-
公开(公告)号：CN114625883B
公开(公告)日：2025-03-25
申请号：CN202210126690.X
申请日：2022-02-10
Applicant: 同济大学
Abstract: 本发明属于工业设备异常监测领域，提出了一种面向工业设备异常监测的时序数据与知识融合表征方法。其特征在于，包括如下步骤：步骤1.预处理；步骤2.构建“设备‑事件‑状态”多层关联图谱，并通过引入数据关联、时间关联、先验关联进行更新；步骤3.网络表征学习。解决了传统设备数据库专业性强、适应性弱的弊病，为工业互联网场景中数据的自动化处理提供了新的思路和解决方法。
-
公开(公告)号：CN119621568A
公开(公告)日：2025-03-14
申请号：CN202411717812.8
申请日：2024-11-27
Applicant: 同济大学
IPC: G06F11/3668 , G06N20/00
Abstract: 本发明属于EOL下线测试程序自动生成领域，具体涉及一种基于强化学习的车辆域控制器EOL测试程序生成方法。包括以下步骤：S1：从原理图中获取的元器件原始数据，将原始电路及元器件连接属性进行数据处理，组合成最小电路组合数据；S2：在步骤S1得到的二维向量数据集上构建一个最优EOL下线测试用例选择模型；S3：基于S2模型，利用Q‑Learning算法生成当前优先级最高的EOL测试程序；S4：根据评判标准来选择出最优的测试用例。本发明方法解决了测试结果施加奖励方法的缺陷是检测失效率低，难以收敛；测试反馈时间长的问题。
-
公开(公告)号：CN119276605A
公开(公告)日：2025-01-07
申请号：CN202411561485.1
申请日：2024-11-04
Applicant: 同济大学
IPC: H04L9/40 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于细粒度属性结构图的APT攻击检测方法，包括以下步骤：步骤S1：解析系统日志，提取实体对应属性，形成属性结构图；步骤S2：训练结构感知图自编码器模型；步骤S3：通过异常检测模型中识别异常节点；步骤S4：根据实体与属性映射表，将步骤S3中筛选出的异常节点映射成对应实体，并返回实体对应的异常日志条目。本发明突破固有的信息粒度的限制，使用属性结构特征表征网络行为中的实体，充分挖掘出攻击行为的结构特征，提高了对隐蔽的APT攻击形式的检测能力，缩减异常日志范围，降低了人工筛选处理恶意攻击日志的负担。
-
公开(公告)号：CN119268719A
公开(公告)日：2025-01-07
申请号：CN202411387648.9
申请日：2024-10-06
Applicant: 同济大学
IPC: G01C21/34
Abstract: 本发明提出了一种局部通讯环境下基于分组与合并机制的群体机器人覆盖路径规划方法，将待覆盖地图划分为多个子区域并将机器人分组，每组分配一个特定的子区域进行覆盖，以实现初步的任务分配。同一组内的机器人保持局部连续通信共享信息，共同覆盖其分配的子区域。该方法考虑到局部通信范围对组内协作的限制，组的大小随着通信范围的变大而增加。此外，还设计了一种合并机制来实现组间协作，已完成覆盖的组前往其他未完成覆盖的子区域与其他组合并以协同覆盖。本发明所提出的基于分组与合并机制的群体机器人覆盖路径规划方法，能够在只有局部通信的未知环境下提升群体机器人的协同效率，高效的完成覆盖任务。
-
公开(公告)号：CN109754258B
公开(公告)日：2023-05-12
申请号：CN201811579237.4
申请日：2018-12-24
Applicant: 同济大学
Abstract: 本发明为一种基于个体行为建模的面向线上交易欺诈检测方法，涉及互联网金融网络交易的反欺诈检测。该方法分为两个部分：第一个部分，利用关系图谱生成异质信息网络和利用异质网络表征学习得到能够挖掘交易属性之间联系的向量表示；第二个部分，在学习到节点的向量表示情况下，建立个体行为模型和预测交易异常可能性的过程。本发明克服传统欺诈检测方法的不足，增加其对数据潜在联系的挖掘能力，对检测欺诈交易、拦截欺诈交易和保护用户和企业的资金安全有更好的保障。
-
Patent Agency Ranking
公开(公告)号：CN115905188A
公开(公告)日：2023-04-04
申请号：CN202211160479.6
申请日：2022-09-22
Applicant: 同济大学
IPC: G06F16/215 , G06F16/22 , G06F16/242 , G06F16/25 , G06F16/36
