性能指标授权级别、网络流量授权级别以及访问行为授权级别；分别筛选出性能指标授权级别、网络流量授权级别以及访问行为授权级别中的最低级别，并作为接入网络设备最终授权级别，以确定出访问范围。本发明能够及时发现并有效应对安全威胁的演变。
-
公开(公告)号：CN118916806A
公开(公告)日：2024-11-08
申请号：CN202410929974.1
申请日：2024-07-11
Applicant: 青岛理工大学 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , H02J3/00 , G06F21/64 , G06F18/214
Abstract: 本发明公开了一种面向风电功率预测的FDI攻击检测方法，属于风电功率预测技术领域，所述方法包括：获取待检测的风电功率数据，得到待检测数据集；借鉴k折交叉验证的思想对所述待检测数据集进行初步划分，将其均分为k个子集；在每一轮迭代中，轮流选取其中一个子集作为测试集；使用训练完成的SAE对各测试集进行测试，计算SAE重构后的各测试集数据的重构误差；若满足公式：σ>σ0，且Rmax>μ+hσ，则将Rmax对应的具有最大重构误差的测试集标记为被攻击数据，并从所述待检测数据集中移除，原本的k折交叉验证相应地转变为k‑1折交叉验证，转至步骤S103。本发明能够增强风电预测模型的鲁棒性，提高风电厂的经济效益和电网的稳定性。
-
公开(公告)号：CN118802373A
公开(公告)日：2024-10-18
申请号：CN202411268260.7
申请日：2024-09-11
Applicant: 国网山东省电力公司电力科学研究院 , 山东省计算中心(国家超级计算济南中心) , 浙江大学
Inventor： 王文婷 , 刘远龙 , 刘鑫 , 田博彦 , 曹小亚 , 吴晓明 , 田健 , 朱朝阳 , 王鑫 , 杨明 , 程鹏 , 冯冬芹 , 赵斌超 , 徐锋 , 庞向坤 , 徐征 , 刘京 , 聂其贵
Abstract: 本发明涉及智能电网安全访问领域，提供了一种智能电网安全访问控制方法、系统及终端设备。所述智能电网安全访问控制方法包括，根据访问过程中的关键设备的性能指标数据和网络流量数据以及接入网络设备的所有访问行为，分别计算接入网络设备的性能指标、网络流量以及访问行为各自对应的信任值；基于接入网络设备的性能指标、网络流量以及访问行为各自对应的信任值与各自相应阈值比较，确定出性能指标授权级别、网络流量授权级别以及访问行为授权级别；分别筛选出性能指标授权级别、网络流量授权级别以及访问行为授权级别中的最低级别，并作为接入网络设备最终授权级别，以确定出访问范围。本发明能够及时发现并有效应对安全威胁的演变。
-
公开(公告)号：CN118468041B
公开(公告)日：2024-10-01
申请号：CN202410924362.3
申请日：2024-07-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/214 , G06F18/2135 , G06N3/094 , G06N3/098
Abstract: 本发明属于联邦学习数据安全的技术领域，更具体地，涉及基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质。包括客户端与服务器完成数据集的分配以及对客户端和服务器的模型进行初始化；客户端根据全局模型参数更新本地模型参数并进行训练，训练完成后，将更新后的本地模型参数发送至服务器；服务器进行拜占庭节点检测并排除掉拜占庭节点对应的本地模型参数后，对剩余的客户端本地模型参数进行聚合，得到新的全局模型参数，并下发至客户端；重复上述步骤至训练轮次阈值，得到优化的全局联邦学习模型参数。本发明解决了拜占庭攻击者可以通过对本地参数进行修改并发送给聚合服务器，以使得全局模型性能失稳的问题。
-
公开(公告)号：CN118070929B
公开(公告)日：2024-09-17
申请号：CN202410465104.3
申请日：2024-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06N20/20 , G06F18/2431
Abstract: 本发明属于分布式机器学习系统优化的技术领域，涉及一种分布式机器学习系统中梯度异构双重优化方法、装置、电子设备及存储介质。该方法包括：构建包含#imgabs0#个节点和单个参数服务器的分布式学习系统，节点为诚实节点和恶意节点；基于诚实节点从其局部数据集选取的数据样本，计算并修正数据样本的局部梯度，以迭代优化本地梯度差异；引入动量项，将修正后的局部梯度与上一迭代轮次的动量向量结合，再将得到的当前迭代轮次的动量向量归一化为单位动量向量发送给参数服务器，得到局部聚合结果；对局部聚合结果进行全局聚合，以迭代优化全局梯度差异。本发明解决了由于本地梯度差异和全局梯度差异而制约系统在面对恶意节点和攻击时的鲁棒性表现的问题。
