-
公开(公告)号:CN114793200B
公开(公告)日:2023-09-26
申请号:CN202110095341.1
申请日:2021-01-25
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明涉及一种基于电力物联网网络结构的重要物联节点识别方法,方法为基于对电力物联网网络结构的分析评价物联节点的重要程度,从理论层面对电力物联网鲁棒性进行分析。具体包括:利用复杂网络理论,建立电力物联网网络;基于一种变型的广度优先搜索算法,分析网络结构,抽离网络中的切点集合;通过比较切点集合对网络鲁棒性的影响,识别网络中的重要物联节点。本发明方法能够区别于传统节点重要性判定方法,利用非排序算法在理论层面分析物联节点的重要性。
-
公开(公告)号:CN116032727B
公开(公告)日:2024-04-09
申请号:CN202111239861.1
申请日:2021-10-25
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC: H04L41/0663 , H04L67/12 , G16Y10/35
Abstract: 本发明涉及一种基于区域协作的电力物联网感知层自修复方法,方法为基于电力物联网感知层的区域协作实现网络的自修复,从理论层面对电力物联网抗毁性进行分析。具体包括:利用复杂网络理论,建立电力物联网网络;基于Louvain社团划分算法,对网络结构进行划分,分离出网络中进行区域协作的物联节点簇;通过在不同的物联节点簇之间构建新的通信连接,并进行优化,实现对电力物联网感知层结构和功能的恢复。本发明方法能够区别于传统的网络修复概念,利用电力物联网感知层中的区域信息在理论层面研究网络修复方法。
-
公开(公告)号:CN114793200A
公开(公告)日:2022-07-26
申请号:CN202110095341.1
申请日:2021-01-25
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明涉及一种基于电力物联网网络结构的重要物联节点识别方法,方法为基于对电力物联网网络结构的分析评价物联节点的重要程度,从理论层面对电力物联网鲁棒性进行分析。具体包括:利用复杂网络理论,建立电力物联网网络;基于一种变型的广度优先搜索算法,分析网络结构,抽离网络中的切点集合;通过比较切点集合对网络鲁棒性的影响,识别网络中的重要物联节点。本发明方法能够区别于传统节点重要性判定方法,利用非排序算法在理论层面分析物联节点的重要性。
-
公开(公告)号:CN116032727A
公开(公告)日:2023-04-28
申请号:CN202111239861.1
申请日:2021-10-25
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC: H04L41/0663 , H04L67/12 , G16Y10/35
Abstract: 本发明涉及一种基于区域协作的电力物联网感知层自修复方法,方法为基于电力物联网感知层的区域协作实现网络的自修复,从理论层面对电力物联网抗毁性进行分析。具体包括:利用复杂网络理论,建立电力物联网网络;基于Louvain社团划分算法,对网络结构进行划分,分离出网络中进行区域协作的物联节点簇;通过在不同的物联节点簇之间构建新的通信连接,并进行优化,实现对电力物联网感知层结构和功能的恢复。本发明方法能够区别于传统的网络修复概念,利用电力物联网感知层中的区域信息在理论层面研究网络修复方法。
-
公开(公告)号:CN116028197A
公开(公告)日:2023-04-28
申请号:CN202111239607.1
申请日:2021-10-25
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司
IPC: G06F9/50 , G06F30/25 , G06N3/006 , G06F111/04
Abstract: 本发明涉及一种基于路径约束的边端协同任务迁移优化方法,方法为基于边缘智能计算框架中边端协同过程中的路径约束实现任务迁移优化,从理论层面对电力物联网边缘智能运行成本优化方面进行分析。具体包括:利用电力物联网边缘智能框架,建立边缘计算环境下的迁移系统模型;基于边缘计算环境中各节点特性,对任务迁移路径进行约束定义,得到不同节点迁移任务区间;通过改进的粒子群算法,在任务迁移路径约束条件下,实现更高效的边端协同任务迁移。本发明方法能够区别于传统的仅针对集中在迁移的能耗以及任务响应时间的优化,利用电力物联网边缘环境中的边端协同在理论层面研究任务迁移优化方法。
-
公开(公告)号:CN114626426A
