-
公开(公告)号：CN101901317B
公开(公告)日：2012-01-18
申请号：CN201010228750.6
申请日：2010-07-09
Applicant: 北京大学
Abstract: 本发明公开了一种基于生长型分级自组织映射(Growing Hierarchical Self-organizing Maps，GHSOM)神经网络的入侵检测方法，属于网络信息安全技术领域。本方法中GHSOM入侵检测模型的训练方法的关键点为：1)设计一种新的混合向量结构，使得改进的GHSOM神经网络能够处理含有数值类型成员和字符类型成员的混合输入模式向量；2)设计一种新的控制机制，该机制使用张力映射率(Tension and Mapping Ratio(TMR)来替代参数τ1，使得支持混合输入模式向量的GHSOM神经网络自动控制神经元的增长。把这种改进的神经网络用于入侵检测技术中，有利于检测率的提高。
-
公开(公告)号：CN118096445B
公开(公告)日：2024-07-16
申请号：CN202410501575.5
申请日：2024-04-25
Applicant: 北京大学
IPC: G06Q50/08 , G06N5/022 , G06Q10/0635
Abstract: 本发明提供一种知识图谱驱动的面向地下水的建筑风险预警方法及装置，属于电子技术领域，通过采集地下水位数据和建筑物数据，并根据采集的数据提取地下水位变化与建筑物的结构变化之间的关系四元组，基于关系四元组创建跨领域知识图谱，将两个不同的领域之间进行关联，并通过知识图谱将两个领域有效结合，通过实时更新跨领域知识图谱，来实现因地下水位变化引起的建筑物风险的预警，风险预警建立在事实数据中体现出的因果关系的基础上，使风险预警更为准确，能够有效解决现有技术中缺少因地下水位变化对建筑物进行风险预警系统的问题。本发明能够利用跨领域的综合性知识图谱提供更全面的城市规划辅助决策支持，更好应对城市建设中的复杂挑战。
-
公开(公告)号：CN118096445A
公开(公告)日：2024-05-28
申请号：CN202410501575.5
申请日：2024-04-25
Applicant: 北京大学
IPC: G06Q50/08 , G06N5/022 , G06Q10/0635
Abstract: 本发明提供一种知识图谱驱动的面向地下水的建筑风险预警方法及装置，属于电子技术领域，通过采集地下水位数据和建筑物数据，并根据采集的数据提取地下水位变化与建筑物的结构变化之间的关系四元组，基于关系四元组创建跨领域知识图谱，将两个不同的领域之间进行关联，并通过知识图谱将两个领域有效结合，通过实时更新跨领域知识图谱，来实现因地下水位变化引起的建筑物风险的预警，风险预警建立在事实数据中体现出的因果关系的基础上，使风险预警更为准确，能够有效解决现有技术中缺少因地下水位变化对建筑物进行风险预警系统的问题。本发明能够利用跨领域的综合性知识图谱提供更全面的城市规划辅助决策支持，更好应对城市建设中的复杂挑战。
-
Patent Agency Ranking
公开(公告)号：CN102647292B
公开(公告)日：2014-07-23
申请号：CN201210074813.6
申请日：2012-03-20
Applicant: 北京大学
Abstract: 本发明公开了一种基于半监督神经网络模型的入侵检测方法，属于网络信息安全领域。本方法为：1)利用训练集A初始化GHSOM神经网络第0层神经元，并计算QE0；2)从第0层神经元中拓展出一SOM，并将其层次标识Layer置为1；3)初始化第Layer层中拓展出的每一SOM，并对其进行训练，其中对获胜神经元及其邻域内神经元权值进行调整，更新获胜向量集合，计算获胜神经元的主标签、主标签比率和信息熵etyi；4)计算该SOM中每个神经元的qei，子网MQE；如果MQE＞QEf*μ1则在该SOM中插入一行或者一列神经元，如果QEi＞QE0*μ2或者etyi＞etyf*μ3则从该神经元上长出一层新的子网，将其增加到Layer+1层的子网队列中。本方法提高了GHSOM算法检验准确性。
