公开(公告)号：CN116938509A

公开(公告)日：2023-10-24

申请号：CN202310397256.X

申请日：2023-04-12

Applicant: 北京信息科技大学

Inventor： 赵晓永 ,  杨寒雨 ,  王磊 ,  崔国玺 ,  张静乐 ,  王宁宁 ,  卢慧雅

IPC: H04L9/40

Abstract: 本发明涉及一种基于ChatGPT知识增强的网络数据流异常检测方法及系统，其包括：对获取的流式网络数据集进行基于ChatGPT知识增强处理，得到该流式网络数据集所在领域的领域知识，并获取领域知识中数据特征的最大值和最小值；基于当前数据速率与理想速率的关系，确定下一个区间自适应滑动窗口的长度，以得到区间自适应滑动窗口；将领域知识的特征的最大值和最小值融入归一化中，并将整个流式网络数据输入区间自适应滑动窗口对其进行归一化处理，得到当前窗口归一化后的数据点，并将当前窗口归一化后的数据点输入数据异常检测方法中，得到网络数据流异常检测结果。本发明能有效保证数据处理的实时性，提高异常数据的检测准确度；可以在网络安全领域中应用。

公开(公告)号：CN118013362A

公开(公告)日：2024-05-10

申请号：CN202410151646.3

申请日：2024-02-02

Applicant: 北京信息科技大学

Inventor： 赵晓永 ,  赵延玉 ,  王磊 ,  李莉 ,  王宁宁 ,  张静乐 ,  杨寒雨

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/088 ,  G06N20/20 ,  G06N3/0442

Abstract: 本发明涉及一种城市建筑异常能耗检测与优化的方法、系统、介质及设备，其包括：采用三个无监督模型基于统计的HBOS、基于机器学习的IForest和基于深度学习的EMD‑LSTM作为基学习器，将获取的待检测能耗数据集预处理后输入基学习器进行异常数据分类；将各个基学习器分类判定的处于离群和正常边缘的数据合并后，输入LLM进行标记，将LLM标记的数据与各基学习器输出的数据合并为最终的标记数据集；采用标记数据集训练XGBoost二元分类模型，将待检测的能耗数据集输入训练好的XGBoost二元分类模型，得到最终的能耗检测结果，输出异常能耗数据；同时，采用可解释人工智能分析方法对异常能耗数据进行细粒度分析和优化。本发明能有效提高异常能耗检测准确率。