公开(公告)日:2022-06-14
申请号:CN202011460172.9
申请日:2020-12-11
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明提出基于K‑means优化算法的工业设备行为检测方法。本发明利用自编码器神经网络和粒子群优化算法将K‑means算法进行优化,进而用于工业设备行为的检测。自编码神经网络能够有效地将高维的设备行为数据库进行降维处理,得到更容易处理的低维数据,同时克服数据库非线性等问题;粒子群算法能够利用自身优秀的全局搜索能力和快速收敛能力帮助K‑means算法克服初始聚类中心不佳而产生的聚类效果差而无法寻得最优点的缺点,使得K‑means算法拥有更好的全局索索能力。该发明提高了设备行为识别的效率及其可靠性,更适用于实际应用。
-
公开(公告)号:CN114726741A
公开(公告)日:2022-07-08
申请号:CN202011502216.X
申请日:2020-12-18
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明基于深度神经网络(DNN)算法提出了一种基于表征学习的面向工业边缘网络的全面状态感知建模方法。该发明利用以表征学习为技术特征的卷积神经网络(CNN),能够避免手动提取特征直接部署在工业边缘网络环境下,针对异构网络环境下的行为状态需求,通过旁路监听或直接嵌入的方式收集边缘网络中的原始数据自动学习特征并执行全面状态感知分析任务。对边缘网络环境中不同设备、不同业务逻辑所产生的行为状态进行建模、感知和检测,实现对整体框架的全面状态感知的目的。
-
公开(公告)号:CN112395168A
公开(公告)日:2021-02-23
申请号:CN202011373177.8
申请日:2020-11-30
Applicant: 中国科学院沈阳自动化研究所 , 国网江苏省电力有限公司信息通信分公司
Abstract: 本发明提出的是一种基于Stacking集成的边缘侧业务行为识别方法。该方法包含:获取边缘侧行为特征,根据边缘侧行为特征对边缘侧行为进行标签化定义,获取边缘侧行为特征数据库,构建基于PCA以及Stacking集成框架的边缘侧行为识别模型。PCA算法能够将高维的边缘侧行为特征数据库进行特征工程处理,获得模型算法所需要的优良数据。Stacking集成算法通过基模型对数据库的进一步处理,得到新的数据集供次级学习器进行训练,能够大幅度提高识别准确率,并且避免过拟合的问题。该发明方法能够对边缘侧数据行为进行建模,能对边缘侧行为动作高效识别。
-
公开(公告)号:CN119831329A
公开(公告)日:2025-04-15
申请号:CN202411856987.7
申请日:2024-12-17
Applicant: 中国科学院沈阳自动化研究所
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/26 , G06F18/25 , G06Q10/0633
Abstract: 本发明涉及一种基于集成影响的流程工业双安融合风险量化评估方法,具体包括:确定待评估的流程工业工段,根据现场部署情况,构建工段设备的连接拓扑;梳理工段现场可能发生的功能安全和信息安全事件及相应特征,结合所属行业的相关标准和通用评估模板,整理为待评估流程工业工段的威胁和脆弱性;针对整理的威胁和脆弱性条目及现场工段设备明细,建立资产与脆弱性、脆弱性与威胁的关联关系;通过充分考量不同设备及与其相连接设备的集成影响,计算该流程工业工段的双安融合风险量化评估值。本发明方法能够区别于传统的工业安全风险评估方法,利用流程工业设备之间的相互集成影响及功能与信息安全事件,在理论层面研究风险量化评估方法。
-
公开(公告)号:CN117318908A
公开(公告)日:2023-12-29
申请号:CN202210703614.0
申请日:2022-06-21
Applicant: 中国科学院沈阳自动化研究所
Abstract: 本发明涉及一种基于ENPOT的多用户非交互式可验证计算方法,在保证各个用户隐私性前提下,借助于计算能力强大的服务器来处理复杂计算,同时支持对计算结果正确性的验证。具体包括:方法对各个用户的输入信息进行了加密,在传输过程中不会泄露;方法对用户的计算函数用电路进行了编码,将编码函数外包到服务器后,服务器不会得到具体的计算函数;服务器返回的计算结果也经过了编码处理,只有指定用户才能得到最终的结果。本发明方法能够区别于传统的可验证计算都只支持单用户,在保证了各个用户隐私性的前提下,将复杂计算外包到服务器,减轻了用户的计算负担,同时用户还可以对服务器返回的结果进行验证。
-
-
-
-
-
-
-
-
-