-
公开(公告)号：CN113568368A
公开(公告)日：2021-10-29
申请号：CN202110867814.5
申请日：2021-07-30
申请人： 北京石油化工学院
IPC分类号： G05B19/408
摘要： 本发明涉及一种工控数据特征重排序算法的自适应确定方法，通过基于不同特征重排序算法对数据集进行特征选择；基于机器学习算法对重排序后的数据集进行训练记录准确率、召回率和时间，并对数据集计算预设评价指标，以生成相应的指标数据集合；对指标数据集合使用机器学习算法建立选择最优重排序算法的决策树；并使用决策树对输入的目标数据集的指标数据进行处理，以得到和目标数据集相匹配的特征重排序算法。实现了能够自动挑选出和目标数据集匹配度最好的特征重排序算法，从而提高了数据集特征重排序算法的准确度和效率，为工控数据的异常检测提供了保证。
-
公开(公告)号：CN112351033B
公开(公告)日：2022-09-13
申请号：CN202011228033.3
申请日：2020-11-06
申请人： 北京石油化工学院
摘要： 本发明涉及一种工控网络中基于双种群遗传算法的深度学习入侵检测方法，所述深度学习入侵检测方法通过构建的新型工控网络入侵检测模型来实现对工控网络是否存在入侵行为进行预测。本模型结合双种群遗传算法、退火算法、基于种群交流的选择策略、哈希字典存储策略以及精英主义策略，有机整合各类算法和优化策略的功能，进而得到改进的深度神经网络模型，本方法通过使用新型工控网络检测模型能够实现对工控网络中的入侵行为更快速、更准确的检测，本发明所述的检测方法具有较低的漏报率和误报率，且能够满足工控网络实际场景的需求。
-
公开(公告)号：CN113065606A
公开(公告)日：2021-07-02
申请号：CN202110418515.3
申请日：2021-04-19
申请人： 北京石油化工学院
摘要： 本发明涉及一种基于轻量级深度学习的异常点位检测方法及系统，该方法通过构建轻量级卷积神经网络模型，并进行模型训练，得到异常点位检测模型，从而实现从生产现场实测数据集中定位出可能被攻击的异常点位数据，由于本发明提供的技术方案，是基于轻量级卷积神经网络模型实现的，在保证正确率的情况下，算法模型小、训练速度快，并能够识别可能的被攻击点位，解决了现有技术中安全防护系统只能给出生产数据是否异常的分类结果，但不能识别哪些点位受到攻击的问题，用户体验度好、满意度高。
-
公开(公告)号：CN113128655A
公开(公告)日：2021-07-16
申请号：CN202110494541.4
申请日：2021-05-07
申请人： 北京石油化工学院
摘要： 本申请提供一种基于多种群遗传算法工控入侵检测分类器参数选择方法，包括：获取数据，设定不同的遗传算法参数；根据设定初始种群的规模随机生成指定数量的个体，将初始种群的每个个体放入分类器得到对应的适应度值，按照适应度值进行排序，从高到低划分为种群一、种群二和保留种群；循环控制三个种群进行进化，不同种群采取不同的进化方式；每一次进化结束后分别将种群一和种群二的最优个体放入优质种群中；在确定循环进行时，每代循环开始前，按照预设规则令保留种群向种群一和种群二提供新的基因型；直至执行达到指定代数停止循环；使用定向进化算子令优质群体再次进化，得到最优个体；基于所述最优个体进行解码得到最优参数。
-
公开(公告)号：CN111741018B
公开(公告)日：2020-12-01
申请号：CN202010720078.6
申请日：2020-07-24
申请人： 中国航空油料集团有限公司 , 北京石油化工学院
摘要： 本发明公开了工控数据攻击样本生成方法、系统、电子设备及存储介质，涉及工业控制系统攻击样本生成技术领域。一种工控数据攻击样本生成方法，包括：从业务数据集中抽取正例样本形成正例样本数据集；攻击样本也称为负例样本。对所述正例样本数据集进行攻击，生成的攻击样本集合称为预攻击样本数据集；对于所述的预攻击样本数据集生成稀疏矩阵，并采用SGD方法进行填充，生成初始攻击样本；基于所述初始攻击样本数据集采用双判别模型的生成式对抗网络形成攻击样本生成模型；调用所述攻击样本生成模型生成攻击样本数据集。采用本发明的技术方案，能够批量的高效生成对抗性较强的高质量工控系统攻击样本集合。
-
公开(公告)号：CN113568368B
公开(公告)日：2022-12-23
申请号：CN202110867814.5
申请日：2021-07-30
申请人： 北京石油化工学院
IPC分类号： G05B19/408
摘要： 本发明涉及一种工控数据特征重排序算法的自适应确定方法，通过基于不同特征重排序算法对数据集进行特征选择；基于机器学习算法对重排序后的数据集进行训练记录准确率、召回率和时间，并对数据集计算预设评价指标，以生成相应的指标数据集合；对指标数据集合使用机器学习算法建立选择最优重排序算法的决策树；并使用决策树对输入的目标数据集的指标数据进行处理，以得到和目标数据集相匹配的特征重排序算法。实现了能够自动挑选出和目标数据集匹配度最好的特征重排序算法，从而提高了数据集特征重排序算法的准确度和效率，为工控数据的异常检测提供了保证。
