-
公开(公告)号：CN117560186A
公开(公告)日：2024-02-13
申请号：CN202311508150.9
申请日：2023-11-13
Applicant: 福州大学 , 福建中信网安信息科技有限公司
IPC: H04L9/40 , G06N3/0895 , G06F18/2135 , G06F18/211 , H04L41/16
Abstract: 本发明涉及一种基于改进偏差网络的半监督工控入侵检测方法。该方法首先经过数据预处理之后，构建基于信息增益和主成分分析法的IG‑PCA特征选择算法对工控数据的冗余特征进行消除，以实现特征降维。然后，基于改进偏差网络的半监督学习方法，采用异常评分网络对训练数据进行端到端的异常分数学习，以得到每条训练数据的异常评分。最后，为了使正负样本在得分上存在显著偏差，基于少量异常标注数据设计特定的偏差损失函数以对异常评分网络进行优化。本发明能够基于少量异常样本数据在降低数据维度减少计算量的同时仍具有良好的检测结果。
-
公开(公告)号：CN115242607B
公开(公告)日：2023-06-27
申请号：CN202210776129.6
申请日：2022-07-01
Applicant: 国网福建省电力有限公司 , 国网信通亿力科技有限责任公司 , 福州大学 , 北京科东电力控制系统有限责任公司
IPC: H04L41/0631 , H04L41/12 , H04L67/12
Abstract: 本发明涉及一种基于节点重要性的电力网络可靠性预警方法。包括融合节点特征的图注意力网络拓扑重要性评估，由节点的低维特征经过图注意力网络模型进行特征聚合，通过学习标注训练集后，输出每个节点的拓扑物理重要度；再通过统计每个节点承载的业务类型及数量计算节点的业务重要度；使用模糊层次分析法确定二者权重系数，进行节点综合重要度的考量；最后根据评估出的节点重要度，收集网络中失效节点信息，计算网络可靠性预警值并判断是否发起告警。本发明能够结合调度数据网中节点的拓扑重要性与业务重要性，适用于不同类型、不同规模的网络拓扑结构，基于节点综合重要度进行预警有利于防止系统崩溃，为确保电力调度网的可靠性提供重要技术支持。
-
公开(公告)号：CN115277433A
公开(公告)日：2022-11-01
申请号：CN202210765524.4
申请日：2022-07-01
Applicant: 国网福建省电力有限公司 , 国网信通亿力科技有限责任公司 , 福州大学 , 北京科东电力控制系统有限责任公司
Abstract: 本发明涉及一种基于调度数据网络拓扑结构的可靠度评估方法。具体包括抽象调度数据网络，建立可靠度模型，进一步通过分析调度数据网络的拓扑结构，确定核心层主调由器到汇聚路由器的的传输路径集，针对调度数据网络的特殊结构，使用链简化法和图变化法计算各个接入网的全端可靠度，结合路径集计算主调中心和各个汇聚路由器的两端可靠度。最后计算调度数据网络的综合可靠度。本发明方法能够结合调度数据网络特殊的拓扑结构，分层次完成网络调度数据网络的可靠度评估与分析，这对调度数据网络可靠性分析研究具有重要的理论和实际的应用价值。
-
公开(公告)号：CN119962656A
公开(公告)日：2025-05-09
申请号：CN202510033903.8
申请日：2025-01-09
Applicant: 福州大学
IPC: G06N5/025 , G06F16/35 , G06F16/335 , G16H10/60
Abstract: 本发明提供一种基于实体增强的医疗信息抽取方法，使用BERT预训练模型得到文本向量；使用全局实体加强层和局部实体加强层得到实体加强表征向量，通过五角标类型的解码层将实体关系联合抽取分解成细粒度分类任务，以实现医疗文本实体对及其关系的抽取。能够在复杂的医疗文本有效的完成抽取任务。
-
公开(公告)号：CN117579468A
公开(公告)日：2024-02-20
申请号：CN202311506506.5
申请日：2023-11-13
Applicant: 福州大学 , 福建中信网安信息科技有限公司
IPC: H04L41/0677 , H04L41/16
Abstract: 本发明涉及一种基于联邦增量学习的工业物联网故障检测方法。包括对全局模型和局部模型计算出的不同数据类准确率进行知识蒸馏操作，提取模型的知识学习特征，对蒸馏后的类精度进行非线性映射，并结合当前局部数据训练程度，计算不同数据类梯度学习权重；再从不同参与方训练数据抽象得到数据学习深度，进而结合该模型的训练参与度计算本轮全局聚合中的聚合权重，并在中心服务器使用各参与方的聚合权重完成聚合训练；最终使用全局故障检测模型对工业物联网任务进行故障检测，判断是否发生故障。本发明加速了局部模型在增量学习中有效高精度收敛，实现局部模型的个性化训练，并通过全局加全聚合模型有效缓解模型聚合导致的模型退化问题。
