一种面向大规模多源异构数据的多聚类方法

    公开(公告)号:CN116340437B

    公开(公告)日:2025-01-24

    申请号:CN202310297924.1

    申请日:2023-03-24

    Abstract: 本发明公开了一种面向大规模多源异构数据的多聚类方法,涉及数据处理技术领域,包括:将不同来源的异构数据通过ETL工具进行预处理,转换为统一目标数据格式;然后按电压等级,设备类型,采集量测类型进行分类;对分类后的多源异构数据集按照配电网络和网络元件之间的相互关联构建拓扑分析引擎;基于拓扑分析剔除不满足的数据集,得到待融合数据集;对待融合数据集进行观测系数分析,并分配对应数量的处理终端对待融合数据集进行融合,提高数据融合效率,实现对配电网历史数据与准实时数据的交叉复合深度分析;输出数据融合结果,供配电网工作人员研究分析,为能源精细化的管理和用户服务提供指导,以及时做到故障预警,提高电力安全。

    一种基于协作学习的网络异常流量识别与分类方法

    公开(公告)号:CN113255884B

    公开(公告)日:2022-08-19

    申请号:CN202110536592.9

    申请日:2021-05-17

    Abstract: 本发明是一种基于协作学习的网络异常流量识别与分类方法,包括如下步骤:1各个参与方对已抓取的DDoS攻击流量数据进行预处理;2协调服务器初始化模型的参数,并设定协作学习的超参数,包括协调方与参与方之间的通信轮次、每轮中参与方的训练次数;3协调服务器组织各个参与方的训练,在每一通信轮次中,各参与方使用本地数据集训练一CNN模型,协调方负责聚合各参与方的模型并将聚合后的模型发送给各参与方以进行下一轮的训练;4在模型收敛后,协调方将最终的模型发送给各参与方,用于DDoS流量的识别与分类。该方法使用深度学习挖掘DDoS流量数据特征与攻击类型之间的关系,利用协作学习技术,充分利用各个终端的数据训练模型。

    一种基于旋转天线的RFID二维位置定位方法

    公开(公告)号:CN109959897B

    公开(公告)日:2022-06-21

    申请号:CN201910274350.X

    申请日:2019-04-08

    Abstract: 本发明公开了一种基于旋转天线的RFID二维位置定位方法,所述方法使用旋转的RFID天线读取待测RFID标签的信号强度信息,并在指定位置设定预设数目的参考标签,结合信号强度信息和参考标签计算RFID天线与待测RFID标签之间的距离和相对方向,具体的,根据旋转台的其实旋转时间戳、终止时间戳和RFID天线正对待测RFID标签时的时间戳来计算对应时刻RFID天线的旋转角度;通过设置两个或三个参考标签来计算得到RFID天线与待测RFID标签所在平面的距离;再结合得到的旋转角度和RFID天线距离待测RFID标签所在平面距离分别得到待测RFID标签的x轴坐标和z轴坐标,实现RFID标签的二维位置定位;本发明的RFID标签定位精确度高,适用范围广。

    一种基于零知识证明的人脸识别隐私保护身份认证方法

    公开(公告)号:CN114598479A

    公开(公告)日:2022-06-07

    申请号:CN202210318344.1

    申请日:2022-03-29

    Abstract: 本发明是一种基于零知识证明的人脸识别隐私保护身份认证方法,包括步骤1:可信第三方中记录用户的身份证号、人脸信息,根据可信第三方中记载的正确的用户信息,验证用户提交的实时拍照人脸信息;步骤2:人脸匹配通过后,查找到用户匹配的唯一标识,生成私钥,再生成对应公钥,并由可信第三方对用户信息进行加密,生成用户的证书;步骤3:将证书和私钥发给用户,并将证书和随机数发给服务提供方;步骤4:服务提供方利用公钥解密证书,并通过私钥和唯一标识验证用户是否可信。本发明以提升人脸识别的数据隐私的安全性,解决了人脸和部分信息绑定隐私的泄露问题,基于零知识证明,在暴露尽可能少的信息的情况下实现通过人脸识别实现身份认证。

    一种基于K-means的差分隐私保护聚类方法

    公开(公告)号:CN112199722A

    公开(公告)日:2021-01-08

    申请号:CN202011102946.0

    申请日:2020-10-15

    Abstract: 一种基于K‑means的差分隐私保护聚类方法,包括数据预处理、聚类迭代和差分隐私;每次迭代需要做如下:设置隐私预算,计算噪声,计算每个簇的数据点的总和、点的数量,然后对其添加计算后的噪声。针对每次迭代,都维持一个隐私预算的上界和下界,在上下界间,根据可用性和隐私保护程度,选择自适应的隐私预算分配,重复步骤,直到误差平方和收敛或者达到迭代次数上限。本发明在K‑means聚类算法的迭代过程中,通过自适应的隐私预算分配,既在数据失真的基础上保护了数据隐私,又保证了数据的可用性。

Patent Agency Ranking