-
公开(公告)号:CN115297016A
公开(公告)日:2022-11-04
申请号:CN202210876364.0
申请日:2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/04 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域,公开了一种基于深度学习的电力网络活跃度评价和预测方法,包括:获取原始数据,筛选待评价服务端口流量数据,进行活跃度计算;进行数据预处理,得到历史活跃度数据集,自动化定时对数据集进行更新;将数据集划分为训练样本和测试样本,训练样本进行样本重构并输入到不同的深度学习模型进行模型训练;将测试样本输入到训练好的模型中,并对模型进行评估和比较,得到一个该服务的最优模型,将模型保存;自动化实时获取不同网络服务的活跃度数据,得到未来的活跃度预测结果。与现有技术相比,本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理,提升电力网络系统智能化水平。
-
公开(公告)号:CN115297016B
公开(公告)日:2024-02-20
申请号:CN202210876364.0
申请日:2022-07-25
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 南京鼎研电力科技有限公司
IPC: H04L41/147 , H04L41/0677 , H04L41/16 , H04L43/0876 , H04L67/12 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及电网人工智能和数据处理技术领域,公开了一种基于深度学习的电力网络活跃度评价和预测方法,包括:获取原始数据,筛选待评价服务端口流量数据,进行活跃度计算;进行数据预处理,得到历史活跃度数据集,自动化定时对数据集进行更新;将数据集划分为训练样本和测试样本,训练样本进行样本重构并输入到不同的深度学习模型进行模型训练;将测试样本输入到训练好的模型中,并对模型进行评估和比较,得到一个该服务的最优模型,将模型保存;自动化实时获取不同网络服务的活跃度数据,得到未来的活跃度预测结果。与现有技术相比,本发明能够及时发现活跃度异常的网络服务并且便于网络的维护和管理,提升电力网络系统智能化水平。
-
公开(公告)号:CN117040886A
公开(公告)日:2023-11-10
申请号:CN202311109929.3
申请日:2023-08-30
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于半同态数据加密的拟态防御DHR架构系统,属于数据安全加密技术领域,包括输入输出模块、异构执行体模块、执行模块、策略调度模块和裁决模块,策略调度模块从等待池选择n个执行体,同时生成加解密钥对和n个安全码,将加密密钥和安全码发送给对应的执行体,调度至执行模块,执行模块执行半同态加密计算,将结果输出至裁决模块;裁决模块根据输出的n个计算结果分别进行逆同态计算之后进行裁决并发送至输入输出模块,同时将输出结果异常的执行体的加密后的安全码发送至负反馈控制器,由其对异常的执行体进行清洗替换,有助于提高数据的随机性和不可预测性,更好地对数据进行隐私保护,增强了系统的安全性、可靠性以及稳定性。
-
公开(公告)号:CN116827511A
公开(公告)日:2023-09-29
申请号:CN202310566060.9
申请日:2023-05-18
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于多种加密编码和诱饵执行体的通信方法、DHR构造及介质,通过DHR构造的执行体池中存放执行体集;客户端发送数据经过输入代理进行多种加密编码后,发送到处于运行状态的执行体集;在执行体集的诱饵执行体受到攻击时通知负反馈控制器;在执行体集的异构执行体受到攻击无法正常输出结果时通知负反馈控制器进行替换;让受攻击的诱饵执行体收集攻击行为数据,再选择新的诱饵执行体进行替换;异构执行体的输出结果由多模裁决器进行裁决,由输出代理获得最终输出结果输出到客户端;本发明能够保证执行体稳定且安全运行,同时降低攻击者“攻击逃逸”风险,能够提高裁决结果的准确性,并能够有效提高通信的安全性、稳定性和可靠性。
-
公开(公告)号:CN118232930A
公开(公告)日:2024-06-21
申请号:CN202410430490.2
申请日:2024-04-10
Applicant: 南京邮电大学
IPC: H03M13/29
Abstract: 本发明提供一种基于DHR的高可靠性Turbo动态编译码方法及系统,该方法通过在通信准备开始时,采用重复次数为n的随机选择算法从异构构件池中,选出相应的组件构成n组Turbo动态编码异构执行体和Turbo动态译码异构执行体;当需要进行Turbo编码时,每个Turbo动态编码异构执行体接收信息序列进行编码得到码字序列;匹配器将输入的n个Turbo动态编码异构执行体的码字序列分配到对应的Turbo动态译码执行体中;Turbo动态译码异构执行体选择对应Turbo动态编码异构执行体输出的译码信息序列进行迭代译码;裁决模块将每个Turbo动态译码结果进行裁决,输出最终的译码结果;本发明通过结合拟态防御思想,能够提高抵抗未知安全风险能力,同时保障译码结果的准确性、可靠性与可信性。
-
-
-
-