一种用于电力监测的抗干扰通信系统及工作方法

    公开(公告)号:CN119254268A

    公开(公告)日:2025-01-03

    申请号:CN202411439984.3

    申请日:2024-10-15

    Abstract: 本发明涉及电力设施技术领域,具体为一种用于电力监测的抗干扰通信系统及工作方法,其中的数据采集模块用于获取被监测电力系统的运行数据并预处理;通信安全认证模块被配置为:对经过预处理并传输的数据进行加密,并对每一项访问数据的终端进行安全认证;天线智能控制模块依据预处理后的数据确定关于信号输出端与信号接收端之间的传输方向及角度,并进行相应的调控;自适应调节模块被配置为:接收预处理后的数据,利用分析操作,在传输波段的范围内检测干扰数据,通过筛选得到所需的扩展频谱,将扩展频谱的指令传输至合成器中进行控制,利用频谱的调节操作实现抗干扰。

    一种基于深度学习的API逻辑漏洞监测方法及系统

    公开(公告)号:CN117376004A

    公开(公告)日:2024-01-09

    申请号:CN202311524811.7

    申请日:2023-11-15

    Abstract: 本发明涉及网络安全技术领域,尤其涉及一种基于深度学习的API逻辑漏洞监测方法及系统。该方法包括,在攻击方面:获取API接口数据;基于API接口数据,采用API语义模型,得到API接口特征语义信息;基于API接口特征语义信息,采用逻辑漏洞模型,模拟用户发包探测,依据响应特征判断API接口是否存在逻辑漏洞;在防守方面:对对外服务系统的web请求会话参数进行特征提取,为每个系统建立会话行为基线模型;基于web请求会话参数的特征,采用会话行为基线模型,得到存在的攻击行为描述。

    基于BP神经网络的系统资源预测方法及系统

    公开(公告)号:CN114661463A

    公开(公告)日:2022-06-24

    申请号:CN202210234741.0

    申请日:2022-03-09

    Abstract: 本发明提供了基于BP神经网络的系统资源预测方法及系统,方法包括提取电网数据库中表征系统资源利用信息的数据集合,所述数据集合中包括多个采集数据项,每个采集数据项包括采集时间和当前采集时间下的数据值;根据所述数据集合,基于时段特征、用户特征和功能特征形成BP神经网络模型的输入数;将所述输入数据输入训练好的BP神经网络模型中,得到当前输入数据下的系统资源使用量。本发明利用机器学习方法分析预测资源需求量,对提取到的数据集合进行合理选取,使得输入数据的简洁性和与预测数据的相关性得到提高,减少了预测模型的复杂度,同时合理地指导系统中资源的分配,最终达到降本增效的目的。

Patent Agency Ranking