-
公开(公告)号：CN110443035B
公开(公告)日：2024-12-24
申请号：CN201910360817.2
申请日：2019-04-30
Applicant: 罗伯特·博世有限公司
IPC: G06F21/55
Abstract: 本发明涉及对用于识别入侵尝试的系统进行校准的方法和设备。对用于识别在计算机网络、尤其是机动车的计算机网络中的入侵尝试的系统进行校准的方法和设备，其中根据数据组来估计至少一个参数，其中该数据组包括如下值，所述值表征在计算机网络中的消息的所检测到的出现；根据该至少一个参数来确定分布函数；确定该分布函数的反函数；而且根据所述反函数来校准所述值的通常用于基于规则地识别到计算机网络中的入侵尝试的至少一个极限。
-
公开(公告)号：CN110022291B
公开(公告)日：2023-05-09
申请号：CN201811570227.4
申请日：2018-12-21
Applicant: 罗伯特·博世有限公司
IPC: H04L9/40 , H04L43/0823
Abstract: 本发明涉及一种用于自动识别通信网络（3）中的数据流中的异常的方法，其具有以下步骤：‑提供经训练的变分自编码器（10），所述变分自编码器根据符合规定的数据包在预给定潜变量的通过参考分布参数说明的参考分布的情况下受训练；‑根据施加到经训练的变分自编码器（10）上的输入变量向量（x）来确定（S3）一个或多个分布参数，所述输入变量向量通过一个或多个数据包（P）来确定；‑根据所述一个或多个分布参数来将所述一个或多个数据包（P）识别（S4）为异常数据包。
-
公开(公告)号：CN110022291A
公开(公告)日：2019-07-16
申请号：CN201811570227.4
申请日：2018-12-21
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于自动识别通信网络（3）中的数据流中的异常的方法，其具有以下步骤：-提供经训练的变分自编码器（10），所述变分自编码器根据符合规定的数据包在预给定潜变量的通过参考分布参数说明的参考分布的情况下受训练；-根据施加到经训练的变分自编码器（10）上的输入变量向量（x）来确定（S3）一个或多个分布参数，所述输入变量向量通过一个或多个数据包（P）来确定；-根据所述一个或多个分布参数来将所述一个或多个数据包（P）识别（S4）为异常数据包。
-
公开(公告)号：CN104573822B
公开(公告)日：2019-06-04
申请号：CN201410526170.3
申请日：2014-10-09
Applicant: 罗伯特·博世有限公司
CPC classification number: G06F17/17 , F02D41/1401 , F02D41/266 , F02D2041/1423 , F02D2041/1425 , F02D2041/1433
Abstract: 用于集成控制组件的用于计算LOLIMOT的模型计算单元。本发明涉及一种用于集成控制组件（1）的模型计算单元（3），所述集成控制组件（1）通过纯粹基于硬件的实现配备有至少一个内部循环和外部循环中的指数函数、求和函数和乘法函数，以便计算基于数据的函数模型、尤其是高斯过程模型，其中模型计算单元（3）还被构造为计算包含多个局部部分模型的LOLIMOT模型。
-
公开(公告)号：CN104749953A
公开(公告)日：2015-07-01
申请号：CN201410830924.4
申请日：2014-12-26
Applicant: 罗伯特·博世有限公司
IPC: G05B13/04
CPC classification number: G06F17/10 , G05B2219/40336 , G06F17/16 , G06F17/175
Abstract: 本发明涉及一种用于确定用来在纯粹基于硬件的模型计算单元(43)中执行的稀疏高斯过程模型的方法，该方法包括以下步骤：-提供控制点数据点、基于所述控制点数据点的参数矢量和相应的超参数；-确定或者提供用于所述稀疏高斯过程模型的、虚拟的控制点数据点；并且-借助于对于在所述虚拟的控制点数据点之间的协方差矩阵KM的乔里斯基分解并且根据控制点数据点、基于所述控制点数据点的参数矢量以及相应的超参数来确定用于所述稀疏高斯过程模型的参数矢量它们定义了所述稀疏高斯过程模型。
-
Patent Agency Ranking
公开(公告)号：CN104281547A
公开(公告)日：2015-01-14
申请号：CN201410309076.2
申请日：2014-07-01
Applicant: 罗伯特·博世有限公司
CPC classification number: G06F7/60 , G05B13/04 , G06F9/3877 , G05B19/0426
