-
公开(公告)号：CN114356743B
公开(公告)日：2022-06-07
申请号：CN202210234545.3
申请日：2022-03-11
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于序列重建的异常事件自动检测方法和系统。所述方法包括：步骤S1、利用预定义的事件模板，从多源日志中确定离散事件序列，所述离散事件序列由同一用户的多个事件日志按照时间顺序拼接而成；步骤S2、对所述离散事件序列进行拆分处理来获取若干原始子序列，并通过对所述若干原始子序列进行特征嵌入，进一步获取无监督检测模型的输入子序列，所述无监督检测模型包括LSTM编码器、变分组件和LSTM解码器，用于基于所述输入子序列生成所述离散事件序列的重建子序列；步骤S3、基于所述原始子序列和所述离散事件序列的重建子序列，利用评判准则来判断所述多个事件的异常属性。
-
公开(公告)号：CN114356743A
公开(公告)日：2022-04-15
申请号：CN202210234545.3
申请日：2022-03-11
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于序列重建的异常事件自动检测方法和系统。所述方法包括：步骤S1、利用预定义的事件模板，从多源日志中确定离散事件序列，所述离散事件序列由同一用户的多个事件日志按照时间顺序拼接而成；步骤S2、对所述离散事件序列进行拆分处理来获取若干原始子序列，并通过对所述若干原始子序列进行特征嵌入，进一步获取无监督检测模型的输入子序列，所述无监督检测模型包括LSTM编码器、变分组件和LSTM解码器，用于基于所述输入子序列生成所述离散事件序列的重建子序列；步骤S3、基于所述原始子序列和所述离散事件序列的重建子序列，利用评判准则来判断所述多个事件的异常属性。
-
公开(公告)号：CN114356642A
公开(公告)日：2022-04-15
申请号：CN202210234572.0
申请日：2022-03-11
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于流程挖掘的异常事件自动诊断方法和系统。所述方法包括：步骤S1、基于历史正常离散事件序列，利用流程发现技术来构建工作流模型库；步骤S2、获取异常事件序列，利用经训练的无监督聚类算法预测所述异常事件序列的所属类别，并基于所述所属类别从所述工作流模型库中选取与所述所属类别对应的工作流模型；步骤S3、基于所述异常事件序列和选取的所述工作流模型，利用一致性检查方法确定所述异常事件序列中的缺失事件、额外事件、以及所述缺失事件和所述额外事件在所述异常事件序列中的位置，作为对所述异常事件序列的诊断结果。
-
公开(公告)号：CN114338628A
公开(公告)日：2022-04-12
申请号：CN202210260755.X
申请日：2022-03-17
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于联邦架构的嵌套元学习方法和系统。所述方法包括：从N个客户端中选取m1个客户端，m1个客户端分别基于各自的本地数据和当前状态下的全局模型参数，来训练m1个客户端各自的本地模型参数，N和m1均为正整数且N≥m1；中心服务器根据接收到的m1个客户端的本地模型参数来更新全局模型参数；从N个客户端中选取m2个客户端，m2个客户端分别基于各自的本地数据和经更新后的全局模型参数，来确定m2个客户端各自的全局子任务并计算全局子任务经学习目标函数产生的参数梯度，m2为正整数且N≥m2；中心服务器根据接收到的m2个客户端的全局子任务的参数梯度来调节经更新的全局模型参数。
-
公开(公告)号：CN113255701B
公开(公告)日：2021-10-22
申请号：CN202110700741.0
申请日：2021-06-24
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于绝对‑相对学习架构的小样本学习方法和系统，包括：调用表征提取模块，对训练集中的各个图像样本进行表征提取，以获得各个图像样本的特征向量；调用绝对学习模块，对各个图像样本的特征向量进行训练，以确定各个图像样本基于类别的第一预测结果和基于语义的第二预测结果；将每两个图像样本的特征向量组合成一组样本特征对，将每一组样本特征对中的两个特征向量拼接为一组合成向量；调用相对学习模块，对样本特征对进行训练，以确定每一组样本特征对中的两个特征向量基于类别的第一相似度和基于语义的第二相似度；根据第一预测结果、第二预测结果、第一相似度、第二相似度来计算模型的损失函数，以完成对模型的训练。
