-
公开(公告)号：CN116069607A
公开(公告)日：2023-05-05
申请号：CN202310068042.8
申请日：2023-01-13
申请人： 国家电网公司东北分部 , 东北大学
IPC分类号： G06F11/34 , G06F18/23 , G06N3/042 , G06N3/0464
摘要： 本发明公开了基于图卷积神经网络的移动办公用户异常行为检测方法，涉及用户实体行为分析技术领域，本发明通过采用知识图谱技术表示用户操作序列，为用户基线聚类保留了用户操作偏好信息；使用关系图卷积神经网络算法对用户操作图谱聚类出强关联实体集，解决了用户操作基线长度难以确定的问题，降低后期用户操作流数据与基线匹配的难度，提升了操作序列与基线匹配的准确率。本发明提出的通过寻找操作权值最大通路确定操作基线的方法，可完善操作基线语义、持续适应用户操作行为变化。同时，本发明通过构建服务器与客户端协同检测模型，可解决安卓设备受限于算力与带宽不足难以实时检测用户异常行为的问题。
-
公开(公告)号：CN113656361A
公开(公告)日：2021-11-16
申请号：CN202110950303.X
申请日：2021-08-18
申请人： 国家电网公司东北分部 , 东北大学
IPC分类号： G06F16/172 , G06F16/182 , G06N3/04 , G06N3/08
摘要： 本发明提供了一种面向超融合电力数据中心的数据存储方法、装置及存储介质，涉及数据存储技术领域，包括：以超融合服务器作为数据存储节点；将每个数据存储节点的历史数据集放入基于长短时记忆和卷积神经网络的可靠度评估模型中，输出节点可靠度；将节点可靠度作为并行数据存储算法的输入，利用马尔可夫决策过程进行强化学习建模，确定网络状态集合、动作集合、状态转移概率以及奖励函数所对应的参量；并基于这些参量训练并行数据存储算法；并行数据存储算法包括Actor网络和Critic网络；利用训练好的并行数据存储算法按照文件队列模型选择在当前网络状态下存放文件的位置集合，对文件进行存放。本发明实现了超融合数据中心的高可靠数据存储。
-
公开(公告)号：CN117688608A
公开(公告)日：2024-03-12
申请号：CN202311737211.9
申请日：2023-12-15
申请人： 国家电网公司东北分部 , 东北大学
IPC分类号： G06F21/62 , G06F40/253 , G06F40/30 , G06F16/35 , G06Q50/06
摘要： 本发明提供了一种数字电网零信任访问控制策略自动生成方法，涉及数据访问控制技术领域，包括如下步骤：S1、构建ABAC策略生成模型，并对ABAC策略生成模型进行离线训练；S11、提取非结构化访问控制策略；从自然语言文本和访问日志文件中提取访问控制策略，并结构化表述策略，得到结构化策略；S12、检测策略冗余与冲突；通过并行分析访问主体、客体与操作间的关系，检测结构化策略间的冲突；S13、构建ABAC策略生成模型；通过分析策略集的特征，识别安全控制意图，为访问控制系统建立策略生成模型；S2、使用训练后的ABAC策略生成模型在线自动生成访问策略。本发明通过离线训练ABAC策略生成模型与在线自动生成控制策略，实现了对系统资源的访问控制。
-
公开(公告)号：CN113660273B
公开(公告)日：2023-06-02
申请号：CN202110948874.X
申请日：2021-08-18
申请人： 国家电网公司东北分部 , 东北大学
IPC分类号： H04L9/40 , H04L41/142 , G06N3/006 , G06N3/0499 , G06N3/048 , G06N3/08
摘要： 本发明提供了一种超融合架构下基于深度学习的入侵检测方法、装置及存储介质，涉及入侵检测技术领域，该检测方法应用在超融合架构的虚拟化内核层，先捕获进出虚拟机的网络流量，并对其进行IP/MAC地址验证，再提取相关流量特征，利用CICIDS2017数据集训练完成的深度学习模型分析特征值，以实现超融合架构下低开销、高精度的DDoS攻击检测。特别地，为了减少冗余信息，采用改进的二进制布谷鸟算法选取特征，在保证检测精度的同时，减小深度学习模型尺寸的同时减少网络流量特征的提取时间。
-
公开(公告)号：CN113660273A
公开(公告)日：2021-11-16
申请号：CN202110948874.X
申请日：2021-08-18
申请人： 国家电网公司东北分部 , 东北大学
摘要： 本发明提供了一种超融合架构下基于深度学习的入侵检测方法、装置及存储介质，涉及入侵检测技术领域，该检测方法应用在超融合架构的虚拟化内核层，先捕获进出虚拟机的网络流量，并对其进行IP/MAC地址验证，再提取相关流量特征，利用CICIDS2017数据集训练完成的深度学习模型分析特征值，以实现超融合架构下低开销、高精度的DDoS攻击检测。特别地，为了减少冗余信息，采用改进的二进制布谷鸟算法选取特征，在保证检测精度的同时，减小深度学习模型尺寸的同时减少网络流量特征的提取时间。
-
公开(公告)号：CN118629094A
公开(公告)日：2024-09-10
