-
公开(公告)号：CN115277159A
公开(公告)日：2022-11-01
申请号：CN202210869728.2
申请日：2022-07-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于改进随机森林的工业互联网安全态势评估方法，属于工业互联网安全技术领域，包括以下步骤：S1：收集安全数据和资产信息，建立工业互联网安全流量数据库；S2：得到数据集；S3：构造训练样本集和测试样本集；S4：将训练样本集输入梯度提升决策树进行训练，确定工业互联网中不同攻击特征的重要性分数，利用递归特征消除法提取其关键特征，构建随机森林攻击检测模型，利用训练样本集进行分类训练并保留其最优参数；S5：利用随机森林攻击检测模型对样本测试集进行攻击检测，根据不同攻击的量化指标计算网络安全态势值，评估网络的安全状况。本发明可用于评估工业互联网的安全状况，为工业互联网安全提供保障。
-
公开(公告)号：CN111722139B
公开(公告)日：2022-08-09
申请号：CN202010609011.5
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明涉及一种基于可微连续映射的锂电池健康监测模型自学习方法，属于锂电池健康监测领域，包括以下步骤：S1：根据锂电池健康状态监测的任务类型，以1d‑CNN和AST‑LSTM NN为核心模块进行组合，根据任务要求的性能指标以及网络本身的损失函数大小为约束，挑选适应任务需要的神经网络模型；S2：在获得与各类健康状态监测任务匹配的神经网络模型之后，采用可微结构的自动学习方法，对这些神经网络进行自动训练。本发明将助于缺乏ANN经验的锂电池研究人员和工程师，快速简单地使用ANN建模，降低模型训练的成本，提高锂电池健康状态监测的研发能效。
-
公开(公告)号：CN108124261B
公开(公告)日：2020-10-27
申请号：CN201711308704.5
申请日：2017-12-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种融合信誉评估与巡查机制的无线传感网安全成簇方法，属于无线传感网安全技术领域。该方法将信誉评估与巡查机制融合在一起，解决了现有无线传感网恶意节点检测识别技术检测率低、检测速率慢、耗费资源多、检测成本高、难以发现潜伏或伪装的恶意节点等问题。本发明采用对汇聚节点巡查到异常行为节点的惩罚机制，快速降低异常节点的信誉值，与现有的技术相比，这是一个针对无线传感网非正常攻击恶意节点检测的安全成簇方法，具有较高的恶意节点检测率、检测速率和节省能量、节点能量消耗均衡，以及实时性强的特点。
-
公开(公告)号：CN111818056A
公开(公告)日：2020-10-23
申请号：CN202010657907.0
申请日：2020-07-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于区块链的工业互联网身份认证方法，属于工业互联网安全技术领域。该方法包括S1：发送户节点注册、认证请求；S2：CMF节点出块时间间隔内，根据各个节点的信用值从大到小生成出块节点名单；S3：完成用户节点的注册、认证工作，记账节点向其他CMF普通节点广播用户信息，各普通节点收到消息后存入本地授权用户表单；用户节点认证完成后，由CMF记账节点生成Token同时发送给用户节点和相应的IISP；S4：用户凭借从CMF获取的Token与相应的IISP建立连接，获取服务。本发明能较好的适用于工业互联网应用场景，在传统身份认证方法的基础上提高了一定的安全性，并满足一定的吞吐性能要求。
-
公开(公告)号：CN111722139A
公开(公告)日：2020-09-29
申请号：CN202010609011.5
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明涉及一种基于可微连续映射的锂电池健康监测模型自学习方法，属于锂电池健康监测领域，包括以下步骤：S1：根据锂电池健康状态监测的任务类型，以1d-CNN和AST-LSTM NN为核心模块进行组合，根据任务要求的性能指标以及网络本身的损失函数大小为约束，挑选适应任务需要的神经网络模型；S2：在获得与各类健康状态监测任务匹配的神经网络模型之后，采用可微结构的自动学习方法，对这些神经网络进行自动训练。本发明将助于缺乏ANN经验的锂电池研究人员和工程师，快速简单地使用ANN建模，降低模型训练的成本，提高锂电池健康状态监测的研发能效。
-
Patent Agency Ranking
公开(公告)号：CN107241358A
公开(公告)日：2017-10-10
申请号：CN201710651758.5
