-
公开(公告)号:CN117201646A
公开(公告)日:2023-12-08
申请号:CN202311285515.6
申请日:2023-09-28
申请人: 国网上海市电力公司 , 国网电力科学研究院有限公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 卢士达 , 吴金龙 , 顾荣斌 , 潘晨灵 , 方晓蓉 , 何旭东 , 邵佳炜 , 张皛 , 刘文意 , 刘金锁 , 胡游君 , 周忠冉 , 邹徐熹 , 沈耀威 , 刘军 , 魏训虎 , 樊泽宇 , 刘皓 , 位雪银 , 李静
IPC分类号: H04L69/22 , H04L69/16 , H04L43/028 , H04L43/04 , H04L41/0663
摘要: 本发明公开了一种电力物联终端报文的深度解析方法,包括:通过数据镜像对电力物联终端的报文数据进行无扰采集;构建协议树的层级关系;按照协议树的层级关系对采集的电力物联终端的报文数据进行逐层解析;采用协议逆向工程对解析后的数据进行处理,获取电力物联终端的通信协议,并提取通信过程中产生的操作指令含义,操作指令含义包含对设备行为指令、有效负载数据的行为含义。本发明同时兼顾报文解析的无扰采集、实时性解析和深度解析,有效实现全域物联管理,同时具备可移植性,能够实现电力物联终端设备能力扩展的可扩展性和一致性,为电力物联终端设备自动注册、业务快速上线提供了有力的技术支持,提升电力物联终端设备的工作效率。
-
公开(公告)号:CN118094443A
公开(公告)日:2024-05-28
申请号:CN202410487675.7
申请日:2024-04-23
申请人: 南京航空航天大学 , 国网上海市电力公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
发明人: 王虹岚 , 李静 , 吴金龙 , 顾荣斌 , 何旭东 , 方晓蓉 , 邵佳炜 , 张皛 , 潘晨灵 , 刘文意 , 胡游君 , 邹徐熹 , 沈耀威 , 刘军 , 邱玉祥 , 魏训虎 , 樊泽宇 , 刘皓 , 施健
IPC分类号: G06F18/2433 , G06N3/0464 , G06N3/088 , G06F123/02
摘要: 本发明公开了一种基于差分多分辨率分解的时间序列异常检测方法,包括:利用快速傅里叶变换对输入的时间序列进行周期性分析,得到时间序列的周期成分及每个周期成分对应的权重;构建多分辨率分解网络,以分解的方式将不同周期成分分离,将每一层分离出的周期成分的重构表示聚合得到最终的重构表示;其中,在多分辨率分解网络中,基于差分法按周期大小将时间序列分解为差分序列和残差序列两部分,差分序列包含着对应周期的周期性;再通过双路对比学习架构分别对残差序列和差分序列进行时序依赖建模,利用细粒度对比学习方法得到相应的时间表示,组合得到每个周期成分的重构表示。本发明能够有效处理时间序列异常检测中的异常过度泛化问题。
-
公开(公告)号:CN116886314A
公开(公告)日:2023-10-13
申请号:CN202311014272.2
申请日:2023-08-11
申请人: 国网上海市电力公司 , 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 唐跃中 , 吴金龙 , 顾荣斌 , 方晓蓉 , 何旭东 , 潘晨灵 , 张皛 , 邵佳炜 , 刘文意 , 胡游君 , 邹徐熹 , 沈耀威 , 刘军 , 邱玉祥 , 魏训虎 , 樊泽宇 , 刘皓 , 施健 , 钱李烽 , 位雪银 , 李静
摘要: 本发明公开了一种基于指纹深度提取技术的物联网设备识别方法及系统,包括流量数据处理、深度信息提取、指纹生成、参数训练和设备分类。首先将pcap文件划分为会话并提取会话信息矩阵,通过基于自学习的图注意力神经网络和基于Inception的时间卷积神经网络分别学习会话信息矩阵不同非隐私信息序列间的依赖关系和会话数据包之间的时间依赖关系,再通过全卷积Transformer进一步提取特征,生成设备指纹,接着基于多分类交叉熵损失函数,利用Adam优化算法更新神经网络参数,最后利用分类器实现设备分类。本发明结合会话信息矩阵多种属性信息,实现了高质量的指纹生成技术,提升了物联网设备识别方法的可扩展性,避免了物联网设备识别方法在应用中使用受限等问题。
-
公开(公告)号:CN118301092A
公开(公告)日:2024-07-05
申请号:CN202410303496.3
申请日:2024-03-15
