-
公开(公告)号：CN120012127A
公开(公告)日：2025-05-16
申请号：CN202510020795.0
申请日：2025-01-02
Applicant: 国网江苏省电力有限公司苏州供电分公司
IPC: G06F21/60 , G06F18/241 , G06N7/01 , G06N3/094 , G06N3/045 , G06N3/0475 , G06F18/214
Abstract: 一种基于受限马尔可夫决策过程的加密机制动态优化方法及系统，包括：基于待优化的加密机制，构建受限马尔可夫决策过程，受限马尔可夫决策过程包括风险成本函数；构建对抗自动编码器评估加密机制的安全性，并结合风险成本函数将加密机制划分为安全集和违规集；构建最优可行性函数将安全集和违规集划分为可行集和不可行集；基于加密机制可行性的安全策略对不可行集中的加密机制进行优化，并对安全策略进行动态调整。本发明能够确保在加密机制的优化过程中始终保持整体安全和稳定；通过设计优化策略调整方法使加密机制在不断的策略优化过程中逐步提升其安全性和性能，最终实现加密机制优化策略的自我学习和动态调整。
-
公开(公告)号：CN117061255B
公开(公告)日：2024-01-19
申请号：CN202311319558.1
申请日：2023-10-12
Applicant: 国网江苏省电力有限公司苏州供电分公司
IPC: H04L9/40 , H04L41/16 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种电力信息系统的入侵检测方法、模型训练方法及装置，入侵检测方法包括以下步骤：将一优化后的入侵检测网络模型接入一电力信息系统中；采集所述电力信息系统的网络连接状态数据，并按照预设的格式要求进行特征描述和预处理，得到网络连接特征数据；将所述网络连接特征数据输入至所述入侵检测网络模型，以得到该网络连接状态数据对应的预测结果，所述预测结果为网络连接正常或网络连接异常。本发明提供的入侵检测方法、模型训练方法及装置突破了循环神经网络模型不能并行计算的限制，与卷积神经网络的结合使用进一步提升了网络模型的检测性能。
-
公开(公告)号：CN117061255A
公开(公告)日：2023-11-14
申请号：CN202311319558.1
申请日：2023-10-12
Applicant: 国网江苏省电力有限公司苏州供电分公司
IPC: H04L9/40 , H04L41/16 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种电力信息系统的入侵检测方法、模型训练方法及装置，入侵检测方法包括以下步骤：将一优化后的入侵检测网络模型接入一电力信息系统中；采集所述电力信息系统的网络连接状态数据，并按照预设的格式要求进行特征描述和预处理，得到网络连接特征数据；将所述网络连接特征数据输入至所述入侵检测网络模型，以得到该网络连接状态数据对应的预测结果，所述预测结果为网络连接正常或网络连接异常。本发明提供的入侵检测方法、模型训练方法及装置突破了循环神经网络模型不能并行计算的限制，与卷积神经网络的结合使用进一步提升了网络模型的检测性能。
-
-
Search Results
3
records
(took 0.036 seconds)
