-
公开(公告)号：CN119892499A
公开(公告)日：2025-04-25
申请号：CN202510360779.6
申请日：2025-03-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: H04L9/40 , G06F18/15 , G06F18/214 , G06F18/2135 , G06F18/21 , G06F18/2433 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094
Abstract: 本发明属于数据分析与网络安全技术领域，具体涉及一种基于物理约束与自适应阈值的虚假数据注入攻击检测和定位方法。所述方法包括：通过预处理多个传感器的测量数据，将数据输入到基于物理约束和时间条件嵌入的WGAN框架进行训练；WGAN生成符合物理规律的高质量合成数据，并结合LSTM捕捉时间序列的长短期特性；随后，利用CNN‑Transformer模型进行全局特征提取和动态阈值生成，结合基于分位数的动态检测机制分析正常数据的分布，精准定位潜在攻击来源；最终，通过循环优化模型架构与参数，提升检测与定位的精度与效率。
-
公开(公告)号：CN119089982B
公开(公告)日：2025-04-08
申请号：CN202411212448.X
申请日：2024-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 潍柴动力股份有限公司
IPC: G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/57
Abstract: 本发明涉及应用于攻击场景下的分布式学习聚合方法、存储介质和程序产品。该方法包括：构建包含n个节点和单个参数服务器的异构分布式学习系统；参数服务器获取各个节点的梯度；基于接收的各个节点的梯度，参数服务器获取各个节点梯度的范数与方向；基于各个节点梯度的范数与方向，参数服务器计算各个梯度的保留概率，并进行概率筛选，确定保留梯度；根据梯度筛选结果，参数服务器获取各个保留梯度的平均值，根据各个保留梯度的平均值，进行全局模型参数的迭代优化，利用最终优化后的全局模型参数对异构分布式学习系统进行性能评估。本发明将梯度的范数与方向信息相结合，通过概率筛选实现了在异构分布式机器学习环境下保持拜占庭鲁棒性的目标。
-
公开(公告)号：CN119670916A
公开(公告)日：2025-03-21
申请号：CN202510200623.1
申请日：2025-02-24
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06N20/00 , G06F18/213 , G06F18/2115 , G06F18/2413
Abstract: 本发明属于联邦学习的技术领域，具体涉及一种基于特征对比优化与分类器动态集成的联邦学习方法及装置。其方法包括：通过服务器初始化全局模型并将其下发给参与联邦学习的#imgabs0#个客户端，客户端基于接收到的全局模型进行本地模型更新以及对更新后的本地模型进行训练，再利用训练后的本地特征提取器对其本地私有数据集进行特征提取，以构建本地特征原型集合，再将本地模型、本地特征原型集合、客户端总样本量上传至服务器，服务器在全局聚合时，使用对比学习技术提升全局特征原型质量，最后将聚合得到的全局原型和全局特征原型集合下发给各客户端，执行下一轮次的学习，直至本地模型收敛或到达设定的通信轮次。
-
公开(公告)号：CN119622379A
公开(公告)日：2025-03-14
申请号：CN202411695228.7
申请日：2024-11-25
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 泰华智慧产业集团股份有限公司
IPC: G06F18/2321 , G06F18/10 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明属于数据处理分析的技术领域，更具体地，涉及一种基于动态聚类算法DeepDPM的工业系统运行模式刻画方法。所述方法包括：首先收集系统实际运行数据。将数据进行预处理，并按照固定比例划分训练集和验证集；然后建立AE模型，使用训练集对AE进行预训练，并保存训练完成后的AE模型和权重，再使用验证集来验证训练后AE模型的效果。接下来将预处理后的数据输入到训练好的AE模型中进行特征提取；再将提取出的特征数据输入到DeepDPM模型中进行聚类；最后使用一种降维可视化算法：t分布随机邻域嵌入，简称t‑SNE，对聚类结果进行可视化展示。本发明解决了提高工业系统中运行模式预测的效率和准确性问题。
-
公开(公告)号：CN119544262A
公开(公告)日：2025-02-28
申请号：CN202411478540.0
申请日：2024-10-22
Applicant: 国网山东省电力公司电力科学研究院 , 山东省计算中心(国家超级计算济南中心) , 国网山东省电力公司聊城供电公司
IPC: H04L9/40 , H04L67/1001 , H04L67/12
Abstract: 本公开涉及网络安全技术领域，提出了一种智能电网自适应防御与流量动态优化方法及系统，包括如下步骤：获取智能电网的实时网络流量；采用基于机器学习算法对获取的实时网络流量进行检测，判断是否受到DoS攻击；对于检测到的攻击流量，自动执行DoS攻击防御响应措施；对于检测到的正常流量，通过网络负载均衡，以及基于核密度估计的优先级队列管理进行优化，对网络流量进行网络流量动态管理。本公开能够及时识别、应对智能电网中的拒绝服务(DoS)攻击，同时通过流量动态优化管理，优化网络资源的分配，提升整体网络性能，提高电力系统运行的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119513498A
