-
公开(公告)号：CN119094245A
公开(公告)日：2024-12-06
申请号：CN202411570443.4
申请日：2024-11-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于解释性分析与经验知识优化的多层级网络入侵检测方法、系统及介质，本发明基于解释性分析与经验知识优化的多层级网络入侵检测方法通过一种多层次、结构化的入侵检测框架实现对网络流量中时序依赖性与固有特征的全面感知和非线性映射处理，并结合SHapley加法解释（SHAP）方法与经验知识形成迭代反馈纠错机制优化框架的决策范式，能提升模型的表达能力和泛化性及稳定性，强化入侵检测模型的检测效果。
-
公开(公告)号：CN119094245B
公开(公告)日：2025-02-18
申请号：CN202411570443.4
申请日：2024-11-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于解释性分析与经验知识优化的多层级网络入侵检测方法、系统及介质，本发明基于解释性分析与经验知识优化的多层级网络入侵检测方法通过一种多层次、结构化的入侵检测框架实现对网络流量中时序依赖性与固有特征的全面感知和非线性映射处理，并结合SHapley加法解释（SHAP）方法与经验知识形成迭代反馈纠错机制优化框架的决策范式，能提升模型的表达能力和泛化性及稳定性，强化入侵检测模型的检测效果。
-
公开(公告)号：CN119696934A
公开(公告)日：2025-03-25
申请号：CN202510206124.3
申请日：2025-02-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , G06F18/15 , G06F18/2111 , G06F18/213 , G06F18/2431 , G06N3/045 , G06N3/0499 , G06N3/092
Abstract: 本发明公开了一种基于动态网络特征筛选的强化学习入侵检测方法及系统，方法包括构建基于Transformer框架增强的自适应奖励强化学习网络和结合小龙虾优化算法进行网络流量特征筛选，基于Transformer增强的自适应奖励强化学习网络架构，通过将Transformer机制与强化学习相结合，显著增强了在动态网络环境中的自适应学习和决策优化能力；结合小龙虾优化算法对高维网络流量进行特征萃取捕捉对入侵检测最有价值的特征集合，能够高效地从复杂多变的网络流量数据中提取出最具代表性的特征子集，提升了特征选择过程的自动化和精度；本发明方法有效克服了现有技术在样本不均衡、特征选择、动态适应性等方面的不足，提供一种更加智能、高效的入侵检测解决方案。
-
公开(公告)号：CN119696934B
公开(公告)日：2025-05-09
申请号：CN202510206124.3
申请日：2025-02-25
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L9/40 , G06F18/15 , G06F18/2111 , G06F18/213 , G06F18/2431 , G06N3/045 , G06N3/0499 , G06N3/092
Abstract: 本发明公开了一种基于动态网络特征筛选的强化学习入侵检测方法及系统，方法包括构建基于Transformer框架增强的自适应奖励强化学习网络和结合小龙虾优化算法进行网络流量特征筛选，基于Transformer增强的自适应奖励强化学习网络架构，通过将Transformer机制与强化学习相结合，显著增强了在动态网络环境中的自适应学习和决策优化能力；结合小龙虾优化算法对高维网络流量进行特征萃取捕捉对入侵检测最有价值的特征集合，能够高效地从复杂多变的网络流量数据中提取出最具代表性的特征子集，提升了特征选择过程的自动化和精度；本发明方法有效克服了现有技术在样本不均衡、特征选择、动态适应性等方面的不足，提供一种更加智能、高效的入侵检测解决方案。
-
公开(公告)号：CN117094856B
公开(公告)日：2024-04-30
申请号：CN202311074103.8
申请日：2023-08-24
Applicant: 哈尔滨工业大学
IPC: G06Q50/12 , G06F16/951 , G06F18/10 , G06F17/18 , G06N20/00
Abstract: 基于面板logit模型的嵌入OTA网站后用户评价行为的预测方法，属于数据分析技术领域。步骤一：获取原始数据集；步骤二：对原始数据集进行数据预处理，得到清洗后的数据集；步骤三：对顾客评价行为相关的文献和理论进行梳理，确定嵌入OTA网站的评论特征对原OTA网站上后续评论行为的影响的研究模型，对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行计算；步骤四：构建logit模型，得到面板logit模型的系数和残差项；步骤五：稳健性检验；若面板logit模型通过稳健性检验，则说明模型具有可靠性，将系数和残差项带回面板logit模型即得到预测模型；若否，则需对面板logit模型进行再次构建与分析，即返回执行步骤四。本发明的方法用于用户评价行为的预测。
-
Patent Agency Ranking
公开(公告)号：CN117094856A
公开(公告)日：2023-11-21
申请号：CN202311074103.8
申请日：2023-08-24
Applicant: 哈尔滨工业大学
