-
公开(公告)号：CN116760742B
公开(公告)日：2024-06-21
申请号：CN202310749445.9
申请日：2023-06-21
Applicant: 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国网上海市电力公司 , 南京航空航天大学 , 国家电网有限公司
Inventor： 胡游君 , 刘金锁 , 邱玉祥 , 刘军 , 邹徐熹 , 沈耀威 , 顾亚林 , 李马峰 , 张俊杰 , 邱文元 , 施健 , 刘皓 , 谢伟 , 唐跃中 , 张王俊 , 卢士达 , 张露维 , 冯天波 , 何旭东 , 卲佳炜 , 王虹岚 , 时宽治 , 李静 , 羊麟威
IPC: H04L43/0823 , G06F18/2433 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08 , H04L43/0888
Abstract: 本发明公开了一种基于多阶段时空融合的网络流量深度异常检测方法及系统，首先使用图注意力网络和门控时间卷积网络分别提取网络流量的时空特征，然后采用双仿射模块对时空特征进行深度融合，并提出了多阶段逐层传播机制来增强模型对原始数据的特征提取，提高模型的异常识别能力，再通过对自编码器采用对抗训练的方式来放大异常的重构误差，增加了双解码器对异常样本的区分能力。本发明有效的提高了模型的泛化能力和拟合能力，同时对中间潜变量特征表示运用K‑means算法进行特征聚类，将特征与簇心的最大距离作为判断异常的标准之一，有效的减少了模型的虚警率。
-
公开(公告)号：CN116760742A
公开(公告)日：2023-09-15
申请号：CN202310749445.9
申请日：2023-06-21
Applicant: 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国网上海市电力公司 , 南京航空航天大学 , 国家电网有限公司
Inventor： 胡游君 , 刘金锁 , 邱玉祥 , 刘军 , 邹徐熹 , 沈耀威 , 顾亚林 , 李马峰 , 张俊杰 , 邱文元 , 施健 , 刘皓 , 谢伟 , 唐跃中 , 张王俊 , 卢士达 , 张露维 , 冯天波 , 何旭东 , 卲佳炜 , 王虹岚 , 时宽治 , 李静 , 羊麟威
IPC: H04L43/0823 , G06F18/2433 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08 , H04L43/0888
Abstract: 本发明公开了一种基于多阶段时空融合的网络流量深度异常检测方法及系统，首先使用图注意力网络和门控时间卷积网络分别提取网络流量的时空特征，然后采用双仿射模块对时空特征进行深度融合，并提出了多阶段逐层传播机制来增强模型对原始数据的特征提取，提高模型的异常识别能力，再通过对自编码器采用对抗训练的方式来放大异常的重构误差，增加了双解码器对异常样本的区分能力。本发明有效的提高了模型的泛化能力和拟合能力，同时对中间潜变量特征表示运用K‑means算法进行特征聚类，将特征与簇心的最大距离作为判断异常的标准之一，有效的减少了模型的虚警率。
-
Patent Agency Ranking
公开(公告)号：CN116522265A
公开(公告)日：2023-08-01
申请号：CN202310462292.X
申请日：2023-04-25
Applicant: 国网上海市电力公司 , 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 南京航空航天大学
Inventor： 谢伟 , 吴金龙 , 顾荣斌 , 何旭东 , 方晓蓉 , 邵佳炜 , 张晶 , 潘晨灵 , 刘文意 , 刘金锁 , 胡游君 , 周忠冉 , 李马峰 , 蔡世龙 , 潘安顺 , 顾亚林 , 张俊杰 , 邱文元 , 富思 , 李静 , 时宽治 , 王虹岚
