一种基于强化学习智能体的检验检测试验排期方法

    公开(公告)号:CN119740822A

    公开(公告)日:2025-04-01

    申请号:CN202411835600.X

    申请日:2024-12-13

    Abstract: 本发明提供一种基于强化学习智能体的检验检测试验排期方法,涉及试验排期技术领域。该方法包括:设计检验检测试验任务排期环境,采集和管理任务数据,模拟任务排期和执行,建立奖励函数模型;建立状态嵌入智能体,将排期状态对应到特征空间;建立神经网络模型实现的排期决策智能体,依据奖励机制,智能体在排期管理环境进行状态搜索,最大化累积奖励得分,训练调整智能体的决策参数;持续训练神经网络模型,直至模型满足预设的训练和验证条件。利用基于神经网络的强化学习技术,设计检验检测试验排期环境,整合数据及试验排期所需要满足的限制条件,建立排期决策神经网络模型,实现满足试验排期环境限制的智能化排期,从而提高了试验排期效率。

    一种基于智能体学习的模糊测试节点资源动态分配方法

    公开(公告)号:CN118838712A

    公开(公告)日:2024-10-25

    申请号:CN202410916758.3

    申请日:2024-07-09

    Abstract: 本发明提供一种基于智能体学习的模糊测试节点资源动态分配方法,涉及资源动态分配技术领域。该方法包括:设置任务管理环境,任务管理环境用于管理任务状态及奖励机制;设置模糊测试引擎,针对当前任务状态,依据测试分配智能体的评估为测试节点分配测试对象,并通过数据生成智能体生成各种输入数据并模拟攻击场景,从而对系统进行全面扫描,发现潜在漏洞;依据任务管理环境奖励机制,数据生成智能体和测试分配智能体在任务管理环境进行状态搜索,通过最大化累积奖励得分来进行模型训练;持续进行模型训练至模型满足预设训练和验证条件。本方法利用模糊测试技术对系统进行漏洞扫描,并结合资源负载均衡技术,提高了扫描效率和准确性。

    一种基于球面结构进行神经网络反向传播训练的方法

    公开(公告)号:CN117312858A

    公开(公告)日:2023-12-29

    申请号:CN202311334133.8

    申请日:2023-10-16

    Abstract: 本发明提供一种基于球面结构进行神经网络反向传播训练的方法,涉及工业检测神经网络训练技术领域。该方法包括:步骤A:确定神经网络结构、损失函数、学习率和优化器,对每组参数w预设其所在球面半径R和曲率K=1/R,完成模型初始化;步骤B:对每组参数w,在欧式空间计算参数的梯度,并将梯度向量投映到参数的切平面;步骤C:根据步骤B计算得到的梯度向量,计算梯度下降并更新神经网络的参数,将参数沿球面的指数映射投映到球面上;步骤D:回到步骤B,循环至完成训练条件。通过将神经网络的系数空间限制于球面流形结构上,由此得到反向传播过程中神经网络系数沿着球面的测地线移动,取代欧几里德空间中的直线,进而训练神经网络参数。

    一种攻击特征提取的方法

    公开(公告)号:CN112437084B

    公开(公告)日:2023-02-28

    申请号:CN202011319212.8

    申请日:2020-11-23

    Abstract: 本发明公开了一种攻击特征提取的方法,其特征在于,包括如下步骤:通过协议解析获取攻击字段并转化为数字矩阵,通过特殊字符对字段模式进行初步分隔,对分隔完毕的数据进行统计分析并更新数字矩阵,在更新的数字矩阵中统计重复出现的字段组合,建立攻击特征分类模型,提取已知和未知的攻击字段中与攻击相关的关键特征,并预测已知和未知的攻击信息的攻击类型。本发明基于对网络通讯协议的解析和攻击特征的理解,建立通用的攻击特征提取方法,并依据相关特征对攻击类型进行分类。通过对不同的攻击样本的分析,利用统计方法提取出攻击字段中具有攻击特征的信息,并在此基础上对攻击类型进行分类建模,实现了高效客观的攻击特征自动提取。

