-
Patent Agency Ranking
公开(公告)号：CN112418398A
公开(公告)日：2021-02-26
申请号：CN202011308181.6
申请日：2020-11-20
Applicant: 国网江苏省电力有限公司苏州供电分公司
IPC: G06N3/04 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F16/903
Abstract: 本发明涉及一种电力信息设备安全监测方法，其包括以下步骤：信息轮询采集、提取观测特征、浅层认识环境、预测未来状态、计算损失值、设定奖赏函数、最小化损失函数。本发明利用收集到的部分系统观测信息，对设备未来状态进行预测和评估，进而判断当前网络系统中各节点设备是否安全，其利用好奇心机制作为切入点，能够减少随机环境和白噪声等干扰因素造成的影响，使得智能体能在部分可观测环境下进行有效探索。
-
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：CN115510762A
公开(公告)日：2022-12-23
申请号：CN202211293453.9
申请日：2022-10-21
Applicant: 国网江苏省电力有限公司苏州供电分公司
IPC: G06F30/27 , G06N7/00 , G06F113/04
Abstract: 本发明公开了一种基于扰动攻击的电力网络安全主动检测方法，包括：采用强化学习中的马尔可夫模型对环境建立深度学习模型，根据强化学习预定义的多元组，智能体与所述环境进行交互，并将所述多元组收集至经验池，作为后续训练的采样轨迹；通过模拟计算正常数据样本下的电压偏差区间以及对应注入扰动性对抗攻击数据后产生的电压偏差区间，以减少两者之间重复的偏差区间为目标，调整正常数据样本下的电压偏差的最大值以主动区分出受到电力网络扰动攻击的情形。本发明提供的电力网络安全主动检测方法主动降低模拟扰动性对抗攻击下动作的偏差，代替了之前智能电网信息系统被动防御扰动性对抗攻击，提升了智能电网系统的防御能力。
-
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：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
5
records
(took 0.038 seconds)