Abstract: 本发明公开了一种基于知识图谱的数据质量提升方法，包括，对数据库中的建表语句进行预处理，再进行实体抽取和关系抽取；提取数据库中的数据仓库加工流程之间的关系自动化建立知识图谱；基于知识图谱的关系检索，对数据处理和加工过程进行关联关系映射；在运用异常检测算法的过程中，利用知识图谱中的关联关系，为相近数据特征的异常检测提供数据补充，提升大数据的异常值检测效果。本发明简单利用了两种不同的异常检测算法模型对样板用电量数据进行检测，算法本身具有一定的局限性，在利用知识图谱进行群体划分对算法进行优化后，一定程度上提升了算法的精准度，通过知识图谱很好的反映出数据加工结构，有效地提高异常检测的精确度。
-
公开(公告)号：CN112884116B
公开(公告)日：2022-09-13
申请号：CN202110151033.6
申请日：2021-02-03
Applicant: 同济大学
Abstract: 本发明提出了一种基于精英子集引导向量烟花算法的多智能体搜索方法。该方法包括以下步骤：初始化N个智能体的位置，利用烟花爆炸机制在智能体感知范围内模拟生成爆炸火花，通过路径规划方法指导智能体移动到爆炸火花和精英引导火花位置并感知其目标源信号强度；从每个智能体移动的所有位置中选择最好的位置作为该智能体的下一代移动位置。重复上述智能体搜索和移动过程，直到搜索到目标源或者达到最大迭代次数结束。将以上方法应用到气体泄漏源定位问题，智能体群按照烟花爆炸过程搜索目标源。本发明提供的这种精英子集引导向量烟花算法通过对原始引导烟花算法进行改进，极大地提高智能体的搜索能力，能够迅速有效地定位到目标源。
-
公开(公告)号：CN114387092A
公开(公告)日：2022-04-22
申请号：CN202210111445.1
申请日：2022-01-29
Applicant: 同济大学
IPC: G06Q40/02 , G06K9/62 , G06F40/30 , G06F40/295
Abstract: 本发明属于网络借贷欺诈预测技术领域，公开了一种基于多阶段数据表征的网络借贷欺诈预测方法，包括以下步骤：步骤S101：根据原始网络借贷申请数据选定可用字段构建原始信息网络，然后将节点划分为实体和属性，构建由实体层和属性层组成的分层信息网络；步骤S102：从属性层中提取一个属性网络，给每个属性附加一个预训练的词向量来反映属性之间的语义相似性，利用网络表征学习将从先验和外部语义知识中获取的属性相似信息和属性共现关联融入属性对应的嵌入向量中；步骤S103，实体表征；步骤S104，欺诈预测。本发明增强了网络借贷申请事务中信息关联的密度，提高了网络借贷欺诈预测模型的检测能力，对保护用户和企业的资金安全有更好的保障。
-
公开(公告)号：CN113887577A
公开(公告)日：2022-01-04
申请号：CN202111072230.5
申请日：2021-09-14
Applicant: 同济大学
Abstract: 本发明涉及一种基于微观事件图谱的细粒度电信网络反欺诈检测方法，该方法包括以下步骤：获取待检测事件对应的电信网络数据，构造对应的微观事件图谱；将微观事件图谱中的节点转化为初始的嵌入向量；以所述嵌入向量作为反欺诈检测模型的输入，所述反欺诈检测模型基于图神经网络构建，基于所述嵌入向量采用基于注意力机制的隐藏层获得隐层表征，并利用时序自注意力机制隐藏层基于所述隐层表征更新获得事件表征；将所述隐层表征和事件表征进行点积，对所得点积进行sigmoid变换，与设定阈值进行比较，得到欺诈标签。与现有技术相比，本发明具有拦截欺诈行为准确性高、模型鲁棒性佳等优点。
-
公开(公告)号：CN113887576A
公开(公告)日：2022-01-04
申请号：CN202111072086.5
申请日：2021-09-14
Applicant: 同济大学
IPC: G06K9/62 , G06F16/215 , G06F16/36 , G06F16/387 , G06N3/04
Abstract: 本发明涉及一种基于设备行为识别图的工业设备异常行为检测方法，包括以下步骤：构建当前时刻的设备行为识别图，该设备行为识别图中节点为行为事件的属性，边为任意两个属性间的共现关系，每个边具有一权重；引入初始权重机制、权重平滑机制、时间影响机制和周期影响机制，对所述设备行为识别图的进行权重变换；通过一事件表征提取器捕获进行权重变换后的所述设备行为识别图的设备行为事件表征；将所述设备行为事件表征作为一经训练的多层感知机的输入，得到当前工业设备存在异常行为的概率。与现有技术相比，本发明具有提高拦截异常行为的准确性和模型的鲁棒性等优点。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.028 seconds)
