-
公开(公告)号：CN120086840A
公开(公告)日：2025-06-03
申请号：CN202510144754.2
申请日：2025-02-10
Applicant: 国网冀北电力有限公司电力科学研究院 , 国家电网有限公司
IPC: G06F21/55 , G06F40/295 , G06F40/186 , G06F16/35
Abstract: 本发明公开了一种开源情报处理方法及装置，其中该方法包括：获取情报模式、情报实体种类及情报文本；根据所述情报模式、所述情报实体种类及所述情报文本生成提示符；将所述情报模式、所述情报实体种类及所述提示符输入至大语言模型中，得到有效负载；通过递归函数对所述有效负载进行解析，得到生成实例；对所述生成实例进行规范化，得到结构化情报。通过上述方法能够在提取文本情报的过程中避免大语言模型生成的文本情报与原始输入事实不符或无效的表述，从而确保情报的可靠性，提升了模型分析和处理复杂文本数据的能力。上述情报处理方法能够从复杂和分散的信息中提取出有用的且可操作的情报，从而提高构建开源情报的效率及情报的可靠性。
-
公开(公告)号：CN119583112A
公开(公告)日：2025-03-07
申请号：CN202411599159.X
申请日：2024-11-11
Applicant: 国网冀北电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明实施例提供了一种基于深度学习联合模型的跨情报源威胁检测方法和装置，所述方法包括：获取多情报源的情报数据；根据情报数据，构建情报图；通过预先构建的深度学习联合模型，对情报图进行威胁检测，生成威胁检测结果，深度学习联合模型包括基于图神经网络构建的特征序列提取模型和基于深度学习构建的威胁检测模型；根据威胁检测结果触发预设的安全防御策略进行安全告警，能够对多情报源间复杂的关联关系进行深入挖掘，提高了威胁检测效率，降低了对人工的依赖，提高了自动化程度、智能化程度、适应性和实时性，提升了检测结果的准确率。
-
公开(公告)号：CN113848255A
公开(公告)日：2021-12-28
申请号：CN202111107192.2
申请日：2021-09-22
Applicant: 华北电力科学研究院有限责任公司 , 国网冀北电力有限公司电力科学研究院 , 国家电网有限公司
IPC: G01N29/265 , G01N29/04
Abstract: 本申请提供一种支柱瓷绝缘子的检测装置，包括：旋转机构，所述旋转机构包括电机、传动机构和旋转环，当所述旋转环套装于支柱瓷绝缘子上时，所述电机通过所述传动机构驱动所述的旋转环沿所述的支柱绝缘子周向旋转；爬波探头，安装于所述的旋转环上，用于旋转检测所述支柱瓷绝缘子的表面缺陷；相控阵探头，安装于所述的旋转环上，用于旋转检测所述支柱瓷绝缘子的内部缺陷；定位器，安装于所述的旋转环上，用于记录所述超声波探头的位移。本申请能够高效检测支柱瓷绝缘子的缺陷。
-
公开(公告)号：CN119692442A
公开(公告)日：2025-03-25
申请号：CN202411607100.0
申请日：2024-11-12
Applicant: 国网冀北电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明提供一种知识图谱生成方法及装置，涉及知识图谱技术领域。所述方法包括：根据文本分片中的实体之间的关联关系对实体进行筛选，根据筛选结果并利用实体的互信息对实体进行选择，得到目标实体集合；计算所述目标实体集合在预设变量取值范围中的总信息熵，以及计算在所述预设变量取值范围中的每两个变量之间边的条件熵；根据所述总信息熵和所述边的条件熵计算得到每两个变量之间的信息熵增益比，将使得信息熵增益比最大的边操作类型作为对应两个实体之间的关系，以生成得到知识图谱。所述装置执行上述方法。本发明实施例提供的方法及装置，能够准确和高效的生成知识图谱。
-
公开(公告)号：CN118552027A
公开(公告)日：2024-08-27
申请号：CN202410610603.7
申请日：2024-05-16
Applicant: 国网冀北电力有限公司电力科学研究院 , 国家电网有限公司
IPC: G06Q10/0635 , G06Q50/06 , G06F18/15 , G06F18/2111 , G06F18/2113 , G06F18/214 , G06F18/21 , G06F18/2433 , G06F18/2411 , G06N3/0499 , G06N3/084 , G06N3/048
Abstract: 本发明提供了一种基于态势感知的电网风险预测方法及装置，方法包括：采集电网数据，并对所述电网数据进行故障特征变量提取处理，得到初始风险特征集合；利用遗传算法与交叉验证的递归特征消除法，对所述初始风险特征集合进行筛选处理，得到最优特征子集；将所述最优特征子集输入至预先建立的风险预测模型中进行处理，得到电网风险预测结果。本发明通过采用遗传算法和交叉验证的递归特征消除法去除冗余度高和相关度低的特征，有效提取故障风险特征变量，准确预测电网的安全风险，以便于提前发现电网的运行薄弱环节和潜在风险，增强电网安全风险的可预见性，保证电网安全、稳定地运行。
-
Patent Agency Ranking
