-
公开(公告)号：CN119887228A
公开(公告)日：2025-04-25
申请号：CN202411780667.8
申请日：2024-12-05
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: G06Q30/018 , G06F18/2433 , G06F18/2415 , G06N3/092 , G06N3/0442
Abstract: 本发明提供一种交易网络异常节点识别方法、模型训练方法及系统，每个样本包含单个交易节点数据及对应的边数据，入边交易特征提取模块获取入边交易特征和出边交易特征提取模块获取出边交易特征组合后线性变换获得交易节点特征，与第一差异特征获取模块计算的入边差异特征和第二差异特征获取模块计算的出边差异特征根据结合权重参数进行加权求和并经分类器输出异常判断结果预测值，与异常判断结果真实值建立交叉熵损失函数，以对初始交易网络异常节点识别模型的参数进行更新迭代，得到交易网络异常节点识别模型；单个待检测交易节点数据及其对应的入边数据和出边数据输入交易网络异常节点识别模型获得交易异常节点识别结果。
-
公开(公告)号：CN117911146A
公开(公告)日：2024-04-19
申请号：CN202311753403.9
申请日：2023-12-19
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司 , 国网北京市电力公司
IPC: G06Q40/04 , G06Q50/06 , G06Q30/0283
Abstract: 本发明提供一种基于多主体和多策略的碳交易模拟方法及装置，利用零智能代理和启发式信念学习代理组合表示碳市场交易者；模拟欺诈交易行为时，从碳市场交易者中随机选择一种交易者，并采用欺诈交易方式中的分层策略模拟欺诈交易者；利用离散均值回归基本时间序列作为碳配额的基本价值序列；基于碳市场交易者当前持有的碳配额设置碳交易偏好；通过订单簿记录待碳交易订单，根据预设的订单撮合机制，比较买入价格和卖出价格进行订单匹配，以进行碳交易；并根据当前时间的最后一个订单更新碳配额当前价格；基于上述设置，在预设模拟器中进行碳交易行为的模拟。本发明提供的方法能够还原真实碳市场中多方主体基于不同策略进行碳交易，用于碳市场研究。
-
公开(公告)号：CN119854361A
公开(公告)日：2025-04-18
申请号：CN202411454511.0
申请日：2024-10-17
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: H04L67/56 , H04L41/147 , H04L67/12 , H04L67/1095 , H04L67/60 , H04L9/00
Abstract: 本发明提供一种物联网区块链分片方法及装置，通过预设机制选择节点纳入物联网区块链网络后，基于个节点的计算能力和信用信誉筛选策略委员会以监督执行交易控制和区块链分片。利用深度强化学习DRL行为者网络基于环境状态执行对分片动作的选择，针对事务交易和区块链分片分别建立两个状态空间及其对应的动作空间，构建双重深度强化学习模型，同时引入第一目标网络对第一评估网络预测的第一目标值进行稳定，引入第二目标网络对第二估计网络预测的第二目标值进行稳定，对事务交易和区块链分片同步进行调控，以适应网络环境的动态变化实现高效地网络分片。
-
公开(公告)号：CN119539140A
公开(公告)日：2025-02-28
申请号：CN202411403789.5
申请日：2024-10-09
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于LSTM和自注意力的碳排放预测方法和系统，预测模型训练方法为：获取训练样本集，将训练样本输入初始碳排放预测模型，该模型包括长短时记忆层、自注意力层和线性层。利用长短时记忆层提取并输出每个影响因素对应的有效关键信息，将每个影响因素对应的有效关键信息输入至自注意力层，输出每个影响因素与其自身之外其他影响因素之间的关联信息。将每个影响因素对应的关联信息进行整合并输入线性层，输出碳排放预测结果。基于预测结果与真实标签的差距构建损失函数，最小化损失以更新模型参数直至达到预设训练轮数，获得训练后的碳排放预测模型。本发明综合考虑多种因素，捕捉数据序列的长期依赖关系，实现更准确的碳排放预测。
-
公开(公告)号：CN118353677A
公开(公告)日：2024-07-16
申请号：CN202410493622.6
申请日：2024-04-23
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: H04L9/40
Abstract: 本发明提供一种基于联邦学习的联盟链分布式拒绝服务攻击实时检测方法及系统，联盟链包括参与联邦学习的包含多个训练层节点和多个监控层节点的多个节点，每个节点被交替用作训练层节点和监控层节点，方法包括：在节点被用作训练层节点时，将DDoS攻击网络流量数据形成数据集，根据数据集对本地攻击检测局部模型进行训练，获得更新的局部模型参数和检测准确率并发送给云端聚合器，使云端聚合器根据多个更新的检测准确率确定对应的多个权重系数并对多个更新的局部模型参数聚合来获得更新全局模型参数并发送给联盟链；在节点被用作监控层节点时，从联盟链获取更新全局模型参数并更新本地模型来实时监控DDoS攻击，实时采集DDoS攻击网络流量数据以更新数据集。
