基于图卷积神经网络的移动办公用户异常行为检测方法

    公开(公告)号:CN116069607A

    公开(公告)日:2023-05-05

    申请号:CN202310068042.8

    申请日:2023-01-13

    摘要: 本发明公开了基于图卷积神经网络的移动办公用户异常行为检测方法,涉及用户实体行为分析技术领域,本发明通过采用知识图谱技术表示用户操作序列,为用户基线聚类保留了用户操作偏好信息;使用关系图卷积神经网络算法对用户操作图谱聚类出强关联实体集,解决了用户操作基线长度难以确定的问题,降低后期用户操作流数据与基线匹配的难度,提升了操作序列与基线匹配的准确率。本发明提出的通过寻找操作权值最大通路确定操作基线的方法,可完善操作基线语义、持续适应用户操作行为变化。同时,本发明通过构建服务器与客户端协同检测模型,可解决安卓设备受限于算力与带宽不足难以实时检测用户异常行为的问题。

    面向超融合电力数据中心的高可靠数据存储方法及装置

    公开(公告)号:CN113656361A

    公开(公告)日:2021-11-16

    申请号:CN202110950303.X

    申请日:2021-08-18

    摘要: 本发明提供了一种面向超融合电力数据中心的数据存储方法、装置及存储介质,涉及数据存储技术领域,包括:以超融合服务器作为数据存储节点;将每个数据存储节点的历史数据集放入基于长短时记忆和卷积神经网络的可靠度评估模型中,输出节点可靠度;将节点可靠度作为并行数据存储算法的输入,利用马尔可夫决策过程进行强化学习建模,确定网络状态集合、动作集合、状态转移概率以及奖励函数所对应的参量;并基于这些参量训练并行数据存储算法;并行数据存储算法包括Actor网络和Critic网络;利用训练好的并行数据存储算法按照文件队列模型选择在当前网络状态下存放文件的位置集合,对文件进行存放。本发明实现了超融合数据中心的高可靠数据存储。