申请日：2017-08-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度学习的智能家居入侵检测方法，涉及在线系统涉及一种模糊神经网络和深度学习相结合的方法来判断网络是否存在入侵行为。该方法将深度学习和模糊神经网络有机结合在一起，了解决现有智能家居入侵检测技术难以处理大量高维数据、误报率高、漏报率高、检测率低的问题。本发明采用离线系统确定在线系统的运行参数，在线系统进行实时入侵检测，与现有技术相比，这是一个针对智能家居网络攻击行为的主动监测模型，具有较高的检测率、较低的漏报率和误报率，以及实时性强等特点。
-
公开(公告)号：CN104005909A
公开(公告)日：2014-08-27
申请号：CN201410162896.3
申请日：2014-04-22
Applicant: 重庆邮电大学
IPC: F03D7/00
CPC classification number: Y02E10/723
Abstract: 本发明公开了一种非线性前馈控制与粒子群优化模糊PID控制结合的风力发电机变桨距控制方法。该方法提出基于有功功率偏差的前馈控制策略，当发电机组运行在额定风速以上时，运用发电机有功功率P与额定功率P0得到功率偏差△P；通过MAPSO模糊PID控制器给出变桨距控制期望输出的桨距角β1；同时经非线性前馈控制器得出变桨距控制期望的前馈桨距角β2；MAPSO模糊PID控制器得到的桨距角β1与前馈桨距角β2相加，得到桨距角设定值β。本发明降低了系统的调节时间，增加系统的稳定性和可靠性，较传统控制器具有明显的优势。
-
公开(公告)号：CN103973697A
公开(公告)日：2014-08-06
申请号：CN201410211088.1
申请日：2014-05-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种物联网感知层入侵检测方法，涉及一种物联网感知层的安全检测方法，特别涉及一种通过特征检测技术与异常检测技术相结合进而判断网络是否存在入侵行为的检测方法。是为了解决现有技术的误报率高、漏报率高、检测率低等问题提出的，本发明采用特征检测技术和异常检测技术相结合的方法来进行物联网感知层的入侵检测，与现有技术相比，具有误报率低、漏报率低、检测率高、及时性好等优点，适用于物联网感知层异常行为的入侵检测。
-
公开(公告)号：CN118626929A
公开(公告)日：2024-09-10
申请号：CN202410744936.9
申请日：2024-06-11
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/084 , G06N3/0985 , G01M13/04
Abstract: 本发明涉及一种基于时频增强与生成式学习的小样本滚动轴承故障诊断方法，属于智能制造与工业大数据技术领域，包括以下步骤：S1：收集滚动轴承故障数据并进行预处理，建立滚动轴承故障数据集；S2：采用GAF算法将一维振动故障信号转换成为GADF时频特征图并划分出训练样本数据、验证样本数据与测试样本数据；S3：采用CVAE模型对小样本训练数据进行生成式数据样本扩充；S4：构建GAF‑CVAE‑MobileNet‑v3滚动轴承故障诊断模型；利用训练集样本数据和验证集样本数据对模型进行训练和优化；S5：利用测试集样本数据检验滚动轴承故障诊断模型，若不满足要求，则返回步骤S4，直至结果满足要求。
-
公开(公告)号：CN117235596A
公开(公告)日：2023-12-15
申请号：CN202311165102.4
申请日：2023-09-11
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/15 , G06F18/2113 , G06F18/214 , G06N3/006 , G06N7/08 , G06Q50/06 , G06N3/047 , G06N3/086
Abstract: 本发明涉及一种基于改进概率神经网络的智能电网安全态势评估方法，属于互联网技术领域。该方法具体包括如下步骤：S1、收集智能电网安全数据信息和安全资产信息，建立智能电网安全数据库；S2、对数据库中的安全数据进行数据清洗、归一化预处理，得到智能电网安全数据集；S3、将数据集输入XGBOOST进行特征筛选，提取出其关键特征；S4、采用留出法构造样本集和测试集；S5、搭建XGBOOST‑ISSA‑PNN智能电网安全态势评估模型，并利用训练集样本集对模型进行分类训练并保留其最优参数；S6、利用训练好的XGBOOST‑ISSA‑PNN攻击检测模型对样本测试集进行攻击检测，根据不同攻击的量化指标计算网络安全态势值，评估智能电网的安全状况。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
