-
公开(公告)号:CN114500004A
公开(公告)日:2022-05-13
申请号:CN202210003869.6
申请日:2022-01-05
Applicant: 北京理工大学
Abstract: 本公开的基于条件扩散概率生成模型的异常检测方法,通过预处理历史时序数据;对历史时序数据进行特征提取,根据提取的特征和下一时刻观测值构建离线条件扩散概率生成模型;利用离线条件扩散概率生成模型和噪声状态转移矩阵重构新噪声序列;利用离线条件扩散概率生成模型和所述新噪声序列预测下一时刻的观测值;根据下一时刻的观测值和实际值的差值确定预设阈值,将所述离线条件扩散概率生成模型和所述预设阈值部署到线上进行实时异常检测。能够减少生成模型本身函数的约束,以及在保持表达能力的同时减少迭代次数,实现更好的异常检测效果。
-
公开(公告)号:CN114548181A
公开(公告)日:2022-05-27
申请号:CN202210184944.3
申请日:2022-02-28
Applicant: 北京理工大学
Abstract: 本发明涉及一种时序数据攻击检测方法及系统,涉及网络安全和攻击检测技术领域,方法包括:获取信息物理系统实际运行时刻各传感器采集的多元数据;利用时序数据处理器对所述多元数据进行处理,得到时序数据切片;利用编码器对所述时序数据切片进行特征压缩,得到特征压缩编码;利用判别器对所述特征压缩编码进行判别,得到判别得分;利用解码器对所述特征压缩编码进行重建,得到重构数据;根据所述判别得分和所述重构数据确定检测结果;所述检测结果包括数据正常和数据异常。本发明通过高效提取时序特征来提高攻击的检测效果。
-