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

Inventor： 刘延华 ,  方文昱 ,  许贻杰 ,  谢飞 ,  翁武焰

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。

公开(公告)号：CN117499121A

公开(公告)日：2024-02-02

申请号：CN202311506511.6

申请日：2023-11-13

Applicant: 福州大学 ,  福建省数字福建云计算运营有限公司

Inventor： 刘延华 ,  韩雨婷 ,  陈辉 ,  许贻杰 ,  吴毓渺 ,  吴佳力

IPC: H04L9/40 ,  G06F18/24 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明涉及一种基于改进广义熵和DNN的DDoS检测方法。根据DDoS数据集中特征的重要性分别为初检模块和精检模块提取流量特征后，利用带有阈值的One‑hot‑encoding技术扩充新特征；然后利用改进广义熵方法将处理好的数据集进行分组，并通过参数自训练过程不断优化模型参数，实现DDoS攻击的初步检测，尽可能多的过滤掉正常流量，留下可疑流量，缩小精检模块的数据规模；最后将过滤后的流量输入由含dropout层的DNN构成的精检模块，最终确定DDoS攻击；本发明结合改进广义熵和DNN方法，更好地分析DDoS攻击的分散程度和周期性，反映DDoS攻击特征分布规律，在满足高准确率的同时能够提高检测速率，更好地满足高实时性要求。

公开(公告)号：CN117671380A

公开(公告)日：2024-03-08

申请号：CN202311693230.6

申请日：2023-12-11

Applicant: 福州大学 ,  国网信通亿力科技有限责任公司

Inventor： 刘延华 ,  陈洪 ,  韩雨婷 ,  许贻杰 ,  林钟馨 ,  陈惠文 ,  林睫菲 ,  陈新清

IPC: G06V10/764 ,  G06V10/30 ,  G06V10/28 ,  G06V10/44

Abstract: 本发明提出一种工业负荷曲线异常识别方法，包括以下步骤：步骤S1、对工业负荷曲线图像进行预处理，确定横纵坐标轴像素列位置；步骤S2、对预处理后的曲线图像进行曲线提取；步骤S3、根据提取到的曲线，横纵坐标轴的像素列位置，依据异常像素列位置检测是否有跳变或掉零异常，依据掉零和跳变的曲线趋势特征和异常区域的像素点差方法区分出具体故障类型，根据像素列方法计算出异常时间；步骤S4、根据提取到的曲线，横纵坐标轴的像素列位置，根据像素列差分方法检测是否存在无数据或不刷新的异常，根据像素列方法计算出异常时间；本发明能够有效识别工业负荷曲线图像中的掉零、跳变、不刷新，无数据等各类异常，为工业系统的预警提供有力的技术支撑。