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明公开了基于多尺度双向时空信息融合的工业互联网时序数据异常检测方法及装置，包括基于GAT和BiLSTM的双向时空特征提取、基于多尺度门控TCN的多尺度特征提取、基于双仿射的特征融合编码、基于变分自编码的对抗训练的和基于工业时序数据重构误差的异常检测。本发明首先通过构建的双向时空特征提取模块依次捕获多个时间序列之间的相关性和双向依赖性。其次，采用设计的多尺度特征提取模块自适应的提取时间序列的多尺度时序特征，并引入双仿射特征融合编码模块实现多尺度时序特征和双向时空特征的交叉融合，增强模型对原始数据的特征提取。最后，提出了结合对抗训练的变分自编码器来放大异常的重构误差并增强模型对训练数据噪声的抗干扰能力，提高了本发明对异常数据的区分能力和检测性能。
-
公开(公告)号：CN115185736A
公开(公告)日：2022-10-14
申请号：CN202211098648.8
申请日：2022-09-09
Applicant: 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于图卷积神经网络的微服务调用链异常检测方法及装置，包括基于BiLSTM的属性依赖图构建、自注意力映射图构建、基于对偶图卷积互注意力神经网络的信息融合和基于多层感知机的异常检测。本发明通过为微服务间调用响应时间和执行路径构建属性依赖图和自注意力映射图，实现微服务调用链响应时间和执行路径的有效处理和统一建模，再通过多层对偶图卷积神经网络的传递和基于互注意力机制的信息融合，生成调用链数据的有效特征嵌入表示，同时该模型可有效处理调用链执行路径缺失而导致性能降低的问题，提升了微服务调用链异常检测的精度和鲁棒性。
-
公开(公告)号：CN115185736B
公开(公告)日：2023-01-31
申请号：CN202211098648.8
申请日：2022-09-09
Applicant: 南京航空航天大学 , 国网安徽省电力有限公司信息通信分公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于图卷积神经网络的微服务调用链异常检测方法及装置，包括基于BiLSTM的属性依赖图构建、自注意力映射图构建、基于对偶图卷积互注意力神经网络的信息融合和基于多层感知机的异常检测。本发明通过为微服务间调用响应时间和执行路径构建属性依赖图和自注意力映射图，实现微服务调用链响应时间和执行路径的有效处理和统一建模，再通过多层对偶图卷积神经网络的传递和基于互注意力机制的信息融合，生成调用链数据的有效特征嵌入表示，同时该模型可有效处理调用链执行路径缺失而导致性能降低的问题，提升了微服务调用链异常检测的精度和鲁棒性。
-
公开(公告)号：CN114897694B
公开(公告)日：2024-09-24
申请号：CN202210503215.X
申请日：2022-05-10
Applicant: 南京航空航天大学
IPC: G06T3/4053
Abstract: 本发明公开了基于混合注意力和双层监督的图像超分辨率重建方法，包括获取高分辨率的标签图像和参考图像并对其进行下采样，构建得到数据集；对数据集的图像进行多尺度特征提取；利用transformer注意力从参考图像特征中获得对应特征；利用通道注意力对提取的对应特征自适应优化处理得到迁移特征；将迁移特征与低分辨率图像特征通过解码器网络融合实现高质量的图像重建，并采用双层监督信号更新网络参数最小化损失。本发明能够提高超分辨率重建的重建效果和视觉感受。
-
公开(公告)号：CN114897694A
公开(公告)日：2022-08-12
申请号：CN202210503215.X
申请日：2022-05-10
Applicant: 南京航空航天大学
IPC: G06T3/40
Abstract: 本发明公开了基于混合注意力和双层监督的图像超分辨率重建方法，包括获取高分辨率的标签图像和参考图像并对其进行下采样，构建得到数据集；对数据集的图像进行多尺度特征提取；利用transformer注意力从参考图像特征中获得对应特征；利用通道注意力对提取的对应特征自适应优化处理得到迁移特征；将迁移特征与低分辨率图像特征通过解码器网络融合实现高质量的图像重建，并采用双层监督信号更新网络参数最小化损失。本发明能够提高超分辨率重建的重建效果和视觉感受。
-
-
-
-
-
-
Search Results
7
records
(took 0.095 seconds)
