-
公开(公告)号：CN115118532A
公开(公告)日：2022-09-27
申请号：CN202211050159.5
申请日：2022-08-31
Applicant: 中国人民解放军战略支援部队航天工程大学
Abstract: 本发明涉及网络安全技术领域，具体公开了基于改进D3QN算法的SDN下自适应威胁缓解方法及系统，包括架设SDN下自适应威胁缓解架构，SDN下自适应威胁缓解架构包括深度强化学习代理、SDN基础设施和主机配置；深度强化学习代理为基于改进D3QN算法搭建的深度神经网络，SDN基础设施用于获取网络观测状态，主机配置用于反馈服务质量和攻击进度；训练基于改进D3QN算法搭建的深度神经网络，以获得自适应威胁缓解代理；基于自适应威胁缓解代理输出最优自适应网络威胁缓解策略，基于最优自适应网络威胁缓解策略来改变网络安全部署；该方法对D3QN算法进行改进，使改进后的D3QN算法对于长序列、不完全信息的观测环境效果更好，产生更好网络威胁缓解策略。
-
公开(公告)号：CN115314133B
公开(公告)日：2023-01-31
申请号：CN202211237155.8
申请日：2022-10-11
Applicant: 中国人民解放军战略支援部队航天工程大学
IPC: H04B17/309 , H04L41/16 , G06N20/00
Abstract: 本发明涉及信息与通信工程技术领域，具体公开了一种基于矩阵补全的路径损耗数据增强方法及系统，包括基于发射基站和监测站点的特征属性数据构建特征属性数据集，并获取少量监测站点的路径损耗实测值；将特征属性数据集中的数据输入经验预测模型中进行计算，从而获得该监测站点的经验模型路径损耗预测值；基于经验模型路径损耗预测值和少量监测站点的路径损耗实测值，构建路径损耗稀疏低秩矩阵；将路径损耗稀疏低秩矩阵进行补全，以获得补全的路径损耗矩阵；将补全的路径损耗矩阵与特征属性数据集中的数据进行结合，从而形成增强数据训练集；基于增强数据训练集对模型进行训练；该方法避免了获取大量测量数据，有效地扩充了数据集。
-
Patent Agency Ranking
公开(公告)号：CN115134174B
公开(公告)日：2022-11-25
申请号：CN202211058834.9
申请日：2022-08-31
Applicant: 中国人民解放军战略支援部队航天工程大学
Abstract: 本发明涉及网络安全技术领域，具体公开了基于改进Actor‑Critic算法的SDN下自适应威胁缓解方法及系统，包括架设SDN下自适应威胁缓解架构，SDN下自适应威胁缓解架构包括深度强化学习代理，其为基于改进Actor‑Critic算法搭建的深度神经网络；训练基于改进Actor‑Critic算法搭建的深度神经网络，以获得自适应威胁缓解代理；基于自适应威胁缓解代理输出最优自适应网络威胁缓解策略，基于最优自适应网络威胁缓解策略来改变网络安全部署；该方法对Actor‑Critic算法进行改进，对于长序列、不完全信息的观测环境效果更好，能产生更好网络威胁缓解策略。
-
公开(公告)号：CN115314133A
公开(公告)日：2022-11-08
申请号：CN202211237155.8
申请日：2022-10-11
Applicant: 中国人民解放军战略支援部队航天工程大学
IPC: H04B17/309 , H04L41/16 , G06N20/00
Abstract: 本发明涉及信息与通信工程技术领域，具体公开了一种基于矩阵补全的路径损耗数据增强方法及系统，包括基于发射基站和监测站点的特征属性数据构建特征属性数据集，并获取少量监测站点的路径损耗实测值；将特征属性数据集中的数据输入经验预测模型中进行计算，从而获得该监测站点的经验模型路径损耗预测值；基于经验模型路径损耗预测值和少量监测站点的路径损耗实测值，构建路径损耗稀疏低秩矩阵；将路径损耗稀疏低秩矩阵进行补全，以获得补全的路径损耗矩阵；将补全的路径损耗矩阵与特征属性数据集中的数据进行结合，从而形成增强数据训练集；基于增强数据训练集对模型进行训练；该方法避免了获取大量测量数据，有效地扩充了数据集。
-
公开(公告)号：CN116796139A
公开(公告)日：2023-09-22
申请号：CN202310380015.4
申请日：2023-04-11
Applicant: 中国人民解放军战略支援部队航天工程大学
IPC: G06F18/15 , G06F18/213 , G06F18/232
Abstract: 本发明提供一种基于改进平行坐标的多维频谱态势可视化分析方法，其包括以下步骤：步骤1：以频谱数据的辐射源为核心，基于辐射源空间位置、信号类型、场强、时间、频率五个维度的信息构建平行坐标系，在该平行坐标系中频谱数据表示为E＝(Location，Type，Energy，Time，Frequency)；步骤2：基于平行坐标系，采用双重距离空间聚类方法建立平行坐标，基于平行坐标标记频谱数据中的所有点；步骤3：利用相似性度量确定频谱数据中边捆绑的簇；步骤4：采用力引导布局捆绑算法对同一簇的边进行捆绑。
-
公开(公告)号：CN115118532B
公开(公告)日：2022-11-25
申请号：CN202211050159.5
申请日：2022-08-31
Applicant: 中国人民解放军战略支援部队航天工程大学
Abstract: 本发明涉及网络安全技术领域，具体公开了基于改进D3QN算法的SDN下自适应威胁缓解方法及系统，包括架设SDN下自适应威胁缓解架构，SDN下自适应威胁缓解架构包括深度强化学习代理、SDN基础设施和主机配置；深度强化学习代理为基于改进D3QN算法搭建的深度神经网络，SDN基础设施用于获取网络观测状态，主机配置用于反馈服务质量和攻击进度；训练基于改进D3QN算法搭建的深度神经网络，以获得自适应威胁缓解代理；基于自适应威胁缓解代理输出最优自适应网络威胁缓解策略，基于最优自适应网络威胁缓解策略来改变网络安全部署；该方法对D3QN算法进行改进，使改进后的D3QN算法对于长序列、不完全信息的观测环境效果更好，产生更好网络威胁缓解策略。
-
公开(公告)号：CN115134174A
公开(公告)日：2022-09-30
申请号：CN202211058834.9
申请日：2022-08-31
Applicant: 中国人民解放军战略支援部队航天工程大学
Abstract: 本发明涉及网络安全技术领域，具体公开了基于改进Actor‑Critic算法的SDN下自适应威胁缓解方法及系统，包括架设SDN下自适应威胁缓解架构，SDN下自适应威胁缓解架构包括深度强化学习代理，其为基于改进Actor‑Critic算法搭建的深度神经网络；训练基于改进Actor‑Critic算法搭建的深度神经网络，以获得自适应威胁缓解代理；基于自适应威胁缓解代理输出最优自适应网络威胁缓解策略，基于最优自适应网络威胁缓解策略来改变网络安全部署；该方法对Actor‑Critic算法进行改进，对于长序列、不完全信息的观测环境效果更好，能产生更好网络威胁缓解策略。
-
-
-
-
-
-
Search Results
7
records
(took 0.077 seconds)