公开(公告)号：CN119696834A
公开(公告)日：2025-03-25
申请号：CN202411706501.1
申请日：2024-11-26
Applicant: 华北电力科学研究院有限责任公司 , 国家电网有限公司
IPC: H04L9/40 , H04L69/22 , G06F18/24 , G06F18/241 , G06F18/2431 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种配电终端模糊测试攻击样本分类方法及装置，其中该方法包括：对通信协议报文进行解析，确定所述通信协议报文中各类系统命令对应的可变字段；按照预先设定的机制对所述可变字段进行修改，得到生成序列；将所述生成序列与所述可变字段对应的所述通信协议报文的其他字段进行拼接，形成测试样本数据；根据所述测试样本数据构建数据集，并将所述数据集按照预设比例划分为训练集和测试集；将所述数据集输入所述模糊测试样本分类模型进行训练，得到训练后的模糊测试样本分类模型及其分类为有效的模糊测试样本。本发明能够更加精确且快速的对测试样本数据进行分类，从而及早发现配电终端通信安全隐患，有力保障配电网安全稳定运行。
-
公开(公告)号：CN119577824A
公开(公告)日：2025-03-07
申请号：CN202411557969.9
申请日：2024-11-04
Applicant: 华北电力科学研究院有限责任公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于局部差分隐私的AI模型训练数据保护方法及装置，其中该方法包括：噪声尺度确定步骤：根据预设的隐私预算值和获取的输入数据通过拉普拉斯差分隐私机制确定噪声尺度；数据噪声添加步骤：根据所述噪声尺度生成拉普拉斯噪声，并为所述输入数据添加所述拉普拉斯噪声；梯度噪声添加步骤：根据预设的初始模型训练参数确定添加拉普拉斯噪声后的输入数据中每个数据点的梯度，并为每个数据点的梯度添加所述拉普拉斯噪声，得到加噪梯度值；参数确定步骤：根据所述加噪梯度值确定预测模型训练参数。本发明能够在有效避免训练数据隐私泄露的情况下，提高模型训练的精确度及效率。
-
公开(公告)号：CN119561724A
公开(公告)日：2025-03-04
申请号：CN202411580250.7
申请日：2024-11-07
Applicant: 华北电力科学研究院有限责任公司 , 国家电网有限公司
IPC: H04L9/40
Abstract: 本发明提供一种API注入攻击识别方法及装置，涉及信息安全技术领域。所述方法包括：对用户输入数据进行字符过滤和模式匹配，得到XPath注入特征识别结果；对所述用户输入数据的每个输入字段进行类型约束检测，以及对所述用户输入数据进行语义分析，得到用户输入数据内容的合法性验证结果；对用户请求行为进行监控，得到异常操作检测结果；对API请求中的XPath查询的节点访问深度和频率进行监控，得到可疑行为识别结果；对当前用户请求进行上下文一致性检查，得到可疑请求识别结果。所述装置执行上述方法。本发明实施例提供的API注入攻击识别方法及装置，能够准确识别API注入攻击。
-
公开(公告)号：CN113868646B
公开(公告)日：2024-04-26
申请号：CN202110901411.8
申请日：2021-08-06
Applicant: 华北电力科学研究院有限责任公司 , 国家电网有限公司
Abstract: 本发明提供一种基于主机的入侵检测方法及装置，方法包括：建立正常行为模式规则库和入侵行为模式规则库；检测当前主机行为的行为样本数据信息，将所述行为样本数据信息分别与正常行为模式规则库和入侵行为模式规则库进行匹配；判断出所述行为样本数据信息与所述正常行为模式规则库和所述入侵行为模式规则库均不匹配，则分别计算所述样本行为分别与所述正常行为模式和所述入侵行为模式的亲和度；根据所述亲和度判断所述样本行为是否为入侵行为。本发明能够根据亲和度大小推断样本行为属于正常行为或是入侵行为，提高主机的入侵检测的准确性和合理性。
-
公开(公告)号：CN117521777A
公开(公告)日：2024-02-06
申请号：CN202311328814.3
申请日：2023-10-15
Applicant: 华北电力科学研究院有限责任公司 , 国家电网有限公司
Abstract: 本发明提出一种支持隐私保护个性化的可信联邦图神经网络框架构建方法。由于现有的拜占庭鲁棒FL(Federal Learning)方法仍然很容易受到恶意客户端的局部模型中毒攻击，最重要原因在于整个联邦学习的过程中，没有一个可靠的参照基准衡量哪一个客户端的模型梯度是可信的。本发明提出了一种新的支持隐私保护个性化的可信联邦图神经网络框架，包含一种新的拜占庭鲁棒FL聚合规则，即学习服务器就像客户端维护本地模型一样为学习任务预备了一个可信的训练数据集，称为根数据集，且学习服务器为根数据集维护一个模型，称为服务器模型。使用新的聚合规则，在从客户端接收到的梯度进行汇总时，将其与服务器模型进行比对和筛选，最终以实现针对恶意客户端的拜占庭鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.081 seconds)