Abstract: 本发明涉及用于运行控制器（1）的方法，其中该控制器包括由软件控制的主计算单元（2）、基于配置数据用于计算算法尤其用于实施贝叶斯回归法的纯基于硬件的模型计算单元（3）和存储单元（5），其中在该存储单元中限定模型存储区域（51），该模型存储区域分配有用于提供模型计算单元（3）中的配置数据的配置寄存器块（31），其中将配置数据写入到其中的配置寄存器块（31）中的最高位地址分配有计算启动配置寄存器（33），其写入会启动模型计算单元（3）中的计算，其中存储单元（5）的存储区域中的配置数据借助增量复制过程从模型存储区域（51）被写入到配置寄存器块（31）中，其中在增量复制过程中以升序复制地址。
-
公开(公告)号：CN110059904B
公开(公告)日：2024-11-22
申请号：CN201811517476.7
申请日：2018-12-12
Applicant: 罗伯特·博世有限公司
IPC: G06F18/2433 , G06F18/21 , G06N20/00
Abstract: 本发明涉及用于制订规则的方法，所述规则用于识别由数据包构成的数据流中的异常的基于规则的异常识别方法，其中数据包包括由一个或多个数据段构成的数据区段，并且数据包分配有时间戳和数据包类型，所述方法具有如下步骤：‑提供具有连续的参考时间点的参考时间信号；‑对于在一个数据流片段中由一个或多个通过所选择的数据包类型确定的数据包构成的至少两个数据段来说，分别确定有关数据段的连续值的时间序列，其中时间序列的值对应于有关数据段的值或者与这些值有关，其中有关数据段的值被分配给参考时间点中的相应的参考时间点；‑执行相关方法，以便分别确定两个不同的时间序列的相关值；‑根据所确定的相关值制订用于基于规则的异常识别方法的规则。
-
公开(公告)号：CN111447173A
公开(公告)日：2020-07-24
申请号：CN202010047739.3
申请日：2020-01-16
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及对控制器局域网或者汽车以太网络的数据分类的设备和方法。用于对尤其是用于控制器局域网或者汽车以太网的数据进行分类的设备和计算机实施的方法，其中接收（502）来自通信网络的多个消息，其中针对人工神经网络的多个输入模型中的分配给预先给定的消息类型的输入模型的输入变量，选出（504）具有所述预先给定的消息类型的消息，其中根据所述消息来确定（506）该输入变量，其中在人工神经网络的输出区域中输出预测，所述预测可用于根据所述输入变量对消息进行分类，或者输出输入变量的重构，所述重构可用于（510）根据该输入变量对消息进行分类。
-
公开(公告)号：CN104749953B
公开(公告)日：2020-06-16
申请号：CN201410830924.4
申请日：2014-12-26
Applicant: 罗伯特·博世有限公司
IPC: G05B13/04
Abstract: 本发明涉及一种用于确定用来在纯粹基于硬件的模型计算单元(43)中执行的稀疏高斯过程模型的方法，该方法包括以下步骤：‑提供控制点数据点、基于所述控制点数据点的参数矢量和相应的超参数；‑确定或者提供用于所述稀疏高斯过程模型的、虚拟的控制点数据点；并且‑借助于对于在所述虚拟的控制点数据点之间的协方差矩阵KM的乔里斯基分解并且根据控制点数据点、基于所述控制点数据点的参数矢量以及相应的超参数来确定用于所述稀疏高斯过程模型的参数矢量它们定义了所述稀疏高斯过程模型。
-
公开(公告)号：CN110059904A
公开(公告)日：2019-07-26
申请号：CN201811517476.7
申请日：2018-12-12
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及用于制订规则的方法，所述规则用于识别由数据包构成的数据流中的异常的基于规则的异常识别方法，其中数据包包括由一个或多个数据段构成的数据区段，并且数据包分配有时间戳和数据包类型，所述方法具有如下步骤：-提供具有连续的参考时间点的参考时间信号；-对于在一个数据流片段中由一个或多个通过所选择的数据包类型确定的数据包构成的至少两个数据段来说，分别确定有关数据段的连续值的时间序列，其中时间序列的值对应于有关数据段的值或者与这些值有关，其中有关数据段的值被分配给参考时间点中的相应的参考时间点；-执行相关方法，以便分别确定两个不同的时间序列的相关值；-根据所确定的相关值制订用于基于规则的异常识别方法的规则。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.021 seconds)