-
公开(公告)号：CN102789593A
公开(公告)日：2012-11-21
申请号：CN201210206778.9
申请日：2012-06-18
Applicant: 北京大学
Abstract: 本发明公开了一种基于增量式GHSOM神经网络的入侵检测方法，属于网络信息安全技术领域。本方法为：1)在线采集网络数据输入给入侵检测模块；2)入侵检测模块计算可检测当前向量x的获胜神经元t；3)如果t是覆盖神经元，且x与t同类，则利用t检测x；否则为x打上未知攻击类型的标签，把x加入增量训练集；4)当t满足拓展条件时，从t下方拓展出一虚神经元t′再从t′拓展出一新SOM，利用t对应的增量训练集合It进行训练；5)查找新拓展SOM子网的成熟父神经元，如果其超过删除不成熟子网的条件，则对动态拓展出的不成熟神经网络部分重新训练；6)根据入侵检测模块输出的检测结果判断是否发生入侵。本发明能及时检测出各种入侵行为，尤其是新出现的入侵行为。
-
公开(公告)号：CN102647292A
公开(公告)日：2012-08-22
申请号：CN201210074813.6
申请日：2012-03-20
Applicant: 北京大学
Abstract: 本发明公开了一种基于半监督神经网络模型的入侵检测方法，属于网络信息安全领域。本方法为：1)利用训练集A初始化GHSOM神经网络第0层神经元，并计算QE0；2)从第0层神经元中拓展出一SOM，并将其层次标识Layer置为1；3)初始化第Layer层中拓展出的每一SOM，并对其进行训练，其中对获胜神经元及其邻域内神经元权值进行调整，更新获胜向量集合，计算获胜神经元的主标签、主标签比率和信息熵etyi；4)计算该SOM中每个神经元的qei，子网MQE；如果MQE＞QEf*μ1则在该SOM中插入一行或者一列神经元，如果QEi＞QE0*μ2或者etyi＞etyf*μ3则从该神经元上长出一层新的子网，将其增加到Layer+1层的子网队列中。本方法提高了GHSOM算法检验准确性。
-
公开(公告)号：CN102789593B
公开(公告)日：2014-11-26
申请号：CN201210206778.9
申请日：2012-06-18
Applicant: 北京大学
Abstract: 本发明公开了一种基于增量式GHSOM神经网络的入侵检测方法，属于网络信息安全技术领域。本方法为：1)在线采集网络数据输入给入侵检测模块；2)入侵检测模块计算可检测当前向量x的获胜神经元t；3)如果t是覆盖神经元，且x与t同类，则利用t检测x；否则为x打上未知攻击类型的标签，把x加入增量训练集；4)当t满足拓展条件时，从t下方拓展出一虚神经元t′再从t′拓展出一新SOM，利用t对应的增量训练集合It进行训练；5)查找新拓展SOM子网的成熟父神经元，如果其超过删除不成熟子网的条件，则对动态拓展出的不成熟神经网络部分重新训练；6)根据入侵检测模块输出的检测结果判断是否发生入侵。本发明能及时检测出各种入侵行为，尤其是新出现的入侵行为。
-
公开(公告)号：CN101901317A
公开(公告)日：2010-12-01
申请号：CN201010228750.6
申请日：2010-07-09
Applicant: 北京大学
Abstract: 本发明公开了一种基于生长型分级自组织映射(Growing Hierarchical Self-organizing Maps，GHSOM)神经网络的入侵检测方法，属于网络信息安全技术领域。本方法中GHSOM入侵检测模型的训练方法的关键点为：1)设计一种新的混合向量结构，使得改进的GHSOM神经网络能够处理含有数值类型成员和字符类型成员的混合输入模式向量；2)设计一种新的控制机制，该机制使用张力映射率(Tension and Mapping Ratio(TMR)来替代参数τ1，使得支持混合输入模式向量的GHSOM神经网络自动控制神经元的增长。把这种改进的神经网络用于入侵检测技术中，有利于检测率的提高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
