-
公开(公告)号：CN115378629B
公开(公告)日：2024-08-27
申请号：CN202210520557.2
申请日：2022-05-13
IPC分类号： H04L9/40
摘要： 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质，该方法包括以下步骤：基于收集的以太坊交易数据构建训练用的有向交易图；基于随机游走算法对构建的交易图中的节点进行有偏采样，获得第一节点序列；基于随机游走进行多尺度特征提取来生成多尺度序列组；将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间，得到各个节点在向量空间的嵌入表示；基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类，实现对检测模型的训练；利用预训练的检测模型对实际以太坊交易网络进行检测，获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。
-
公开(公告)号：CN115378629A
公开(公告)日：2022-11-22
申请号：CN202210520557.2
申请日：2022-05-13
IPC分类号： H04L9/40
摘要： 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质，该方法包括以下步骤：基于收集的以太坊交易数据构建训练用的有向交易图；基于随机游走算法对构建的交易图中的节点进行有偏采样，获得第一节点序列；基于随机游走进行多尺度特征提取来生成多尺度序列组；将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间，得到各个节点在向量空间的嵌入表示；基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类，实现对检测模型的训练；利用预训练的检测模型对实际以太坊交易网络进行检测，获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。
-
公开(公告)号：CN113285832A
公开(公告)日：2021-08-20
申请号：CN202110565689.2
申请日：2021-05-24
申请人： 国网河南省电力公司信息通信公司 , 国网河南省电力公司 , 北京邮电大学 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： H04L12/24
摘要： 基于NSGA‑II的电力多模态网络资源优化分配方法，所述方法包括如下三个步骤：步骤S1：电力多模态网络模型的构建，包括的评估指标有：资源开销、链路可靠性、资源占用分布；步骤S2：基于NSGA‑II的资源优化算法；包含的步骤如下：步骤S2.1：种群初始化；步骤S2.2：拥挤度函数的计算；步骤S2.3：种群选择；步骤S2.4：种群交叉及变异；步骤S3:将步骤S2中基于NSGA‑II的资源优化算法应用到步骤S1中构建的电力多模态网络模型中，进行网络资源优化分配。本发明的资源优化分配方法有效的解决了现有技术中存在的电力多模态网络资源优化结果较为单一，难以满足业务需求，网络资源利用率、收敛速度、可靠性有待提高，网络堵塞严重的问题。
-
公开(公告)号：CN113285832B
公开(公告)日：2022-11-01
申请号：CN202110565689.2
申请日：2021-05-24
申请人： 国网河南省电力公司信息通信公司 , 国网河南省电力公司 , 北京邮电大学 , 国网信息通信产业集团有限公司 , 国家电网有限公司
IPC分类号： H04L41/0823 , H04L41/14
摘要： 基于NSGA‑II的电力多模态网络资源优化分配方法，所述方法包括如下三个步骤：步骤S1：电力多模态网络模型的构建，包括的评估指标有：资源开销、链路可靠性、资源占用分布；步骤S2：基于NSGA‑II的资源优化算法；包含的步骤如下：步骤S2.1：种群初始化；步骤S2.2：拥挤度函数的计算；步骤S2.3：种群选择；步骤S2.4：种群交叉及变异；步骤S3:将步骤S2中基于NSGA‑II的资源优化算法应用到步骤S1中构建的电力多模态网络模型中，进行网络资源优化分配。本发明的资源优化分配方法有效的解决了现有技术中存在的电力多模态网络资源优化结果较为单一，难以满足业务需求，网络资源利用率、收敛速度、可靠性有待提高，网络堵塞严重的问题。
-
-
-
搜索结果
4 条记录 (耗时 0.083 秒)
