基于分布式协同的网络异常行为检测方法

    公开(公告)号:CN118842613A

    公开(公告)日:2024-10-25

    申请号:CN202410798637.3

    申请日:2024-06-19

    Abstract: 本发明公开了一种基于分布式协同的网络异常行为检测方法,在服务器端和各社交网络客户端部署动态图异常行为检测模型,服务器端初始化模型参数并下发给各个社交网络客户端,各个社交网络客户端采用本地历史数据集对模型进行本地训练,然后将优化过的模型参数连同本地历史数据集上传至服务器,服务器聚合各个社交网络的模型参数并根据合并的历史数据集继续优化模型,再将得到的模型参数分发回各个社交网络客户端;重复上述过程进行迭代优化,服务器端将最终得到的模型参数下发至各社交网络客户端用于异常行为检测。本发明利用联邦学习框架构建去中心化的异常行为检测方法,以综合不同社交网络的用户行为数据,增强异常行为检测的准确性和泛化能力。

    基于CNN和Q学习的车载边缘网络概率路由算法

    公开(公告)号:CN117676757A

    公开(公告)日:2024-03-08

    申请号:CN202311681803.3

    申请日:2023-12-08

    Abstract: 基于CNN和Q学习的车载边缘网络概率路由算法,通过概率矩阵分解将节点相遇情况和节点转发能力进行分解,然后利用CNN自主对输入数据进行感知提取局部特征,分析出节点社会关系和转发能力对节点状态转移的影响,得出节点的状态转移概率;根据状态转移概率设置概率阈值,大于该阈值的节点加入到候选节点集中,对候选节点集进一步筛选,通过Q学习计算更新候选节点集中节点的Q值,根据Q值以及维持时间来选择最佳中继节点。结合概率矩阵分解和卷积神经网络方法,用于有效学习节点的隐含特征,减少计算量、存储量,提高算法效率;采用Q学习算法,根据节点特征及网络拓扑结构,动态选择最佳转发节点,实现车载边缘网络中的数据传输优化。

    基于时空特征并行分析的车联网入侵检测方法

    公开(公告)号:CN116506858A

    公开(公告)日:2023-07-28

    申请号:CN202310489303.3

    申请日:2023-04-28

    Abstract: 本发明公开了一种基于时空特征并行分析的车联网入侵检测方法,分别在车联网正常运行状态时和发生入侵时分别采集若干个车联网流量数据序列,提取得到车联网流量数据特征矩阵,进行标签标注得到车联网流量数据样本,构建包括空间特征提取模块,时域特征提取模块,特征拼接模块,自注意力模块,特征融合模块和多层感知机的车联网入侵检测模型并进行训练,当需要对车联网进行入侵检测时,采集数据并得到车联网流量数据特征矩阵,输入至训练好的车联网入侵检测模型,得到车联网入侵检测结果。本发明从车联网流量数据中并行提取空间特征和时域特征并融合得到时空特征,提高对车联网流量数据的表征能力,进而提高车联网入侵检测性能。

Patent Agency Ranking