IPC: G06Q50/12 , G06F16/951 , G06F18/10 , G06F17/18 , G06N20/00
Abstract: 基于面板logit模型的嵌入OTA网站后用户评价行为的预测方法，属于数据分析技术领域。步骤一：获取原始数据集；步骤二：对原始数据集进行数据预处理，得到清洗后的数据集；步骤三：对顾客评价行为相关的文献和理论进行梳理，确定嵌入OTA网站的评论特征对原OTA网站上后续评论行为的影响的研究模型，对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行计算；步骤四：构建logit模型，得到面板logit模型的系数和残差项；步骤五：稳健性检验；若面板logit模型通过稳健性检验，则说明模型具有可靠性，将系数和残差项带回面板logit模型即得到预测模型；若否，则需对面板logit模型进行再次构建与分析，即返回执行步骤四。本发明的方法用于用户评价行为的预测。
-
公开(公告)号：CN117094855A
公开(公告)日：2023-11-21
申请号：CN202311074098.0
申请日：2023-08-24
Applicant: 哈尔滨工业大学
IPC: G06Q50/12 , G06Q10/0639 , G06F18/10 , G06F16/951 , G06F16/9535 , G06F18/25
Abstract: 基于酒店服务语言的非本土语言顾客满意度的预测方法，本发明属于数据分析技术领域。方法是：获取目标酒店的基本数据、评论数据以及顾客数据，得到原始数据集；对原始数据集进行数据预处理；对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行测算；分别设置被解释、解释、调节和控制变量，构建基于固定效应的计量模型，计算得到固定效应模型的系数和残差项；对非本土语言顾客满意度的预测模型进行稳健性检验；若预测模型通过了稳健性检验，则将固定效应模型的系数和残差项带入模型，即得到基于酒店服务语言的非本土语言顾客满意度的预测模型；若未通过，则需对预测模型进行再次构建与分析。本发明用于酒店顾客满意度预测。
-
公开(公告)号：CN110470461B
公开(公告)日：2021-02-26
申请号：CN201910778872.3
申请日：2019-08-22
Applicant: 哈尔滨哈玻拓普复合材料有限公司 , 哈尔滨工业大学
IPC: G01M13/00
Abstract: 用于金属桁架天线罩试验的分配梁加载系统及安装方法，属于建筑工程领域，主要为了解决现有技术中金属桁架天线罩试验模型体量较大、传力较复杂，同时所需施加的总荷载值较大，导致试验加载系统的设计具有较大的难度与特殊性的问题，本发明主要包括中层分配梁机构、下层分配梁机构、总力传感器、千斤顶、反力梁、三个上层分配梁机构和六个节点装置，并使高强螺栓穿过各加载节点的节点盘，依次向下连接万向轴承、节点力传感器、上层分配梁机构、中层分配梁机构、下层分配梁机构、总力传感器、千斤顶、反力梁和天线罩，本发明主要用于对金属桁架天线罩试验的加载系统。
-
公开(公告)号：CN119006054A
公开(公告)日：2024-11-22
申请号：CN202411114236.8
申请日：2024-08-14
Applicant: 哈尔滨工业大学
IPC: G06Q30/0241 , G06Q30/0242 , G06F16/951 , G06F18/27
Abstract: 一种带货视频时长对产品销量的预测方法，属于数据分析技术领域。该方法包括以下步骤：步骤一：获取带货短视频的销售数据、博主数据、产品数据；步骤二：对数据预处理；步骤三：对研究模型所需的变量进行定义，计算模型所需变量；步骤四：设置被解释变量、解释变量、调节变量和控制变量，并引入视频实际时长的二次项，构建计量模型且固定产品类别效应，通过计量分析方法与倒U型关系检验三步法计算计量经济模型的系数和残差项；步骤五：稳健性检验；引入三次项、调整样本；未通过则返回步骤四；若通过，则说明通过了稳健性检验，执行步骤六，异质性检验；探究产品价格与产品类别对二者倒U型关系的影响。本发明用于带货视频时长对产品销量的预测。
-
公开(公告)号：CN117094855B
公开(公告)日：2024-06-25
申请号：CN202311074098.0
申请日：2023-08-24
Applicant: 哈尔滨工业大学
IPC: G06Q50/12 , G06Q10/0639 , G06F18/10 , G06F16/951 , G06F16/9535 , G06F18/25
Abstract: 基于酒店服务语言的非本土语言顾客满意度的预测方法，本发明属于数据分析技术领域。方法是：获取目标酒店的基本数据、评论数据以及顾客数据，得到原始数据集；对原始数据集进行数据预处理；对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行测算；分别设置被解释、解释、调节和控制变量，构建基于固定效应的计量模型，计算得到固定效应模型的系数和残差项；对非本土语言顾客满意度的预测模型进行稳健性检验；若预测模型通过了稳健性检验，则将固定效应模型的系数和残差项带入模型，即得到基于酒店服务语言的非本土语言顾客满意度的预测模型；若未通过，则需对预测模型进行再次构建与分析。本发明用于酒店顾客满意度预测。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.03 seconds)
