一种工控数据特征重排序算法的自适应确定方法

    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

    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。

    基于工控异常检测的RBF改进方法、装置和设备

    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

    IPC分类号: G06K9/62 G06N3/04

    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。

    化学品库房的堆垛安全距离监测方法

    公开(公告)号:CN113034490B

    公开(公告)日:2023-10-10

    申请号:CN202110411747.6

    申请日:2021-04-16

    IPC分类号: G06T7/00 G06T17/20 G06F17/16

    摘要: 本发明涉及化学品库房的堆垛安全距离监测方法,包括:通过分别安装在两个预设位置处的两组双目相机对应获取两组背景图像信息和两组目标图像信息,根据两组背景图像信息确定出两个警戒线三维重建模型,同时根据两组背景图像信息和两组目标图像信息对应确定出两个被测堆垛三维重建模型,将两个被测堆垛三维重建模型拼接,得到目标被测堆垛三维重建模型,将两个警戒线三维重建模型拼接,得到目标警戒线三维重建模型。最后根据目标被测堆垛三维重建模型和目标警戒线三维重建模型确定出被测堆垛是否超界。本申请能够全方位自动判断被测堆垛是否超界,使得本申请降低了监测成本,提高了监测效率和监测准确率。

    基于多种群遗传算法工控入侵检测分类器参数选择方法

    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

    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。

    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

    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

    IPC分类号: H04L9/40 G06N3/00 G06N3/04

    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。

    一种工控数据特征重排序算法的自适应确定方法

    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

    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。