-
公开(公告)号：CN115661508A
公开(公告)日：2023-01-31
申请号：CN202211164576.2
申请日：2022-09-23
Applicant: 暨南大学
IPC: G06V10/764 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多目标神经网络架构优化的SAR对抗图像检测系统及方法，本发明首先获取来自SAR历史数据库的图像数据集，对其进行数据解析和归一化，将其作为SAR图像检测离线训练模块的输入数据集，基于非支配排序遗传算法的设计神经网络架构优化平台获得针对FUSAR‑ship数据集的轻量级高鲁棒性的神经网络最优架构模型，在实现便于部署的同时，对SAR实时监控地面所产生图像的进行在线识别。本发明不仅可以用于SAR图像检测神经网络架构的自动生成和优化设计，而且在提高复杂SAR图像检测系统的对抗鲁棒性和准确率的同时，降低了SAR识别模型的复杂程度，大大减少了SAR在实现识别模型部署时的所需资源。
-
公开(公告)号：CN115412332B
公开(公告)日：2024-06-07
申请号：CN202211026383.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/12 , G16Y40/50 , G16Y40/20 , G16Y40/10 , G16Y30/10 , G06N3/045 , G06N3/006 , G06N3/084 , G06F18/24
Abstract: 本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN113591078B
公开(公告)日：2024-06-07
申请号：CN202110886083.9
申请日：2021-08-03
Applicant: 暨南大学
IPC: G06F21/55 , G06N3/0464 , G06N3/084 , G06N3/082
Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集，设计基于离散群体演化方法的卷积神经网络架构优化平台，获得工控入侵检测特征库和最优架构的卷积神经网络模型，针对工控系统实时数据库中的实时监控数据，从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计，提高了工控入侵检测系统的智能化设计水平和设计效率，还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN115396198B
公开(公告)日：2024-05-31
申请号：CN202211025573.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L43/04 , H04L43/08 , G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/086 , G06N3/084 , G06N3/0985 , G06N3/12
Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。
-
公开(公告)号：CN116318773A
公开(公告)日：2023-06-23
申请号：CN202211504988.6
申请日：2022-11-28
Applicant: 暨南大学
IPC: H04L9/40 , H04L43/026 , H04L67/12 , G06N3/0455 , G06N3/086
Abstract: 本发明公开了一种基于自编码器模型优化的工业互联网对抗训练式无监督入侵检测系统及方法。本发明使用数据解压模块采集工业互联网系统的通讯时序流量，经过谱残差技术的数据清洗、数据归一化和数据样本化等获得输入数据集，将AE网络模型的架构和参数进行二进制编码，设计基于二进制遗传优化技术的AE网络模型离线优化平台，并利用对抗训练对个体适应度进行评估，经迭代优化后自动获得工业互联网入侵检测系统的AE网络最优模型。本发明不仅可实现用于工业互联网无监督入侵检测系统的AE模型的对抗式训练和自动优化设计，提高了工业互联网入侵检测系统的模型训练稳定性和智能化设计水平，还提升了工业互联网系统入侵检测的召回率和F1评分等性能指标。
-
Patent Agency Ranking
公开(公告)号：CN115412332A
公开(公告)日：2022-11-29
申请号：CN202211026383.0
申请日：2022-08-25
Applicant: 暨南大学
IPC: H04L9/40 , H04L67/12 , G16Y40/50 , G16Y40/20 , G16Y40/10 , G16Y30/10 , G06N3/08 , G06N3/04 , G06N3/00 , G06K9/62
