电力信息系统的抗量子计算方法、系统

    公开(公告)号:CN119272263A

    公开(公告)日:2025-01-07

    申请号:CN202411384150.7

    申请日:2024-09-30

    Abstract: 本发明公开了一种电力信息系统的抗量子计算方法,涉及量子计算技术领域,用于解决现有CA系统的服务过程中,密钥易被破解的问题。该方法包括以下步骤:量子安全业务系统调用客户业务服务获取一个量子密钥;量子安全业务系统生成第一量子密钥的第一量子证书,并发起签发请求;接收验证结果:当验证结果为验证失败,重新调用客户业务服务获取一个量子密钥;当验证结果为验证通过,存储并解密所述第一量子证书,并发送确认消息;量子安全业务系统将所述第一量子证书存储。本发明还公开了一种电力信息系统的抗量子计算系统。本发明量子密钥来产生证书,解决了证书签发过程涉及多个服务之间的信任链传递、密钥信息泄露的问题。

    动态访问控制规则构建方法、装置、设备及介质

    公开(公告)号:CN118555106A

    公开(公告)日:2024-08-27

    申请号:CN202410651542.9

    申请日:2024-05-24

    Abstract: 本发明公开了一种动态访问控制规则构建方法,涉及计算机网络安全技术技术领域,用于解决现有访问控制规则单一,缺少实时更新的问题,该方法包括以下步骤:实时获取访问对象及被访问对象的属性值;将所述属性值输入预先训练好的分级模型,得到包含被访问对象的数据分级以及访问对象的信任分级的分级结果;并将所述分级结果及对应属性值输入所述分级模型进行实时的反馈训练;将输出的数据分级及信任分级的结果进行存储。本发明还公开了一种动态访问控制规则构建装置、电子设备和计算机存储介质。本发明根据属性值进行访问对象和被访问对象的分级,并实时更新分级结果,进而通过等级匹配完成访问规则的构建。

    电力物联网攻击行为检测方法、系统、装置及介质

    公开(公告)号:CN118174918A

    公开(公告)日:2024-06-11

    申请号:CN202410282835.4

    申请日:2024-03-13

    Abstract: 本发明属于物联网信息安全技术领域,具体涉及电力物联网攻击行为检测方法。针对现有基于生成对抗的异常检测方法,识别效果较差的不足,本发明采用如下技术方案:基于边界生成对抗网络的电力物联网攻击行为检测方法,包括:抓取网络流量数据,预处理,得到统计特征;对统计特征进行归一化处理,得到流特征向量;构建基于边界生成对抗网络的入侵检测模型;将流特征向量输入生成器进行训练,使得生成器生成的特征向量既在恶意流量样本的内部,又覆盖真实数据分布的整个边界;训练判别器,通过超参数修整使生成的样本位于真实攻击数据分布的边界,输出该分数作为判断阈值;计算电力网络流量的分数。本发明的有益效果是:提升检测效果。

    标准数字化转型成熟度建模方法与系统

    公开(公告)号:CN117252491A

    公开(公告)日:2023-12-19

    申请号:CN202311246103.1

    申请日:2023-09-25

    Abstract: 本发明涉及数字化技术领域,提供一种本发明提供的标准数字化转型成熟度建模方法,该方法根据企业外部经营活动范围,选取宏观影响因素,再根据企业内部经营活动范围,选择中观驱动因素,采用层次分析法确定宏观影响因素、中观驱动因素中的各项指标与决策目标之间的映射关系,并确定各项指标的赋值权重;输出标准数字化转型成熟度模型。本发明还公开了一种系统,从而使得企业在标准数字化转型过程中,能够应用该模型对标准数字化程度进行计量的评价和分析,从而使得企业能够量化衡量标准数字化转型程度,进而使得企业标准数字化转型过程处于可控的范围内。

    基于信誉反向拍卖的联邦学习激励方法、系统和存储介质

    公开(公告)号:CN116720593A

    公开(公告)日:2023-09-08

    申请号:CN202310604521.7

    申请日:2023-05-24

    Abstract: 本发明公开了基于信誉反向拍卖的联邦学习激励方法、系统和存储介质,属于联邦学习技术领域。本发明的基于信誉机制和反向拍卖的联邦学习激励方法,通过构建信誉评估模型、反向拍卖学习模型、联邦学习服务器,对若干客户端的信誉数据进行评估,进而筛选出一个或多个客户端作为候选客户端;然后对候选客户端的密封投标数据进行求解,筛选出一个或多个最佳客户端;并根据交互信息,对最佳客户端进行信誉评估,得到信誉激励值;再对最佳客户端的信誉数据进行更新,从而完成基于信誉机制和反向拍卖的联邦学习激励,能够有效保证整个激励机制的真实性和可靠性,同时能够激励更多具有高质量数据和高信誉值的客户端参与联邦学习。

    一种基于串行集成学习的定向漏洞挖掘方法及系统

    公开(公告)号:CN115510455A

    公开(公告)日:2022-12-23

    申请号:CN202211251160.4

    申请日:2022-10-13

    Abstract: 本发明公开了一种基于串行集成学习的定向漏洞挖掘方法及系统,对代码训练集进行标签化后形成带有标签的训练集,抽取其中漏洞代码训练集做数据预处理,对预处理后的漏洞代码做敏感函数定位,得到包含敏感函数的语句;利用程序控制流图CFG获取与该语句相关的程序切片,基于漏洞训练集代码的数量,利用无敏感语句的代码训练集与其混合形成均匀的训练集模块;将赋予初始权重的训练集样本送入到CART决策树的弱分类器中进行训练,通过计算得到分类误差率和迭代次数是否满足要求来调整权重系数并重新学习,按照加权集成的方式形成最终强分类器,实现测试样本分类,完成漏洞挖掘。本方法考虑了代码的上下文依赖关系,降低了传统漏洞挖掘的误报率和漏报率。

Patent Agency Ranking