一种基于线性门控未来预测网络的工业物联网网络安全态势预测方案

    公开(公告)号:CN119155086A

    公开(公告)日:2024-12-17

    申请号:CN202411261680.2

    申请日:2024-09-10

    Abstract: 本发明属于工业物联网、深度学习与网络态势预测交叉领域,提出了一种能够主动且有效预测工业物联网环境中恶意流量的创新方案。该方案提出了一种基于线性门控未来预测网络(LGF‑Net)的新型网络态势预测方法。具体而言,该模型融合了U‑Net和ResNet的优势,显著提升了网络态势预测的性能。LGF‑Net模型在两个关键方面加强了传统的深度学习网络:首先,它通过多层次结构有效捕捉了时间序列中的内在相关性;其次,它引入了信息补偿机制,极大地减少了学习过程中的信息损失。这些改进大幅增强了模型捕捉要素间相关性的能力,使其能够利用多层次历史数据准确预测未来的网络安全状况。此外,该研究还通过理论复杂性分析评估了所提方法的计算效率。最后,大量实验结果表明,与现有方法相比,该方法在多个性能指标上都具有显著优势。

    多层级工控网络中的动态更新隐私保护审计装置及方法

    公开(公告)号:CN116633597A

    公开(公告)日:2023-08-22

    申请号:CN202310463676.3

    申请日:2023-04-26

    Abstract: 本发明公开了一种多层级工控网络中的动态更新隐私保护审计装置及方法,所述装置设有建立系统参数单元、移动接收器或雾节点生成公钥/私钥对单元、移动接收器重签名密钥生成单元、移动接收器的标签生成单元、移动接收器生成标签的验证单元、移动接收器标签的重签名单元、移动接收器标签的重签名单元、雾节点自身数据块的标签生成单元、验证单元和存储数据的公共完整性审计单元。这种装置支持存储数据的动态更新、计算成本低。所述方法能保护第三方审计员的隐私、保证数据的时效性和准确性、降低移动接收器和雾节点的计算成本,提高数据处理的效率和速度,可以提高工控网络的可扩展性和灵活性,适应不同规模和需求的工控系统。

    一种基于深度学习的链下工业数据异常检测方法

    公开(公告)号:CN119004305A

    公开(公告)日:2024-11-22

    申请号:CN202410943203.8

    申请日:2024-07-15

    Abstract: 本发明涉及深度学习和区块链技术领域,具体是一种基于深度学习的链下工业数据异常检测方法。该方法提出了一种时空邻域融合网络模型,能够提取工业物联网流量数据的时间序列特征、空间序列特征以及邻居节点特征。通过对提取的三种特征进行线性关系聚合,全面表达数据特征,从而提高异常检测的准确性。本方法实现了对工业数据的智能感知和高效检测,确保在数据上链之前剔除或修正异常数据,最终保障上链数据的真实有效性和系统的整体安全性。上链存储的数据可以随时被追溯和验证,确保工业数据的可信度。本发明结合了深度学习的智能感知能力和区块链的去中心化、共识机制等特点,为工业区块链系统提供了一种高效、可靠的数据管理解决方案。

    一种态势感知的统一仿真验证平台及方法

    公开(公告)号:CN115203701A

    公开(公告)日:2022-10-18

    申请号:CN202210664832.8

    申请日:2022-06-13

    Inventor: 萧牧天 丁勇 梁海

    Abstract: 本发明涉及区块链技术领域,具体涉及一种态势感知的统一仿真验证平台及方法,包括预处理模块、反汇编模块、符号执行模块、态势感知模块、数字孪生体、验证平台和模拟验证模块,采用了数字孪生技术,参照CPU架构指令实现了一个可以进行态势感知的仿真模拟平台及模拟验证方法,通过公式节点的具体行为,利用基于动态博弈的信誉激励机制动态调整共识节点的信誉值,从而使得见证人集合中的节点通过信誉值升降进行合理的调整,有效地防止了恶意节点连续作恶的问题,增加了节点作恶的成本,提高了公式过程的安全性。

Patent Agency Ranking