Abstract: 本发明公开了一种基于混合神经网络模型优化的物联网入侵检测系统及方法。从物联网系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为物联网入侵检测离线优化模块的输入数据集，设计基于离散粒子群优化技术的混合神经网络模型优化平台，获得物联网入侵检测特征库和混合神经网络最优模型，针对物联网系统实时数据库中的实时监控数据，从而实现物联网入侵检测的在线检测。本发明不仅可实现用于物联网入侵检测系统的混合神经网络模型的自动生成和优化设计，提高了物联网入侵检测系统的智能化设计水平和设计效率，还提升了物联网系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN113591078A
公开(公告)日：2021-11-02
申请号：CN202110886083.9
申请日：2021-08-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于卷积神经网络架构优化的工控入侵检测系统及方法。从工控系统历史数据库中采集生成过程的历史监控数据，经过数据解析和归一化后作为工控入侵检测离线训练模块的输入数据集，设计基于离散群体演化方法的卷积神经网络架构优化平台，获得工控入侵检测特征库和最优架构的卷积神经网络模型，针对工控系统实时数据库中的实时监控数据，从而实现工控入侵检测的在线检测。本发明不仅可实现用于工控入侵检测系统的卷积神经网络架构的自动生成和优化设计，提高了工控入侵检测系统的智能化设计水平和设计效率，还提升了工控系统入侵检测的精准率、召回率和F1评分等性能指标。
-
公开(公告)号：CN116340936A
公开(公告)日：2023-06-27
申请号：CN202310283388.X
申请日：2023-03-22
Applicant: 暨南大学
IPC: G06F21/55 , G06F18/2111 , G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开了一种融合强化学习和特征选择优化的ICS入侵检测系统及方法，将工业控制系统(ICS)历史数据集的数据特征选择进行二进制编码和种群初始化，通过SVM‑强化学习进行离线训练，将在验证集上得到的准确率作为适应度函数，设计基于累计概率的交叉操作和变异操作对种群进行更新，经过迭代优化后从而获得最优特征集合；基于最优特征集合对ICS实时数据集进行特征选择，通过支持向量机(SVM)‑强化学习对实时数据集进行在线入侵检测测试，从而获得入侵检测性能指标。本发明采用了基于SVM‑强化学习新模式，并在此基础上融合了最优特征选择的智能优化，提升了ICS入侵检测系统的智能化设计水平和入侵检测的精度。
-
公开(公告)号：CN116015752A
公开(公告)日：2023-04-25
申请号：CN202211569035.8
申请日：2022-12-08
Applicant: 暨南大学
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多目标变长CNN离散优化的电力CPS入侵检测系统及方法。将经过预处理的电力信息物理系统历史监控数据作为输入数据集，对构建卷积神经网络模型的卷积模块数量、模型拓扑结构、每一个卷积模块的架构参数和批大小、学习率、优化器类型、权重正则化等超参数进行变长离散编码，将CNN模型在验证集上的指标和模型浮点运算次数作为优化目标，设计一种多目标离散优化方法对基于变长卷积模块的CNN模型架构与参数进行多目标并行优化，从而获得兼顾模型性能和模型复杂度的Pareto最优CNN模型。针对电力CPS实时监控数据，在线部署最优CNN模型，从而实现电力CPS的在线入侵检测。本发明在保证模型高精度性能指标的同时还降低了模型的复杂度。
-
公开(公告)号：CN115396198A
公开(公告)日：2022-11-25
申请号：CN202211025573.0
申请日：2022-08-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于CNN架构与参数并行优化的电网入侵检测系统及方法，从智能电网的量测数据管理系统中采集电网运行状态的历史监控数据，解析数据获取各传感器的读数信息并进行基于标准分数的标准化处理，作为智能电网入侵检测离线优化训练模块的输入数据集，将CNN模型拓扑架构、卷积模块参数和训练参数进行编码，设计基于遗传算法的CNN模型架构与参数并行优化平台，获得最优CNN模型的架构与参数信息。针对智能电网的量测数据管理系统采集到的电网实时监控数据，在线部署最优CNN模型，从而实现智能电网入侵检测的在线检测。本发明不仅提升了智能电网入侵检测系统的智能化设计水平和设计效率，还提升了智能电网入侵检测的准确率和F1评分等性能指标。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
