-
公开(公告)号：CN117294466A
公开(公告)日：2023-12-26
申请号：CN202311042639.1
申请日：2023-08-18
Applicant: 四川大学
IPC: H04L9/40 , G06F18/2415 , G06F18/213 , G06F18/10 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于WSDBN的DoH恶意隧道检测方法。针对基于有监督学习的DoH恶意隧道检测算法需要人工设计特征工程和大量有标签数据的问题，提出基于WSDBN的DoH恶意隧道检测模型。本章在深度置信网络模型(DBN)中引入权重不确定性(Weight Uncertainty)和半受限玻尔兹曼机(Semi‑RBM)，缓解其过拟合问题并提高其数据重构能力，构建WSDBN新型网络模型。最后，在“CIRA‑CIC‑DoHBrw‑2020”数据集上对WSDBN‑FNN模型和对比对象进行大量实验，实验结果显示，本发明对DoH流量的检测率较高，误报率较低。
-
公开(公告)号：CN118296517A
公开(公告)日：2024-07-05
申请号：CN202310000857.2
申请日：2023-01-03
Applicant: 四川大学
IPC: G06F18/2433 , G06F18/23 , G06N3/0442 , G06N3/045
Abstract: 本发明针对上述问题，提出了一种基于最大信息系数的离线工控异常检测算法MICHC‑NN。针对皮尔逊积矩系数不能识别非线性关系的缺陷，本发明首先引入了最大信息系数来计算传感器之间的相关性，基于层次聚类算法，本发明将传感器之间的相关性作为逻辑距离，选出系统中的关键传感器，最后，本发明利用轻量级神经网络模型拟合关键传感器的正常运行状态以进行异常检测。测试结果表明，本发明提出的算法由于使用少量传感器，因此能够部署在算力极为有限的工控环境中，并获得了与使用所有传感器接近的异常检测效果。
-
公开(公告)号：CN118842774A
公开(公告)日：2024-10-25
申请号：CN202410942352.2
申请日：2024-07-15
Applicant: 四川大学
IPC: H04L49/103 , H04L9/00 , G06N20/00 , G06F18/213 , G06F18/22 , G06N3/0455 , G06N3/047 , G06N3/0475
Abstract: 本发明涉及一种基于关键特征提取的数据共享方案，具体包括：系统建模：该方案由多个数据提供方和一个区块链平台组成。特征提取阶段：各数据提供方利用变分自编码器(VAE)处理本地数据，提取鲁棒特征并计算关键特征。初次共享阶段：各数据提供方对提取出的关键特征进行随机噪声处理、打包和加密后上传至区块链平台。各方随后从区块链中提取关键特征，形成全局共享特征集合，并结合本地鲁棒特征用于后续联邦学习任务。联邦学习阶段：各方基于特征集合和本地特征执行联邦学习，分布式协作训练统一机器学习模型，直至模型拟合或达到预定迭代次数。每次模型更新时采用同态加密技术对全局参数加密聚合，确保隐私安全，防止通过模型参数逆向推导泄露隐私。
-
公开(公告)号：CN118365019A
公开(公告)日：2024-07-19
申请号：CN202410298721.9
申请日：2024-03-15
Applicant: 四川大学
IPC: G06Q10/0631 , G06N3/092
Abstract: 本发明公开了一种基于改进深度强化学习算法的柔性车间调度方法。本发明涉及到工业系统生产调度领域。本发明提出的基于改进深度强化学习算法的柔性车间调度方法具有调度效果好、能够对机器利用率进行提高的优点。与传统的基于深度强化学习的柔性车间调度算法相比，本发明将Local Search算法(邻域搜索算法)应用到了Deep Q‑learning算法(深度Q学习算法)当中，提出了一种新型的同时具备Local Search算法局部搜索能力以及Deep Q‑learning算法全局搜索能力的Deep Q‑learning Combined with Local Search算法(结合了邻域搜索算法的深度Q学习算法)。最后通过一系列标准数据集上的实验，成功证明了Deep Q‑learning Combined with Local Search算法(结合了邻域搜索算法的深度Q学习算法)在解决柔性车间调度问题上的优越性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