公开(公告)日：2025-02-25
申请号：CN202411673870.5
申请日：2024-11-21
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 青岛理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/22 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明属于时间序列预测的技术领域，更具体地，涉及一种基于深度集成学习模型和高低频分离的时间序列数据预测方法。所述方法包括：收集系统中的时间序列数据，对得到的数据进行预处理；对原始时间序列数据进行VMD变分模态分解，将时间序列分解成K个有限带宽的模态分量；联合最大信息系数法和重构误差分析法来确定最佳的分解模态数量K；对分解的所有模态使用过零率和中心频率来划分高低频分量；分别针对高频分量和低频分量建立合适的预测模型；将所有模态预测结果进行叠加，得到最终的时间序列预测结果。本发明组合了多种深度学习模型使得预测方法具备更强的灵活性和适应性，能够针对不同特征的分量选择合适的模型进行预测，从而提升整体性能。
-
公开(公告)号：CN118445817B
公开(公告)日：2025-02-07
申请号：CN202410903625.2
申请日：2024-07-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于信息安全的技术领域，更具体地，涉及一种基于历史全局模型的增强联邦学习模型防御的方法、装置及可读计算机存储介质。所述方法包括服务器端向客户端发送全局模型，攻击者客户端截获每一轮的全局模型，放入历史全局模型储存池中；服务器随机选择部分客户端使用本端的本地数据集进行训练得到客户端局部模型，攻击者客户端在历史全局模型储存池中选择一个历史全局模型作为攻击目标模型；客户端将训练的本地局部模型上传至服务器，服务器进行聚合，再发送给各客户端；引入动态加权聚合机制，得到最优全局模型的参数。本发明解决了当前的防御方法在非独立同分布环境下的有效性与攻击成功率都较低，现有防御机制的有效性较低的问题。
-
公开(公告)号：CN119358708A
公开(公告)日：2025-01-24
申请号：CN202411931128.X
申请日：2024-12-26
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及基于扩散模型的自适应双边蒸馏个性化联邦学习方法。所述方法通过设计一种指导机制，使全局模型与本地模型之间进行相互蒸馏，从而实现知识的高效传递，增强个性化模型对客户端特定数据分布的适应性。同时，引入条件扩散模型生成高质量的伪数据，并利用这些伪数据对聚合后的全局模型进行微调。该过程不仅有效弥补了局部‑全局相互蒸馏过程中可能丢失的全局信息，还进一步优化了全局模型的表现。通过结合相互蒸馏和条件扩散微调技术，本发明在保护数据隐私的同时，实现了个性化性能与全局泛化能力的平衡，适用于非独立同分布non‑IID数据环境下的多客户端协作场景。
-
公开(公告)号：CN119202998A
公开(公告)日：2024-12-27
申请号：CN202411373067.X
申请日：2024-09-29
Applicant: 国网山东省电力公司电力科学研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/2433 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , H04L9/40 , G06F123/02
Abstract: 本发明公开了一种工控流量异常检测方法、系统及电子设备，属于流量异常检测技术领域。包括：获取工况网络的实时流量数据包并进行预处理，生成原始流量特征序列和时频特征序列；通过训练好的混合神经网络模型对原始流量特征序列和时频特征序列进行并行处理，分别获取数据特征映射结果和物理特征映射结果并自适应融合，获取流量异常检测结果；其中，混合神经网络模型利用D‑ST‑LSTM网络学习原始流量特征序列中的深层次时序信息，利用DAE‑CNN网络对时频特征序列进行局部空间特征提取。能够充分利用流量数据的时间和空间维度信息，提高工控流量异常检测的精度；解决了现有面对低特征辨识度的异常流量异常检测效果有限的问题。
-
公开(公告)号：CN119201463A
公开(公告)日：2024-12-27
申请号：CN202411351906.8
申请日：2024-09-26
Applicant: 国网山东省电力公司电力科学研究院 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本申请提供一种电网巡检系统能耗优化处理方法、装置、设备及介质，涉及电网系统巡检技术领域，在判断当前时隙处于系统时隙内时，将获取到的当前时隙无人机的实时位置信息和地面传感设备的实时计算任务信息输入预设地面传感设备能量消耗模型，以所有地面传感设备的总能量消耗最小为模型优化目标进行优化求解，然后根据获得目标移动策略和目标任务卸载策略分别控制所述无人机的移动轨迹和任务卸载，在考虑无人机连续动作空间情况下，将无人机和地面传感设备协作组成移动边缘计算系统，对无人机路径规划和计算卸载策略进行联合优化，提升了地面传感设备能效，增强了系统性能。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.059 seconds)
