-
公开(公告)号：CN108055152B
公开(公告)日：2020-11-06
申请号：CN201711309778.0
申请日：2017-12-11
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网公司
Abstract: 本发明公开了基于分布式服务日志的通信网络信息系统异常检测方法，通过发掘网络中的服务基准，找到自动异常检测时对比的案例，可以自动地对比实时日志流与开发模板，达到检测异常的目的。本发明提出了一种基于时间权重的控制流图模型的异常检测方法，通过设定的过滤方案生成了结构节点良好的CFG，并利用循环或线程之间节点的间隔无序性这一特点分割了边界，进一步优化了结构；计算出每个边的时间权重，生成了TCFG。该TCFG可以与实时TCFG流进行对比，发现异常，评估表明，此方法有着不错的精确率和召回率，在真实环境中，平均有80%的精确率和65%的召回率。
-
公开(公告)号：CN111953759B
公开(公告)日：2022-11-11
申请号：CN202010770330.4
申请日：2020-08-04
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC: H04L67/1008 , H04L67/101 , H04L67/1023 , G06F9/50 , G06N20/00
Abstract: 本发明实施例提供的基于强化学习的协同计算任务卸载和迁移的方法及装置，通过使用云边端协同网络中用户终端及服务器执行任务能耗及任务传输能耗，用户终端及服务器执行任务时延、任务传输时延及EN到云端服务器的时延，在能耗约束下，基于延迟成本最小化为目标，完成对用户设备端、云端、边缘端的能耗和延迟成本的优化，从而得到最优任务卸载和迁移策略。这样可以通过云边端协同网络，在优化能耗和延迟的基础上，协同目标端卸载任务，节省任务计算的端到端时延，优化网络能耗；并且，对任务迁移的边缘节点，通过任务迁移，提升边缘端的资源利用率，从而提升了云边端协同网络的资源利用率。
-
公开(公告)号：CN114666127B
公开(公告)日：2023-05-23
申请号：CN202210284900.8
申请日：2022-03-22
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC: H04L9/40 , H04L43/026 , H04L43/16 , H04L67/10 , H04L41/40
Abstract: 本发明公开了一种基于区块链的异常流量检测方法，有效的解决了现有技术中针对防御攻击的研究还存在着未考虑到的几种问题导致效果不明显的现象存在。本发明首先利用区块链、软件定义网络SDN构建基于智能电网的通信网络，并在通信网络中采用集群结构，并令每个集群成为SDN域，在每个SDN域中选择一个SDN控制器作为簇头，计算簇头和目标IP的熵值，并对目标IP的流量信息中获得的数学变量进行预处理，从而对输出变量的特征重要度利用自动编码器进行流量分类，从而检测出通信网络中的异常流量，进而保障了通信网络的安全性。
-
公开(公告)号：CN116047223A
公开(公告)日：2023-05-02
申请号：CN202211698772.8
申请日：2022-12-28
Applicant: 国网河南省电力公司信息通信公司 , 国家电网有限公司 , 国家电投集团河南电力有限公司 , 北京邮电大学
IPC: G01R31/08 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 本发明提供一种基于实时用电信息及大数据分析的窃电判别方法，属于电力系统技术领域，具体包括：基于用户的实时用电数据、天气温度、输电线路材料的电阻率，基于LA‑GSA‑GRU算法的线损预测模型获取用户的线损阈值；当用户的线损率大于用户的线损阈值时将其认定为潜在异常客户，并将线损率与线损阈值的比值作为线损比值；当近一月内用户被认定为潜在线损用户的次数大于第一阈值时，基于用户被认定为潜在异常线损用户的次数、所有被认定为潜在异常线损用户时的线损比值的平均值、被认定为潜在异常线损用户时的线损比值的最大值确定潜在线损用户的线损异常度，并基于线损异常度实现对窃电行为的判别，从而进一步提升了窃电判别的效率和精确性。
-
公开(公告)号：CN114666127A
公开(公告)日：2022-06-24
申请号：CN202210284900.8
申请日：2022-03-22
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC: H04L9/40 , H04L43/026 , H04L43/16 , H04L67/10 , H04L41/40
Abstract: 本发明公开了一种基于区块链的异常流量检测方法，有效的解决了现有技术中针对防御攻击的研究还存在着未考虑到的几种问题导致效果不明显的现象存在。本发明首先利用区块链、软件定义网络SDN构建基于智能电网的通信网络，并在通信网络中采用集群结构，并令每个集群成为SDN域，在每个SDN域中选择一个SDN控制器作为簇头，计算簇头和目标IP的熵值，并对目标IP的流量信息中获得的数学变量进行预处理，从而对输出变量的特征重要度利用自动编码器进行流量分类，从而检测出通信网络中的异常流量，进而保障了通信网络的安全性。
