基于时空特征的车联网CAN总线入侵检测方法

    公开(公告)号:CN117478410A

    公开(公告)日:2024-01-30

    申请号:CN202311510768.9

    申请日:2023-11-14

    Abstract: 本发明属于车联网安全技术领域,涉及基于时空特征的车联网CAN总线入侵检测方法。该方法包括以下步骤:S1)保留CAN数据,进行预处理。S2)使用时间窗口,生成一组一组序列;S3)采用多通道一维卷积神经网络提出序列的空间特征;S4)采用多通道门控时域卷积网路提取序列的时间特征;S5)将提取到的时空特征加入通道注意力机制并通过softmax分类器分类。提出一种基于空时特征的CAN总线入侵检测方法,该方法根据CAN数据帧具有时空特征的特性,从不同角度充分提取特征信息,相对于传统的入侵检测方法更加的强大,更加轻量化,具有更优的入侵检测性能。

    基于流模型和集成学习的入侵检测方法

    公开(公告)号:CN117272083A

    公开(公告)日:2023-12-22

    申请号:CN202210652901.3

    申请日:2022-06-10

    Abstract: 本发明属于入侵检测领域,涉及基于流模型和集成学习的入侵检测方法。该方法包括以下步骤:S1)将所用的数据进行预处理;S2)对数据集中的少数类样本用AE‑Flow模型进行新样本的生成;S3)对数据集中的多数类样本用K‑means算法进行聚类欠采样;S4)将合并以上步骤中得到的数据样本,用OSS算法去除类别边界附近的多数类样本;S5)对得到的各类别样本数量平衡的数据应用集成学习分类器XGBoost进行分类。本发明能实现高性能的入侵检测,相比与其他方法,该发明在多分类入侵检测中的查准率、查全率以及综合指标F1‑score上取得的效果更佳,在提升入侵检测系统性能的同时实现对少数类样本F1‑score的巨大提升。

    面向入侵检测特征分析的多解释融合算法

    公开(公告)号:CN118885966A

    公开(公告)日:2024-11-01

    申请号:CN202410932681.9

    申请日:2024-07-10

    Abstract: 本发明公开了一种面向入侵检测特征分析的多解释融合算法。针对不同的解释方法基于各自独特的机制来阐释模型的预测,它们往往关注不同的方面,并可能导致提供差异化的重要特征解释,解释结果的这种不一致性也为评估模型的解释能力带来了困难。本发明采用三种评价解释方法性能的指标作为权重值,融合了SHAP、LIME和PFI三种事后解释方法。有效的提取不同解释方法视角的优点并互相弥补不足,解决了不同的解释方法给出的观点不尽相同的问题,更好地提高入侵检测系统的透明性。

    一种基于多智能体深度强化学习的无人机差异化服务轨迹优化方法

    公开(公告)号:CN116774584A

    公开(公告)日:2023-09-19

    申请号:CN202310750495.9

    申请日:2023-06-25

    Abstract: 本发明公开了一种基于多智能体深度强化学习的无人机差异化服务轨迹优化方法,在考虑由多个服务提供商提供差异化服务的无人机网络中实现多个无人机的分布式轨迹控制。此外,针对用户和无人机计算成本最小化问题,本发明基于纳什均衡确定了无人机长期计算成本最小化问题的最优解也是用户计算成本最小化问题的最优解,并从理论上证明了纳什均衡的唯一性。针对不实际的完整系统信息的问题,本发明设计了马尔可夫博弈模型并基于深度强化学习设计了一种基于部分信息的多无人机轨迹优化算法,对不同服务提供商的无人机轨迹进行分布式控制,并从理论上证明了MUTO算法的总体复杂度为#imgabs0#实验结果证明本发明所提出的算法在用户和无人机总体计算成本方面的有效性。

    一种基于改进YOLOV5的道路遮挡目标检测方法

    公开(公告)号:CN116630932A

    公开(公告)日:2023-08-22

    申请号:CN202310423047.8

    申请日:2023-04-20

    Abstract: 本发明属于道路目标检测领域,具体是一种基于改进YOLOV5的道路遮挡目标检测方法。该方法包括以下步骤:S1)构建道路目标数据集,并将数据集划分为训练集、验证集和测试集;S2)通过Mixup数据增强方法对道路目标训练集进行处理,丰富道路遮挡目标训练样本数;S3)构建改进的YOLOV5遮挡目标检测模型;S4)将步骤S2中的训练数据输入到步骤S3模型中进行训练;S5)将测试集的图像输入到步骤S4训练好的模型中进行检测,输出检测结果即图像中目标的边界框位置参数以及目标类别信息。本发明对于道路密集遮挡条件下的目标检测精度提升较高,可降低道路目标之间由于排列密集导致的漏检率。

    一种基于无人机辅助无线供能网络的轨迹和资源分配方法

    公开(公告)号:CN116567546A

    公开(公告)日:2023-08-08

    申请号:CN202310750511.4

    申请日:2023-06-25

    Abstract: 本发明公开了一种基于无人机辅助无线供能网络的轨迹和资源分配方法,在考虑到满足无人机的移动性和安全性、基于智能传感设备服务质量和任务完成时间的约束条件,构建了系统能源效率最大化的多目标优化问题,并转化为无人机轨迹控制优化问题和无人机与智能传感设备关联的优化问题这两个子问题,解耦了无人机位置调整和智能传感设备关联决策变量。再通过使用受约束的多智能体深度强化学习和无人机辅助的智能传感设备关联分配方法分别完成无人机轨迹控制以及无人机与智能传感设备的关联分配,在获得最佳轨迹控制策略的同时,满足智能传感设备的服务质量和能耗约束。

    基于注意力机制的时间序列填补方法

    公开(公告)号:CN116050478A

    公开(公告)日:2023-05-02

    申请号:CN202211570842.1

    申请日:2022-12-08

    Abstract: 本发明属于时间序列分析领域,涉及基于对角掩码稀疏自注意力机制的缺失时间序列填补方法。该方法包括以下步骤:S1)将所用数据进行预处理;S2)采用对角掩码稀疏自注意力模块(DMPSA)提取时间序列的时间相关性及特征相关性;S3)将两个对角掩码稀疏自注意力模块(DMPSA)的输出进行加权组合;S4)采用插补和重构的联合优化训练方法训练基于对角掩码时间自注意力的时间序列插补模型。本方法根据时间序列数据前后值之间具有强关联性的特征,重点关注序列的时间相关性,相比于其他方法,捕获时间序列长期依赖性的效果更佳,对缺失时间数据的插补精度更高。

Patent Agency Ranking