-
Patent Agency Ranking
公开(公告)号：CN106951510A
公开(公告)日：2017-07-14
申请号：CN201710159967.8
申请日：2017-03-17
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F16/2465 , G06F16/2474
Abstract: 本发明涉及一种基于BIDE算法与最长公共子序列的序列型数据同一鉴定系统及方法，包括以下步骤：建立基于用户行为模式的数字证据同一鉴定模型；采用BIDE算法实现用户频繁行为模式的快速挖掘；设计基于最长公共子序列的用户行为模式综合相似度的计算方法。该方法可有效地对序列型用户数据进行同一鉴定，在数字取证中，确认匿名数据是否归属某一特定用户，可应用于对嫌疑人及其数据进行侦查和取证领域。即具备同一性的证据数据所包含的用户行为特征信息与特定犯罪嫌疑人的用户行为特征信息是相同的或相吻合的。
-
公开(公告)号：CN119691477A
公开(公告)日：2025-03-25
申请号：CN202411847303.7
申请日：2024-12-16
Applicant: 福州大学 , 国网信通亿力科技有限责任公司
Abstract: 本发明提出一种基于软聚类的联邦异构图学习方法，以解决图结构数据的非独立同分布、训练过程中客户端参与程度不一致导致的联邦学习模型性能下降问题。本发明将图结构数据的结点属性特征和结构特征进行解耦训练，并根据不同客户端的图结构数据结构特征分布的相似性进行个性化的软聚类，最终在聚类内依据客户端在训练中的参与程度以及模型性能进行加权聚合，得到个性化迭代后的模型。本发明将软聚类与联邦图学习两种领域的前沿技术结合，有助于解决联邦图学习中拥有不同图结构数据分布、不同训练程度的客户端对模型性能的负面影响，保护本地数据隐私安全，同时训练更贴合客户端实际数据分布的个性化模型，提高联邦学习模型的训练效率和准确性。
-
-
公开(公告)号：CN105096101A
公开(公告)日：2015-11-25
申请号：CN201510390803.7
申请日：2015-07-06
Applicant: 福州大学
Abstract: 本发明涉及一种基于LDA模型及中心度算法的邮件网络取证分析方法，包括以下步骤：读取邮件数据，对邮件数据进行基于一犯罪主题的查询，得到查询结果；根据查询结果，构造以邮件用户为节点，以用户通信关系为边的邮件网络图；对查询结果中的每一封邮件，基于LDA模型计算其主题分布；计算查询结果中的每一封邮件基于犯罪主题的关联值；计算每条边基于犯罪主题的关联值；根据邮件网络图中每条边的关联值，计算每个节点的中心值；根据上一步得到的所有节点的中心值求节点的影响因子，影响因子大于设定阈值的即为基于所述犯罪主题的可疑对象。本发明协助调查取证人员查找可疑人群及分析核心成员角色，为计算机犯罪案件取证提供辅助和支持。
-
公开(公告)号：CN117749507A
公开(公告)日：2024-03-22
申请号：CN202311814018.0
申请日：2023-12-27
Applicant: 国网福建省电力有限公司信息通信分公司 , 国网福建省电力有限公司 , 国网信通亿力科技有限责任公司 , 福州大学
IPC: H04L9/40 , H04L67/12 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于深度学习的物联网边缘轻量化DDoS检测方法，首先对物联网边缘设备产生的原始流量进行数据预处理，然后采用Bi‑GRU双向循环神经网络，对经过裁剪的原始流量数据进行DDoS二分类异常检测；随后，根据Bi‑GRU中的不同模块组合得到流量的复合特征，同时使用ShuffleNetV2的多分类结果优化DDoS二分类异常检测；接着，基于异常检测的结果拦截DDoS流量，实现在网络边缘阻拦大规模攻击流量；最后，通过物联网模块的边缘部署、实时性、轻量化设计构建基于深度神经网络的物联网边缘轻量化DDoS检测模型，用于物联网边缘的轻量化、自动化、实时性识别；本发明能够有效地对物联网边缘设备产生的DDoS流量进行智能化、轻量化、实时性识别与分类，降低运算资源需求，提升防御性能。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.015 seconds)
