-
公开(公告)号：CN113657429B
公开(公告)日：2023-07-07
申请号：CN202110736231.9
申请日：2021-06-30
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
Abstract: 本发明提供一种面向数字孪生城市物联网的数据融合方法及装置，方法包括：获取物联网终端的异常类别的完整命题识别框架和物联网终端的系统属性数据支持度；根据完整命题识别框架中各个命题的支持区间，将系统属性数据支持度转化为DS证据理论中的证据；基于有序加权平均OWA算子融合证据。所述装置用于执行上述方法。本发明根据物联网应用终端构建完整命题识别框架及系统属性数据支持度，基于完整命题识别框架中各命题的支持区间，将系统属性数据支持度转化为证据后应用OWA算子完成数据的融合，有效解决证据之间存在较大冲突问题的同时，保证了冲突证据持有一定权重，能够显著提高对物联网终端异常预测的准确性和可靠性。
-
公开(公告)号：CN113657429A
公开(公告)日：2021-11-16
申请号：CN202110736231.9
申请日：2021-06-30
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
IPC: G06K9/62
Abstract: 本发明提供一种面向数字孪生城市物联网的数据融合方法及装置，方法包括：获取物联网终端的异常类别的完整命题识别框架和物联网终端的系统属性数据支持度；根据完整命题识别框架中各个命题的支持区间，将系统属性数据支持度转化为DS证据理论中的证据；基于有序加权平均OWA算子融合证据。所述装置用于执行上述方法。本发明根据物联网应用终端构建完整命题识别框架及系统属性数据支持度，基于完整命题识别框架中各命题的支持区间，将系统属性数据支持度转化为证据后应用OWA算子完成数据的融合，有效解决证据之间存在较大冲突问题的同时，保证了冲突证据持有一定权重，能够显著提高对物联网终端异常预测的准确性和可靠性。
-
公开(公告)号：CN113507447B
公开(公告)日：2022-09-13
申请号：CN202110671353.4
申请日：2021-06-17
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
Abstract: 本发明提供一种网络流量数据的自适应增强方法及装置，方法包括：基于层次凝聚聚类HAC算法对原始网络流量数据集进行聚类，并根据不平衡比确定少数类聚类；获取少数类聚类中少数类样本的稀疏度权重和数量权重；根据稀疏度权重和数量权重，确定少数类合成样本数量；基于过采样算法和少数类合成样本数量，对原始网络流量数据集进行数据增强。所述装置用于执行上述方法。本发明利用HAC聚类算法不需要参数的特性，减少需要预先设置的参数，降低噪声的影响，并且提出根据聚类中样本稀疏度和样本数量比例分配每个聚类合成样本数量的方案，能够自适应分配每个聚类需要合成新样本的数量，解决了现有技术中合成样本依赖信息不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN113507447A
公开(公告)日：2021-10-15
申请号：CN202110671353.4
申请日：2021-06-17
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
Abstract: 本发明提供一种网络流量数据的自适应增强方法及装置，方法包括：基于层次凝聚聚类HAC算法对原始网络流量数据集进行聚类，并根据不平衡比确定少数类聚类；获取少数类聚类中少数类样本的稀疏度权重和数量权重；根据稀疏度权重和数量权重，确定少数类合成样本数量；基于过采样算法和少数类合成样本数量，对原始网络流量数据集进行数据增强。所述装置用于执行上述方法。本发明利用HAC聚类算法不需要参数的特性，减少需要预先设置的参数，降低噪声的影响，并且提出根据聚类中样本稀疏度和样本数量比例分配每个聚类合成样本数量的方案，能够自适应分配每个聚类需要合成新样本的数量，解决了现有技术中合成样本依赖信息不足的问题。
-
公开(公告)号：CN114338437B
公开(公告)日：2023-12-29
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06F18/2415 , G06F18/214
Abstract: 量分类网络模型识别的准确率。本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对(56)对比文件葛宁玲《.基于相关性分析的多维数据融合方法》《.中国优秀硕士学位论文全文数据库信息科技辑》.2021,(第05期),全文.王靖华，何迪《.基于数据包字节长度的线性自回归(Autoregression)和支持向量分类机(SVM)的网络流量预测建模与分析》《.微型电脑应用》.2005,(第11期),1-3,23.Yonghua Huo;Chunxiao Song;Sheng Gao;Haodong Yang;Yu Yan;Yang Yang《.NetworkTraffic Prediction Method Based on TimeSeries Characteristics》《.10thInternational Conference on ComputerEngineering and Networks》.2020,全文.
-
公开(公告)号：CN114844767B
公开(公告)日：2024-11-26
申请号：CN202210452164.2
申请日：2022-04-27
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: H04L41/0631 , H04L41/14 , H04L41/142 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/092
Abstract: 本发明涉及网络告警领域，具体涉及一种基于对抗生成网络的告警数据生成方法。首先，预处理输入数据，包括去除无用信息、编码、填充等操作。然后用交叉熵损失函数预训练生成器及判别器。在对抗训练阶段，引入强化学习方法及结合Bandit算法的上限置信区间搜索算法，完成对离散数据训练过程的参数更新传递及不完整序列的模拟。在经过多轮训练过后，最终，使用训练完成的生成器生成一批告警数据。本发明针对判别器难以分辨不完整序列是否为真实数据的问题，引入结合Bandit算法的上限置信区间搜索算法，将不完整序列模拟为完整的告警数据，从而可以在生成器生成数据的任意时刻都可以通过判别器得到奖励值。
-
公开(公告)号：CN114338437A
公开(公告)日：2022-04-12
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06K9/62
Abstract: 本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对应的流量分类结果训练后得到的。本发明为字节序列中的每个字节分别进行位置编码，可以有效提取字节序列中各字节的关键位置信息，提高流量分类网络模型识别的准确率。
-
公开(公告)号：CN114844767A
公开(公告)日：2022-08-02
申请号：CN202210452164.2
申请日：2022-04-27
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: H04L41/0631 , H04L41/14 , H04L41/142 , G06N3/04
Abstract: 本发明涉及网络告警领域，具体涉及一种基于对抗生成网络的告警数据生成方法。首先，预处理输入数据，包括去除无用信息、编码、填充等操作。然后用交叉熵损失函数预训练生成器及判别器。在对抗训练阶段，引入强化学习方法及结合Bandit算法的上限置信区间搜索算法，完成对离散数据训练过程的参数更新传递及不完整序列的模拟。在经过多轮训练过后，最终，使用训练完成的生成器生成一批告警数据。本发明针对判别器难以分辨不完整序列是否为真实数据的问题，引入结合Bandit算法的上限置信区间搜索算法，将不完整序列模拟为完整的告警数据，从而可以在生成器生成数据的任意时刻都可以通过判别器得到奖励值。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.17 seconds)
