-
公开(公告)号：CN119202873A
公开(公告)日：2024-12-27
申请号：CN202410877844.8
申请日：2024-07-02
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: G06F18/2413 , G06F18/214 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于样本回放的网络流量分类方法及终端，基于网络流量对流量分类模型进行训练，基于训练后的流量分类模型和网络流量构建类别典型样本集和类别采样样本集，对类别典型样本集和类别采样样本集进行数据增强，基于增强后的类别典型样本集和类别采样样本集以及新的网络流量使用知识蒸馏策略对训练后的流量分类模型进行训练，得到新的流量分类模型，重复样本集构建和模型训练步骤直至当前的预设增量学习周期结束，以此减缓模型对新数据的偏向，即便网络流量不断更新变化，也能确保流量分类模型始终保持最佳的流量分类能力，利用该流量分类模型能更准确地实现流量分类，从而有效提高流量分类的准确率。
-
公开(公告)号：CN118890280A
公开(公告)日：2024-11-01
申请号：CN202410837554.0
申请日：2024-06-26
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: H04L41/12 , H04L41/142 , H04L45/12
Abstract: 本发明公开了一种基于拓扑骨干的自治系统的风险评估方法及终端，提取AS网络中的骨干部分，根据AS网络中每一节点对的最短路径对于骨干部分的依赖程度计算每条最短路径的骨干依赖和非骨干依赖，根据每条最短路径的骨干依赖和非骨干依赖计算每一对节点对于骨干部分的节点对骨干依赖和节点对非骨干依赖，并根据节点对骨干依赖和节点对非骨干依赖计算每一节点对于骨干部分的核心依赖程度和非核心依赖程度，根据每一节点的核心依赖程度和非核心依赖程度确定节点的抗风险能力，利用了从路径到节点对到节点的多粒度信息，考虑了更深远的节点影响，具有同时体现局部与全局特征的能力，更准确地对待评估对象进行风险评估，有助于选择最佳的通信合作对象。
-
公开(公告)号：CN118779872A
公开(公告)日：2024-10-15
申请号：CN202410802194.0
申请日：2024-06-20
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: G06F21/55 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种安全相关事件检测方法及终端，构建的并行结构模型的第一支路为时间卷积网络模型，第二支路为自编码器的黑盒重构结构，基于用于训练的安全相关事件数据集对并行结构模型进行训练，得到训练完成的并行结构模型，使用训练完成的并行结构模型对采集的待判断的安全相关事件数据进行检测，得到事件安全性分数，根据事件安全性分数确定安全相关事件数据的安全指标，并行结构模型同时考虑数据的特征属性和时间属性，确保了安全相关事件检测的准确性，且并行结构模型双支路同步计算，降低了检测所需时间，从而有效提高安全防御的精准度和效率。
-
公开(公告)号：CN118784301A
公开(公告)日：2024-10-15
申请号：CN202410878831.2
申请日：2024-07-02
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: H04L9/40 , G06N3/045 , G06N3/0442
Abstract: 本发明公开了一种恶意流量检测方法及终端，对网络流量进行预处理，得到数据包交互关系序列和包级特征序列，根据数据包交互关系序列构建具备时序关系的多个流内交互图，基于多个流内交互图和包级特征序列使用交互信息提取模型提取交互信息，得到图级表示特征序列，将图级表示特征序列输入恶意流量检测模型进行检测，得到检测结果，其中交互信息提取模型包括多个特征提取单元，每一特征提取单元包括多个图卷积层、ReLu层、Dropout层以及全局池化层，提高了模型的鲁棒性，能够有效地提取数据包之间的交互信息，恶意流量检测模型包括双向长短期记忆网络和多层感知器，能够准确提取网络流量数据中的时序信息，从而提高恶意流量检测的准确率。
-
公开(公告)号：CN118646579A
公开(公告)日：2024-09-13
申请号：CN202410837795.5
申请日：2024-06-26
Applicant: 国网福建省电力有限公司电力科学研究院 , 国网福建省电力有限公司
IPC: H04L9/40
Abstract: 本发明公开了一种基于多层次网络流量信息融合的网络入侵检测方法及终端，对获取的网络流量数据进行预处理，得到网络流数据，基于网络流数据构建数据包时序图和流关联图，将数据包时序图输入双层入侵检测模型中的流级图处理模型，输出数据包时序图的图表示特征，并提取流关联图的节点特征，将图表示特征和节点特征进行融合，将得到的新的节点特征输入双层入侵检测模型中的网络流量检测模型，通过构建数据包时序图和流关联图，综合考虑了两种粒度的数据之间的关系，同时基于多层次的网络流量信息融合，使输入模型中的流量特征更为丰富，融合后的节点特征受到的扰动更少，鲁棒性能够得到保证，从而实现了高效且准确的网络入侵检测。