-
Patent Agency Ranking
公开(公告)号：CN112579194A
公开(公告)日：2021-03-30
申请号：CN202011359457.3
申请日：2020-11-27
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明实施例提供了一种基于时延和事务吞吐量的区块链共识任务卸载方法及装置，其中方法包括：基于预设的马尔可夫决策过程MDP，获得当前时刻的当前信道条件、MEC服务器的当前可用计算资源和各个第二移动设备的当前信任值，作为当前马尔可夫状态；MDP中包括：预设的状态空间，预设的奖励函数以及预设的动作空间；将当前马尔可夫状态，输入预设的异步的优势行动者评论家算法A3C模型中，以使该A3C模型基于奖励函数计算奖励，基于奖励获得并输出与当前马尔可夫状态对应的目标动作。本发明实施例能够在降低区块链系统中对区块链共识任务的处理时延的基础上提高事务吞吐量。
-
公开(公告)号：CN112579194B
公开(公告)日：2023-04-07
申请号：CN202011359457.3
申请日：2020-11-27
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明实施例提供了一种基于时延和事务吞吐量的区块链共识任务卸载方法及装置，其中方法包括：基于预设的马尔可夫决策过程MDP，获得当前时刻的当前信道条件、MEC服务器的当前可用计算资源和各个第二移动设备的当前信任值，作为当前马尔可夫状态；MDP中包括：预设的状态空间，预设的奖励函数以及预设的动作空间；将当前马尔可夫状态，输入预设的异步的优势行动者评论家算法A3C模型中，以使该A3C模型基于奖励函数计算奖励，基于奖励获得并输出与当前马尔可夫状态对应的目标动作。本发明实施例能够在降低区块链系统中对区块链共识任务的处理时延的基础上提高事务吞吐量。
-
公开(公告)号：CN110135603B
公开(公告)日：2022-11-11
申请号：CN201910423784.1
申请日：2019-05-21
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明的一种基于改进熵权法的电力网络告警空间特征分析方法，所述方法具体实现步骤包括S1、采用滑动时间窗口算法划分告警事务集；S2、结合网络实际拓扑，采用改进熵权法对每个告警事务集内的告警数据进行加权处理；S3、根据权值进一步将告警事务集划分为具有空间特征的子集；通过以上处理，进一步将每个具有时间特征的告警事务集划分成了在空间上也有严格的相关性的子集。本发明采用滑动窗口算法划分了告警事务集，从一个较小的粒度来分析海量的告警信息，提高分析效率，针对电网中告警数据的特点对熵权法进行优化，并使用优化后的熵权法为每条告警数据赋权，最后从发出权值最大的告警的设备开始分析，加快告警空间特征提取的效率。
-
公开(公告)号：CN114995990A
公开(公告)日：2022-09-02
申请号：CN202210403729.8
申请日：2022-04-18
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本申请涉及人工智能技术领域，提供一种计算任务卸载方法、装置、电子设备及计算机存储介质。包括：接收车辆发送的车辆信息与计算任务，所述车辆信息包括位置信息、速度信息；基于所述位置信息、所述速度信息、所述计算任务中的任务信息与各边缘节点的状态信息进行分层卸载决策，得到所述计算任务的分层卸载方案；基于所述分层卸载方案控制各所述边缘节点中的相应边缘节点对所述计算任务进行分层卸载。本申请通过考虑车辆的移动性，并且对计算任务进行分层卸载决策，可以减少任务中断，有效提高进行计算任务卸载时的效率。
-
公开(公告)号：CN111953758A
公开(公告)日：2020-11-17
申请号：CN202010769644.2
申请日：2020-08-04
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC: H04L29/08
Abstract: 本发明实施例提供了一种边缘网络计算卸载和任务迁移方法及装置，其中，方法包括：采用基于拉格朗日的任务迁移算法先确定出初始卸载策略下初始最佳迁移策略，然后再重新按照基于强化学习的任务任务卸载算法，确定当前卸载策略，使用当前卸载策略，更新得到当前最佳迁移策略，直至当前卸载策略和当前最佳迁移策略满足边缘网络最优策略条件，得到边缘网络最优卸载策略以及边缘网络最优迁移策略。这样通过MECS间计算任务的迁移，实现MECS之间的协作，均衡MECS间的任务负载，以提升边缘网络资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.061 seconds)