-
Patent Agency Ranking
公开(公告)号：CN118869177A
公开(公告)日：2024-10-29
申请号：CN202410821153.6
申请日：2024-06-24
Applicant: 北京邮电大学 , 国网江苏省电力有限公司营销服务中心 , 国家电网有限公司客户服务中心 , 国网数字科技控股有限公司
Abstract: 本申请提供一种基于区块链的数字身份管理方法、系统、电子设备及计算机可读存储介质，方法包括：在区块链网络中执行数字身份查询步骤、数字身份验证步骤以及数字身份撤销步骤中的至少一项；以及，在执行数字身份管理步骤的过程中对每个关键事件实时生成审计日志条目并在加密后存储至区块链，以供发出审计日志访问的授权用户追溯查看审计日志条目。本申请能够在保护用户隐私的同时确保用户的数字身份信息的真实性，并同时实现对数字身份认证过程的追踪及审计，进而能够有效提高数字身份管理的便捷性和透明化程度。
-
公开(公告)号：CN118211970A
公开(公告)日：2024-06-18
申请号：CN202410107015.1
申请日：2024-01-25
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
Abstract: 本申请提供一种基于异构图卷积网络的欺诈交易账户检测方法，所述方法包括：将多个目标交易账户分别作为账户节点，将各个目标交易账户各自关联的多个订单分别作为订单节点，并将各个目标交易账户与各自关联的各个订单之间的关联关系作为订单边，构建二部图；其中，订单边包括：订单提交边和订单撤销边；基于异构图卷积网络对所述二部图进行卷积处理得到账户节点对应的账户节点隐藏状态、订单提交边隐藏状态和订单撤销边隐藏状态；将账户节点隐藏状态、订单提交边隐藏状态和订单撤销边隐藏状态输入预先获取的分类模型，以使该分类模型输出得到账户节点的账户异常检测结果数据。本申请能够有效提升交易欺诈账户检测的准确性及检测效率。
-
公开(公告)号：CN117114886B
公开(公告)日：2024-04-09
申请号：CN202311375071.5
申请日：2023-10-23
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网北京市电力公司 , 国网江苏省电力有限公司
Abstract: 本发明提供一种基于双层共识机制的区块链碳交易方法及系统，涉及信息处理技术领域，区块链接收边缘服务器提供的各企业碳配额数据，更新链上数据，并定期向边缘服务器发送各企业的交易数据，更新边缘服务器数据；边缘服务器比较各企业的碳排放数据与碳配额数据；若碳排放数据大于碳配额数据，则企业需在区块链上向其他企业购买碳配额，以达到碳中和；若碳排放数据不大于碳配额数据，则企业可以在区块链上向其他企业出售剩余的碳配额，以实现碳交易；在系统中，构建了基于哈希图的分片区块链双层共识架构，在各分片中区块链采用有向无环图结构。本发明提供的方法及系统提高了区块链的吞吐量、共识效率以及性能，适用于大规模的高并发碳交易场景。
-
公开(公告)号：CN117313901B
公开(公告)日：2024-04-02
申请号：CN202311597925.4
申请日：2023-11-28
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: G06N20/00
Abstract: 本发明提供一种基于多任务聚类联邦个性学习的模型训练方法及装置，中央服务器向各客户端下发上一轮训练得到的各客户端所属簇的簇模型参数和其他簇的专家层模型参数，并接收各客户端采用本地数据训练得到的本地模型参数和自适应权重；根据各客户端的本地模型参数对各客户端进行聚类分簇；将同一簇中各客户端的本地模型参数进行联邦平均聚合，形成本轮训练得到的簇模型；各客户端基于自适应权重聚合各簇模型的专家层模型参数，并连接个性化层模型参数，得到预测模型；将本地数据输入预测模型，得到预测结果；构建预测结果和真实标签的损失，以最小化损失为目标，重复训练步骤。本发明提供的训练方法能够解决数据异质性带来的偏差和难以收敛的问题。
-
公开(公告)号：CN117313901A
公开(公告)日：2023-12-29
申请号：CN202311597925.4
申请日：2023-11-28
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: G06N20/00
Abstract: 本发明提供一种基于多任务聚类联邦个性学习的模型训练方法及装置，中央服务器向各客户端下发上一轮训练得到的各客户端所属簇的簇模型参数和其他簇的专家层模型参数，并接收各客户端采用本地数据训练得到的本地模型参数和自适应权重；根据各客户端的本地模型参数对各客户端进行聚类分簇；将同一簇中各客户端的本地模型参数进行联邦平均聚合，形成本轮训练得到的簇模型；各客户端基于自适应权重聚合各簇模型的专家层模型参数，并连接个性化层模型参数，得到预测模型；将本地数据输入预测模型，得到预测结果；构建预测结果和真实标签的损失，以最小化损失为目标，重复训练步骤。本发明提供的训练方法能够解决数据异质性带来的偏差和难以收敛的问题。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.061 seconds)