    基于神经网络隐LSTM模型的二进制流信息分析方法

    公开(公告)号:CN114219077A

    公开(公告)日:2022-03-22

    申请号:CN202111544622.7

    申请日:2021-12-16

    Inventor: 王高翃

    Abstract: 本发明提供一种基于神经网络隐LSTM模型的二进制流信息分析方法,涉及数据流信息分析技术领域。该方法包括:确定嵌入空间的维数m,取二进制流中的每r位数据为一个字母,并确定相应的2^r个字母在嵌入空间的对应嵌入向量;确定观测空间的维数n;确定隐状态空间的维数L;建立LSTM模型,并初始化模型参数;建立状态空间到观测空间的状态转移模型;设计LSTM模型的模型整体损失函数;在模型参数训练完成以后,保存模型的嵌入参数、LSTM参数和状态转移参数。本发明通过将二进制流信息视为一种需要处理和分析的语言结构,结合隐马克可夫模型的想法和循环神经网络的应用,实现了对二进制流信息的分析,提升了信息分析的准确性。

    一种攻击特征提取的方法

    公开(公告)号:CN112437084A

    公开(公告)日:2021-03-02

    申请号:CN202011319212.8

    申请日:2020-11-23

    Abstract: 本发明公开了一种攻击特征提取的方法,其特征在于,包括如下步骤:通过协议解析获取攻击字段并转化为数字矩阵,通过特殊字符对字段模式进行初步分隔,对分隔完毕的数据进行统计分析并更新数字矩阵,在更新的数字矩阵中统计重复出现的字段组合,建立攻击特征分类模型,提取已知和未知的攻击字段中与攻击相关的关键特征,并预测已知和未知的攻击信息的攻击类型。本发明基于对网络通讯协议的解析和攻击特征的理解,建立通用的攻击特征提取方法,并依据相关特征对攻击类型进行分类。通过对不同的攻击样本的分析,利用统计方法提取出攻击字段中具有攻击特征的信息,并在此基础上对攻击类型进行分类建模,实现了高效客观的攻击特征自动提取。

    基于双曲流形结构进行神经网络反向传播训练的方法

    公开(公告)号:CN117521766A

    公开(公告)日:2024-02-06

    申请号:CN202311552030.9

    申请日:2023-11-21

    Abstract: 本发明提供一种基于双曲流形结构进行神经网络反向传播训练的方法,涉及时序数据神经网络训练技术领域。该方法包括:步骤A:确定卷积神经网络结构hi,完成模型初始化;步骤B:引入额外的时间维度t0和隐藏时间维度ti;步骤C:对于时间维度参数,在广义双曲面上进行初始化;步骤D:调整扁平层并更新损失函数;步骤E:对每组参数计算梯度;步骤F:根据计算的梯度向量,进行模型的参数更新;步骤G:回到步骤E,循环至完成训练条件。通过将神经网络的系数空间限制于广义双曲面流形结构上,从而引入神经网络反向传播方法,由此得到反向传播过程中神经网络系数沿着双曲面的测地线移动,取代欧几里德空间中的直线,进而训练神经网络参数。

    一种构建高端装备云平台的方法
    10.
    发明公开

    公开(公告)号:CN117111889A

    公开(公告)日:2023-11-24

    申请号:CN202311045190.4

    申请日:2023-08-18

    Abstract: 本发明涉及高端装备领域,且公开了一种构建高端装备云平台的方法,包括以下步骤:需求分析和规划;数据接入和存储;人工智能算法集成;功能开发和测试;部署和运维。本发明所述的一种构建高端装备云平台的方法,针对不同行业的高端装备的制造和运维,分析质量检测、运行状态监测等需求,通过平台接入数据,集成人工智能算法,实现高端装备的质量检测和运行状态评估、故障预警等功能,可以在质量检测、运行状态监测和故障预警等方面带来诸多好处,提高装备的质量和效率,降低成本,增加价值。

Patent Agency Ranking