公开(公告)号：CN114723686A

公开(公告)日：2022-07-08

申请号：CN202210288074.4

申请日：2022-03-22

Applicant: 上海电力大学

Inventor： 李晋国 ,  李祎 ,  黄润渴 ,  王亮亮 ,  温蜜 ,  张凯

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06T7/11 ,  G06V10/774 ,  G06V10/82 ,  G06T5/50

Abstract: 本发明涉及一种基于YOLO v4算法的自爆绝缘子检测方法，包括步骤：1)获取训练数据用的自爆绝缘子图像，并对其进行分辨率调整；2)采用有监督数据增强方法对步骤1)中调整后的绝自爆缘子图像进行数量扩充；3)采用无监督数据增强方法对步骤2)中的自爆绝缘子图像进行数量扩充；4)将扩充后的自爆绝缘子图像数据集输入至改进后的YOLO v4算法中进行训练，获取训练完成的绝缘子图像检测模型；5)将分辨率调整后的待检测的绝缘子图像输入至训练后的绝缘子图像检测模型中，进行自爆绝缘子的检测。与现有技术相比，本发明具有提升检测精度，提高输电线路巡检效率等优点。

公开(公告)号：CN116647378A

公开(公告)日：2023-08-25

申请号：CN202310615767.4

申请日：2023-05-29

Applicant: 上海电力大学

Inventor： 黄润渴 ,  李晋国 ,  闫芫 ,  李春林 ,  倪赟

IPC: H04L9/40 ,  H04W12/121

Abstract: 本发明涉及一种基于MMFSA和DSCA‑BiLSTM的网络入侵检测方法，包括以下步骤：S1、构建原始数据集，对原始数据集进行预处理；S2、基于多度量特征选择算法，对预处理后的数据集进行处理，生成特征子集；S3、将原始数据集输入到DSCA‑BiLSTM网络模型进行隐含特征捕获及双向时序建模，获得分类模型；S4、捕获终端设备的网络流量，并对网络流量进行预处理；S5、利用步骤S2中生成的特征子集，对步骤S4中预处理后的网络流量进行数据降维，降维后的流量数据进入分类模型进行异常检测。与现有技术相比，本发明准确率及检出率均较高，同时误报率较优。

公开(公告)号：CN116582337A

公开(公告)日：2023-08-11

申请号：CN202310615789.0

申请日：2023-05-29

Applicant: 上海电力大学

Inventor： 黄润渴 ,  李晋国 ,  李春林 ,  倪赟 ,  闫芫

IPC: H04L9/40 ,  G06F18/241 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种异常流量检测方法及系统，先采用Borderline SMOTE方法平衡网络入侵检测中的异常样本，其次通过深度可分离卷积神经网络DSCNN提取流量数据空间特征，最后通过BiRGRU模块捕获时间序列的历史信息，以提高模型检测效率及健壮性，同时满足雾环境下的低时延要求。与现有技术相比，本发明能够捕获流量的隐含特征和时序特征，识别准确度更高，且在保证检测精度的同时使模型轻量化。

公开(公告)号：CN115712857A

公开(公告)日：2023-02-24

申请号：CN202211345680.1

申请日：2022-10-31

Applicant: 上海电力大学

Inventor： 李晋国 ,  林兆亮 ,  黄润渴 ,  常文明 ,  张凯 ,  王亮亮 ,  温蜜

IPC: G06F18/241 ,  G06N3/045 ,  H04L9/40

Abstract: 本发明涉及一种异常流量检测方法、设备及介质，该方法包括获取网络流量数据；通过经训练的异常流量检测模型得到流量分类结果，并加入注意力机制和批标准化，所述的异常流量检测模型的训练方法包括以下步骤：对训练样本集进行特征提取和数据预处理，获得归一化的数值特征；数值特征依次经过CNN和LSTM得到二维空间特征和时序特征，二维空间特征经过Flatten层得到一维空间特征；注意力机制根据注意力权重增强相关特征，批标准化被添加在异常流量检测模型中每一个全连接层和激励函数之间；通过全连接层和SoftMax层得到流量趋势预测准确率，直至流量趋势预测准确率出现负增长。与现有技术相比，本发明克服了信息过载和LSTM模型的梯度消失的问题。