申请号：CN202411088015.8
申请日：2024-08-09
申请人： 东北大学
摘要： 本发明提供了一种面向虚实结合一体化仿真的数据同化方法及系统，涉及电数字数据处理技术领域，包括：分别对UWB或RTK设备收集的实时位置坐标数据，以及多个摄像机捕捉到的RGB人物图像数据进行数据预处理，得到真实世界中人体的位姿信息；将位姿信息输入至基于双层LSTM神经网络模型的状态估计模型中进行未来位姿状态估计，得到预测位姿信息；基于预测位姿信息和真实世界中人体的位姿信息，通过集合卡尔曼滤波进行状态校正，得到校正位姿状态；将校正位姿状态和位姿信息作为状态估计模型的输入，得到下一时刻的预测位姿信息。本发明能够利用实时观测数据与预测数据，通过数据预处理、状态估计、状态更新等方法实现高可信度的虚实结合仿真实验。
-
公开(公告)号：CN113762277B
公开(公告)日：2024-05-24
申请号：CN202111055699.8
申请日：2021-09-09
申请人： 东北大学
IPC分类号： G06V10/30 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/088 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/098
摘要： 本发明涉及一种基于Cascade‑GAN的多波段红外图像融合方法，首先，通过将采集到的包括短波、中波、长波在内的针对同一场景的多波段红外图像沿通道进行连接，得到的三通道图像作为级联生成对抗网络模型Cascade‑GAN的训练数据集，利用训练好的去噪生成对抗网络模型DnGAN生成去噪图像，提高图像信噪比；然后将去噪后的图像输入融合生成对抗网络FuGAN，通过该融合网络的生成器GFu与其判别器DFu之间的对抗博弈进行高质量图像融合；级联网络通过建立总损失函数，利用FuGAN输出结果指导DnGAN的训练，通过提高FuGAN的输出质量来改善DnGAN的融合效果，从而获得高质量融合图像。本发明与传统融合方法相比，基于深度学习的融合方法具有更高的鲁棒性，并且具有较佳的融合效果，能够充分改善融合精度。
-
公开(公告)号：CN112633476B
公开(公告)日：2023-09-22
申请号：CN202011554128.4
申请日：2020-12-24
申请人： 东北大学
IPC分类号： G06N3/0442 , F02B77/08
摘要： 本发明涉及一种发动机状态监测方法、系统、设备及介质，其方法包括：首先，将发动机各个传感器采集的数据按照因果关系或空间位置进行排序，作为输入序列；其次，构建长短时记忆神经网络；接着，构建具有分支结构的长短时记忆神经网络；最后，通过具有分支结构的长短时记忆神经网络对发动机的进行状态监测与预测，其输出序列为各种状态类型。本发明针对时间序列输入中存在的各项输入维度不匹配的问题，每一个输入表示的是某一个固定传感器在固定时间内获取的数据，其长度是固定的，该方法可以解决时间序列维度不同的问题，同时因为数据是按照空间序列、因果关系排序的，它加强输入序列之间的关系，进而提高预测精度。
-
公开(公告)号：CN110362065B
公开(公告)日：2022-07-19
申请号：CN201910646791.8
申请日：2019-07-17
申请人： 东北大学
IPC分类号： G05B23/02
摘要： 本发明属于航空发动机故障诊断技术领域，尤其涉及一种基于隐马尔可夫模型的航空发动机防喘控制系统的状态诊断方法。该方法包括如下步骤：A1、获取航空发动机防喘控制系统的传感数据；A2、将获取到的传感数据作为输入数据，输入预先训练的隐马尔可夫模型，得到输出结果；A3、将输出结果与预先定义的状态信息进行匹配，输出航空发动机防喘控制系统当前的状态；其中，所述预先训练的隐马尔可夫模型为基于预设历史时间段内的航空发动机防喘控制系统的传感数据和对应的航空发动机防喘控制系统的状态信息的训练集，进行训练后的模型。该方法基于隐马尔可夫模型，实现复杂度低，故障诊断精确程度更高。
-
公开(公告)号：CN110362064B
公开(公告)日：2022-06-24
申请号：CN201910646789.0
申请日：2019-07-17
申请人： 东北大学
IPC分类号： G05B23/02
摘要： 本发明属于航空发动机故障诊断技术领域，尤其涉及一种航空发动机排气温度传感器的故障诊断方法。该方法获取发动机的控制参数和状态参数，包括如下步骤：获取多个排气温度传感器的温度数据；将控制参数、状态参数和获取到的每一温度数据作为输入信息输入一个四层神经网络模型；四层神经网络模型根据输入信息，输出每个排气温度传感器的故障权重；根据加权平均偏移分类算法，将故障权重归一化后与温度数据结合，输出是否存在故障的排气温度传感器；若存在故障的排气温度传感器，则输出存在有故障的排气温度传感器的信息。该方法实现了在多个排气温度传感器同时工作时，对于故障排气温度传感器的准确判断。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.035 秒)