-
Patent Agency Ranking
公开(公告)号：CN119380133A
公开(公告)日：2025-01-28
申请号：CN202411309290.8
申请日：2024-09-19
Applicant: 国网福建省电力有限公司莆田供电公司 , 国网福建省电力有限公司
IPC: G06V10/774 , G06V10/82 , G06T7/66
Abstract: 本申请涉及一种基于结构特征的盘形绝缘子角度自适应目标检测方法及系统，包括以下步骤：收集盘形绝缘子巡检图片并进行预处理及人工标注；利用标注数据将盘形绝缘子旋转目标框参数化并构成数据集；建立基于结构特征的盘形绝缘子角度自适应目标检测网络；使用训练集训练目标检测网络，采用改进旋转包围框IoU评估训练结果并固化盘形绝缘子角度自适应目标检测网络模型；利用训练好的目标检测网络检测待检测的绝缘子图片，得到盘形绝缘子旋转目标检测框。本发明可以有效降低倾斜分布绝缘子检测框所包含的背景，增加密集排布绝缘子的检测区分度，反映绝缘子结构方向分布，并避免角度变量预测的敏感性问题，提高盘形绝缘子旋转目标检测的精度和速度。
-
公开(公告)号：CN117834184A
公开(公告)日：2024-04-05
申请号：CN202311582194.6
申请日：2023-11-23
Applicant: 国网福建省电力有限公司泉州供电公司 , 国网福建省电力有限公司
IPC: H04L9/40 , G06F18/214 , G06F18/241 , G06N3/0464
Abstract: 本发明公开了一种互联网恶意实体的检测方法，针对不同的恶意实体进行特征提取，得到单词流形式的特征数据；针对不同的恶意实体，根据恶意实体提取得到的所述特征数据的数量，结合N‑Gram方法进行特征聚合，生成维度一致的特征向量，得到特征数据集；通过所述特征数据集对CNN模型进行训练，得到恶意实体检测模型，并通过所述恶意实体检测模型进行恶意实体检测；通过对不同恶意实体的进行特征提取，基于提取得到的特征数据的数量结合N‑Gram方法进行特征聚合，使不同恶意实体的特征向量表现形式一致，通过不同恶意实体但同一表征的训练数据对CNN模型进行训练，使其可同时检测不同的恶意实体，实现恶意实体的集成检测，减少了冗余。
-
公开(公告)号：CN112115457A
公开(公告)日：2020-12-22
申请号：CN202010854566.6
申请日：2020-08-24
Applicant: 国网福建省电力有限公司 , 国网福建省电力有限公司漳州供电公司
Abstract: 本发明涉及一种电力终端接入方法及系统，包括步骤：对地区电力终端设备的IP进行扫描；抓取各个电力终端设备的指纹信息；将各个电力终端设备的指纹信息与设备漏洞建立联系，并形成设备漏洞多因素指纹库；当有电力终端设备要求接入电力工业网络时，判断当前威胁来源是来自局域网的外部还是内部，并根据结果进行不同的处理。本发明解决了电力终端设备缺乏良好的身份认证问题。
-
公开(公告)号：CN119474850A
公开(公告)日：2025-02-18
申请号：CN202411325123.2
申请日：2024-09-23
Applicant: 国网福建省电力有限公司莆田供电公司 , 国网福建省电力有限公司
IPC: G06F18/214 , G06F18/2433 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于隐蔽梯度样本的对抗攻击方法及终端，基于对抗样本生成模型和原始样本生成对抗样本，根据模型的损失函数计算原始样本和对抗样本之间的训练损失，作为模型梯度，根据模型梯度选择模型梯度最大的前预设比例的原始样本作为隐蔽梯度样本，计算原始样本与对抗样本之间的相似度，根据相似度从隐蔽梯度样本集中筛选相似度高于预设值的隐蔽梯度样本组成攻击样本集，通过计算原始样本和对抗样本之间的训练损失，能确定出遭到猛烈攻击而剧烈变化的样本，再通过计算相似度的方式从隐蔽梯度样本集中筛选出高相似的隐蔽梯度样本集，以此对隐蔽梯度样本进行有针对性的扰动攻击，从而在提高对抗攻击效率的同时，提高攻击的隐蔽性。
-
公开(公告)号：CN118113988A
公开(公告)日：2024-05-31
申请号：CN202311567226.5
申请日：2023-11-22
Applicant: 国网福建省电力有限公司莆田供电公司 , 国网福建省电力有限公司
Abstract: 本发明公开了一种基于多任务学习卷积神经网的交流串联故障电弧和负载同时识别方法，包括：采集低压交流电路电流信号，建立电流信号数据库；构建基于卷积神经网的多任务学习网络模型，选取样本数据送入多任务学习网络模型进行训练与测试，得到最终多任务学习网络模型；将待检测的电流信号输入最终多任务学习网络模型，确定待检测的电流信号是否为交流串联故障电弧以及其负载种类。相应的，本发明还提出了一种基于多任务学习卷积神经网的交流串联故障电弧和负载同时识别系统。本发明构建的多任务学习网络模型采用联合学习的方式，同时完成交流串联故障电弧识别和负载识别两种任务的学习，进而提高故障电弧的检测性能，节省了时间成本和计算成本。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.109 seconds)
