公开(公告)号：CN115935824A

公开(公告)日：2023-04-07

申请号：CN202211663001.5

申请日：2022-12-23

Applicant: 北京邮电大学

Inventor： 彭海朋 ,  李明远 ,  刘霄 ,  李丽香

IPC: G06F30/27 ,  G06N20/00

Abstract: 本发明公开了一种高效的多保真度黑盒优化方法，针对现有的单一的采集函数会限制优化过程的效率和有效性等问题，在基于序列模型的全局优化过程中，采用多目标优化的方法，结合多个有效的获取函数进行并行采样，生成帕累托平面，并采集平面上的最优配置，实现并行加速获取高质量配置的效果；同时针对现有的贝叶斯优化方法无法与多保真度有效结合的问题，通过资源分配机制，将配置划分为多保真度的配置集合，利用连续减半策略获取多个单代理模型，结合广义专家积方法对多个代理模型进行融合，从而提高代理模型对目标函数的拟合度以及优化效率。

公开(公告)号：CN116318830A

公开(公告)日：2023-06-23

申请号：CN202310051810.9

申请日：2023-02-02

Applicant: 北京邮电大学

Inventor： 彭海朋 ,  刘宇轩 ,  李明远

IPC: H04L9/40 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088

Abstract: 本发明公开了一种基于生成对抗网络的日志入侵检测系统，通过使用基于生成对抗网络的无监督学习，避免了因为异常样本数量严重不足对训练造成的负面影响。通过使用基于LSTM/GRU的自动编码器作为生成器生成异常样本，提升了训练的有效性。使用DR分数的重构误差和判别器的判别结果，更有效的利用了生成对抗网络在判别阶段的生成器，并且综合和先前生成模型和判别模型提高了识别异常的效果。使用基于前缀树的日志解析算法，在解析过程中保留了日志时间等数据信息，在入侵检测过程中引入时间信息，提升了入侵检测的准确性。基于前缀树的数据结构压缩了词典，减少内存的占用，在大型分布式日志系统中或丰富的日志信息的场景中使入侵检测系统拥有更好的性能。