-
公开(公告)号：CN112348080A
公开(公告)日：2021-02-09
申请号：CN202011228032.9
申请日：2020-11-06
申请人： 北京石油化工学院
摘要： 本发明涉及工控异常检测技术领域，具体涉及一种基于工控异常检测的RBF改进方法、装置和设备，所述方法包括采集工业控制系统的网络数据，对网络数据进行预处理得到样本网络数据，基于减聚类算法，在样本网络数据中确定隐节点的聚类中心，并根据聚类中心确定隐节点的扩展常数，基于灰狼算法，进一步确定隐节点的输出权重，根据聚类中心、扩展常数和输出权重确定改进后的RBF优化模型。本发明提供的技术方案，通过减聚类算法与灰狼优化算法优化RBF模型的聚类中心、扩展常数和输出权重等网络参数，避免陷入极小值，提高运算效率与分类正确度，适用于高维冗余的工控数据集，能够快速判断工业控制系统的网络行为是否存在异常，避免网络攻击带来的损失。
-
公开(公告)号：CN113128655B
公开(公告)日：2024-02-02
申请号：CN202110494541.4
申请日：2021-05-07
申请人： 北京石油化工学院
IPC分类号： G06N3/006 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/126
摘要： 本申请提供一种基于多种群遗传算法工控入侵检测分类器参数选择方法，包括：获取数据，设定不同的遗传算法参数；根据设定初始种群的规模随机生成指定数量的个体，将初始种群的每个个体放入分类器得到对应的适应度值，按照适应度值进行排序，从高到低划分为种群一、种群二和保留种群；循环控制三个种群进行进化，不同种群采取不同的进化方式；每一次进化结束后分别将种群一和种群二的最优个体放入优质种群中；在确定循环进行时，每代循环开始前，按照预设规则令保留种群向种群一和种群二提供新的基因型；直至执行达到指定代数停止循环；使用定向进化算子令优质群体再次进化，得到最优个体；基于所述最优个体进行解码得到最优参(56)对比文件Xuejun Liu等.A Method Based onMultiple Population Genetic Algorithm toSelect Hyper-Parameters of IndustrialIntrusion Detection Classifier.Studies inInformatics and Control.2021,第30卷(第3期),第39-49页.Abdullah Konak等.Multi-objectiveoptimization using genetic algorithms: Atutorial.Relibaility Engineering & SystemSafety.2006,第91卷(第9期),第992-1007页.周松儒等.一种基于多种群的退火DNA遗传算法.计算机仿真.2013,第30卷(第11期),第338-342页.
-
公开(公告)号：CN113065606B
公开(公告)日：2023-11-17
申请号：CN202110418515.3
申请日：2021-04-19
申请人： 北京石油化工学院
IPC分类号： G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于轻量级深度学习的异常点位检测方法及系统，该方法通过构建轻量级卷积神经网络模型，并进行模型训练，得到异常点位检测模型，从而实现从生产现场实测数据集中定位出可能被攻击的异常点位数据，由于本发明提供的技术方案，是基于轻量级卷积神经网络模型实现的，在保证正确率的情况下，算法模型小、训练速度快，并能够识别可能的被攻击点位，解决了现有技术中安全防护系统只能给出生产数据是否异常的分类结果，但不能识别哪些点位受到攻击的问题，用户体验度好、满意度高。
-
公开(公告)号：CN113032150A
公开(公告)日：2021-06-25
申请号：CN202110338871.4
申请日：2021-03-30
申请人： 北京石油化工学院
摘要： 本申请涉及一种卷积神经网络模型的剪裁方法及智能工控系统，属于深度学习技术领域，本申请的方法包括，选取卷积神经网络模型中要进行剪裁的目标元素；在模型迭代训练中，对模型中各目标元素的度量值在前预定轮次迭代中的变化进行统计计算，得到各目标元素的度量值在前预定轮次迭代中的变化量；将各变化量与评价阈值分别进行比较判断，当变化量大于等于评价阈值时，确定该变化量所对应的目标元素在后续轮次迭代中保留，否则确定该变化量所对应的目标元素在后续轮次迭代中删除。本申请可有效得到满足边缘计算要求的卷积神经网络模型。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.036 秒)