-
Patent Agency Ranking
公开(公告)号：CN112101963B
公开(公告)日：2024-02-27
申请号：CN202010981807.3
申请日：2020-09-17
Applicant: 中国信息通信研究院
IPC: G06Q30/018 , G06K17/00 , H04W4/38
Abstract: 本申请实施例提供了一种设置在产品上的防伪设备及实现防伪的分布式标识解析系统，设置在产品上的防伪设备包括远程通信模组和近场通信模组，远程通信模组与产品中的可活动部件相连，远程通信模组用于存储预先为产品配置的工业互联网标识，并向分布式标识解析系统发送第一信息，第一信息指示具有工业互联网标识的产品被使用，近场通信模组用于存储第二信息，并向位于近场通信模组的通信范围内的设备，发送第二信息，第二信息包括工业互联网标识和触发信息，触发信息用于触发设备向分布式标识解析系统发送工业互联网标识。实现防伪的分布式标识解析系统包括分布式部署的递归节点、解析节点和企业节点，解析节点包括二级节
-
公开(公告)号：CN115758263A
公开(公告)日：2023-03-07
申请号：CN202211104087.8
申请日：2022-09-09
IPC: G06F18/2431 , G06F18/214 , G06F40/30 , G06F40/279 , G06F16/33 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种DGA域名检测模型的训练方法、系统、应用方法及系统，属于域名检测技术领域，训练方法包括：获取域名数据；对域名数据按照字符进行划分，得到域名字符序列；对域名数据进行分词处理，得到域名分词序列；为域名分词序列中每一元素标注语义标签，得到语义标签序列；将域名字符序列与语义标签序列合并，得到域名字符拓展序列；基于卷积神经网络和长短期记忆神经网络，构建DGA域名检测模型；根据DGA域名检测模型的输出以及域名字符拓展序列对应的域名的实际类别，确定损失函数；根据损失函数优化DGA域名检测模型的参数，以对DGA域名检测模型进行训练，得到训练好的DGA域名检测模型，能够提升域名检测精度和效果。
-
公开(公告)号：CN115309736B
公开(公告)日：2023-03-24
申请号：CN202211230797.5
申请日：2022-10-10
Applicant: 北京航空航天大学 , 中国信息通信研究院 , 中国科学院数学与系统科学研究院
IPC: G06F16/215 , G06F16/2455 , G06F16/2458 , G06F18/2431 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/08 , G01D21/02
Abstract: 本发明涉及工业数据的异常检测领域，公开了一种基于自监督学习多头注意力网络的时序数据异常检测方法，包括S1：针对多个工业传感器采集到的所有时序数据，归一化后得到时序数据xnorm；S2：对时序数据xnorm采用两种方式增强，得到时序数据xaug1和xaug2；S3：通过时序数据对特征提取网络进行预训练；S4：对特征提取网络fξ与fθ，以及网络gθ，qθ和gξ进行更新；S5：在预训练以及网络更新结束后，进一步增强训练，完成后将整体网络应用于异常检测。通过本发明的检测方法在预训练阶段已经完成了特征提取的工作，因此在应用于异常检测任务时，只需要进行较少轮训练即可以实现较高的检测精度。
-
公开(公告)号：CN112101963A
公开(公告)日：2020-12-18
申请号：CN202010981807.3
申请日：2020-09-17
Applicant: 中国信息通信研究院
Abstract: 本申请实施例提供了一种设置在产品上的防伪设备及实现防伪的分布式标识解析系统，设置在产品上的防伪设备包括远程通信模组和近场通信模组，远程通信模组与产品中的可活动部件相连，远程通信模组用于存储预先为产品配置的工业互联网标识，并向分布式标识解析系统发送第一信息，第一信息指示具有工业互联网标识的产品被使用，近场通信模组用于存储第二信息，并向位于近场通信模组的通信范围内的设备，发送第二信息，第二信息包括工业互联网标识和触发信息，触发信息用于触发设备向分布式标识解析系统发送工业互联网标识。实现防伪的分布式标识解析系统包括分布式部署的递归节点、解析节点和企业节点，解析节点包括二级节点和二级节点的上级节点。
-
公开(公告)号：CN115309736A
公开(公告)日：2022-11-08
申请号：CN202211230797.5
申请日：2022-10-10
Applicant: 北京航空航天大学 , 中国信息通信研究院 , 中国科学院数学与系统科学研究院
IPC: G06F16/215 , G06F16/2455 , G06F16/2458 , G06K9/62 , G06N3/04 , G06N3/08 , G01D21/02
Abstract: 本发明涉及工业数据的异常检测领域，公开了一种基于自监督学习多头注意力网络的时序数据异常检测方法，包括S1：针对多个工业传感器采集到的所有时序数据，归一化后得到时序数据xnorm；S2：对时序数据xnorm采用两种方式增强，得到时序数据xaug1和xaug2；S3：通过时序数据对特征提取网络进行预训练；S4：对特征提取网络fξ与fθ，以及网络gθ，qθ和gξ进行更新；S5：在预训练以及网络更新结束后，进一步增强训练，完成后将整体网络应用于异常检测。通过本发明的检测方法在预训练阶段已经完成了特征提取的工作，因此在应用于异常检测任务时，只需要进行较少轮训练即可以实现较高的检测精度。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
