-
公开(公告)号:CN117411684A
公开(公告)日:2024-01-16
申请号:CN202311342868.5
申请日:2023-10-17
IPC分类号: H04L9/40 , G06F18/2415 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06F123/02
摘要: 本申请提供的一种基于深度学习的工业控制网络入侵检测方法和系统,具有如下技术效果:其通过获取工业互联网中各个设备之间传输的网络数据,并对所述的网络数据预处理,通过自编码器对预处理后的网络数据进行流量数据特征的提取,基于CNN提取数据的空间特征,在对空间特征进行时间排列后,使用Bi‑LSTM来挖掘网络流量数据的时间特征,即在入侵检测模型的特征提取中,同时在空间层面和时间层面考虑特征之间的关系,提高了分类的准确性;同时,通过结合注意力机制对每个时间步长的输出进行加权和求和,以保留重要信息,将提取得到的特征向量输入到全连接层的分类模块中,输出检测结果,具有较高的分类精度和较低的误报率。
-
公开(公告)号:CN117493880A
公开(公告)日:2024-02-02
申请号:CN202311425208.3
申请日:2023-10-30
IPC分类号: G06F18/214 , G06F18/21 , G06N3/048 , G06N3/0464 , G06F17/16
摘要: 本申请涉及一种CVT误差预测方法、装置、电子设备及存储介质,方法包括:获取CVT历史误差数据,基于CVT历史误差数据得到一维时序数据集,获取训练完备的CVT误差预测模型,CVT误差预测模型包括依次串联的:时序特征提取网络、多头自注意力机制层及全连接层,将一维时序数据集输入至CVT误差预测模型,基于时序特征提取网络对一维时序数据集进行时序特征提取,得到时序特征提取网络输出的时序特征,基于多头自注意力机制层对时序特征提取网络输出的时序特征进行特征权重重新分配,得到多头自注意力机制层的输出特征向量,基于全连接层对多头自注意力机制层的输出特征向量进行整合,得到误差预测结果。
-
公开(公告)号:CN218275759U
公开(公告)日:2023-01-10
申请号:CN202222017011.3
申请日:2022-08-01
IPC分类号: H02B3/00
摘要: 本实用新型所要解决的技术问题是提供一种方便移动和固定、使用成本相对交底、有效降低维修人员安全隐患的用于电容式电压互感器的安装维修辅助工具。该安装维修辅助工具包括支撑板,支撑板上设置有第一工作平台和第二工作平台;第一工作平台上设置有用于水平移动电容式电压互感器的移位装置。该安装维修辅助工具通过夹紧装置将电容式电压互感器固定,通过第一升降装置将第一升降板升起,进而将电容式电压互感器升起,然后通过驱动装置将电容式电压互感器水平移动至安装立柱上端的安装底座上,然后通过螺栓将二者固定即可,操作简单,适合在电力设备安装维修技术领域推广应用。
-
-