-
Patent Agency Ranking
公开(公告)号：CN114089990B
公开(公告)日：2024-09-03
申请号：CN202111233954.3
申请日：2021-10-22
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明涉及多类型消息服务管理技术领域，尤其是涉及存在多种业务类型消息间的管理方法。本发明的多类型消息服务管理方法，可以在生产环境中建立统一的消息管理机制，提供对消息模型定义、消息总线注册审核和消息总线开发使用的全流程管理，并且可以在生产环境中按需按场景切换消息中间件类型，使得消息服务的规范性和可拓展性得到极大的提升。
-
公开(公告)号：CN114338628B
公开(公告)日：2022-06-03
申请号：CN202210260755.X
申请日：2022-03-17
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于联邦架构的嵌套元学习方法和系统。所述方法包括：从N个客户端中选取m1个客户端，m1个客户端分别基于各自的本地数据和当前状态下的全局模型参数，来训练m1个客户端各自的本地模型参数，N和m1均为正整数且N≥m1；中心服务器根据接收到的m1个客户端的本地模型参数来更新全局模型参数；从N个客户端中选取m2个客户端，m2个客户端分别基于各自的本地数据和经更新后的全局模型参数，来确定m2个客户端各自的全局子任务并计算全局子任务经学习目标函数产生的参数梯度，m2为正整数且N≥m2；中心服务器根据接收到的m2个客户端的全局子任务的参数梯度来调节经更新的全局模型参数。
-
公开(公告)号：CN114089990A
公开(公告)日：2022-02-25
申请号：CN202111233954.3
申请日：2021-10-22
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明涉及多类型消息服务管理技术领域，尤其是涉及存在多种业务类型消息间的管理方法。本发明的多类型消息服务管理方法，可以在生产环境中建立统一的消息管理机制，提供对消息模型定义、消息总线注册审核和消息总线开发使用的全流程管理，并且可以在生产环境中按需按场景切换消息中间件类型，使得消息服务的规范性和可拓展性得到极大的提升。
-
公开(公告)号：CN113919239B
公开(公告)日：2022-02-11
申请号：CN202111526630.9
申请日：2021-12-15
Applicant: 军事科学院系统工程研究院网络信息研究所
IPC: G06F30/27 , G06F17/16 , G06K9/62 , G06V10/762 , G06V10/774 , G06V10/764
Abstract: 本发明提出一种基于时空特征融合的内部威胁智能检测方法和系统。方法利用用户行为的时间特性和空间特性来确定所述用户行为的异常程度，具体包括：步骤S1、调用基础特征提取模块，提取所述用户行为的基础特征并对所述基础特征进行编码；步骤S2、调用时间特性分析模块，构建用户行为混合矩阵以训练时间表征模型；步骤S3、调用空间特性分析模块，获取属于同一角色的用户的经编码的基础特征以训练空间共用组模型；步骤S4、调用异常整合分析模块，计算所述用户行为的异常程度。
-
公开(公告)号：CN114356642B
公开(公告)日：2022-05-17
申请号：CN202210234572.0
申请日：2022-03-11
Applicant: 军事科学院系统工程研究院网络信息研究所
Abstract: 本发明提出一种基于流程挖掘的异常事件自动诊断方法和系统。所述方法包括：步骤S1、基于历史正常离散事件序列，利用流程发现技术来构建工作流模型库；步骤S2、获取异常事件序列，利用经训练的无监督聚类算法预测所述异常事件序列的所属类别，并基于所述所属类别从所述工作流模型库中选取与所述所属类别对应的工作流模型；步骤S3、基于所述异常事件序列和选取的所述工作流模型，利用一致性检查方法确定所述异常事件序列中的缺失事件、额外事件、以及所述缺失事件和所述额外事件在所述异常事件序列中的位置，作为对所述异常事件序列的诊断结果。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.031 seconds)