申请人: 国网电力科学研究院有限公司 , 国网上海市电力公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 邹徐熹 , 刘军 , 魏训虎 , 胡游君 , 刘金锁 , 周忠冉 , 邱玉祥 , 李马峰 , 蔡世龙 , 沈耀威 , 刘赛 , 潘安顺 , 顾亚林 , 张俊杰 , 邱文元 , 富思 , 樊泽宇 , 刘皓 , 施健 , 万明 , 赵华 , 方晓蓉 , 张皛 , 李静 , 王虹岚 , 李飞
IPC分类号: H04L47/2483 , H04L67/10 , H04L67/12 , G06F18/2431 , G06F18/2415 , G06N3/042 , G06N3/0455 , G06N3/098
摘要: 本发明公开了一种基于联邦学习的分布式物联网设备识别方法及系统,包括流量数据预处理、深度指纹提取、基于知识蒸馏的设备识别、生成式知识蒸馏和模型聚合五部分。本发明在边缘设备方面,提出了轻量级设备指纹识别模型,提取网络流量会话中的时序信息以及特征间信息以生成可识别的指纹,并训练一个高效的分类器实现指纹识别;在中央服务器方面,设计了基于生成式知识蒸馏的异构联邦学习算法,通过训练变分生成器以无代理数据的方式集成本地信息并利用集成知识指导局部模型,从而解决分布式场景下的统计异构问题。提升分布式物联网设备识别的效果和可行性。
-
公开(公告)号:CN117354251A
公开(公告)日:2024-01-05
申请号:CN202311282952.2
申请日:2023-09-28
申请人: 国网上海市电力公司 , 国网电力科学研究院有限公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 谢伟 , 顾荣斌 , 何旭东 , 方晓蓉 , 吴金龙 , 邵佳炜 , 张皛 , 潘晨灵 , 刘文意 , 刘金锁 , 邹徐熹 , 邱玉祥 , 高雪 , 刘赛 , 万明 , 赵华 , 张磊 , 宋凯 , 张华锋 , 李静
IPC分类号: H04L47/2441 , H04L47/2483 , H04L43/0876 , H04L9/40 , H04L41/16 , H04L9/32 , H04L69/22 , H04L41/0894 , G16Y40/10 , G16Y40/20 , G16Y40/35 , G06Q50/06 , G06F18/2135 , G06F18/23 , G06F18/243 , G06N3/084 , G06N3/092
摘要: 本发明公开了一种电力物联终端特征的自动化提取方法,包括:对电力物联终端的流量信息进行识别;设定特征分级规则,对设备特征信息进行分类并打标签,分为浅层特征和深度特征;在边缘节点提取设备的浅层特征,在云端提取设备的深度特征;分析各个标签的异常特性,对提取的特征进行相关度分析,筛选出相关度高的特征值;构建多种模式的特征提取模型;结合工作流自动化编排构建得到的多种模式的特征提取模型。本发明在对报文实现解析的基础上,对设备上传的流量进行检测和分级,根据业务实际情况,在边缘终端和云端按需执行不同的特征信息提取,并且将特征提取的流程自动化,能够提升计算效率,降低网络时延影响,减少云端计算和存储成本。
-
公开(公告)号:CN118094443B
公开(公告)日:2024-07-09
申请号:CN202410487675.7
申请日:2024-04-23
申请人: 南京航空航天大学 , 国网上海市电力公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
发明人: 王虹岚 , 李静 , 吴金龙 , 顾荣斌 , 何旭东 , 方晓蓉 , 邵佳炜 , 张皛 , 潘晨灵 , 刘文意 , 胡游君 , 邹徐熹 , 沈耀威 , 刘军 , 邱玉祥 , 魏训虎 , 樊泽宇 , 刘皓 , 施健
IPC分类号: G06F18/2433 , G06N3/0464 , G06N3/088 , G06F123/02
摘要: 本发明公开了一种基于差分多分辨率分解的时间序列异常检测方法,包括:利用快速傅里叶变换对输入的时间序列进行周期性分析,得到时间序列的周期成分及每个周期成分对应的权重;构建多分辨率分解网络,以分解的方式将不同周期成分分离,将每一层分离出的周期成分的重构表示聚合得到最终的重构表示;其中,在多分辨率分解网络中,基于差分法按周期大小将时间序列分解为差分序列和残差序列两部分,差分序列包含着对应周期的周期性;再通过双路对比学习架构分别对残差序列和差分序列进行时序依赖建模,利用细粒度对比学习方法得到相应的时间表示,组合得到每个周期成分的重构表示。本发明能够有效处理时间序列异常检测中的异常过度泛化问题。
-
公开(公告)号:CN118296519A
公开(公告)日:2024-07-05
申请号:CN202410205625.5
申请日:2024-02-23
申请人: 南京航空航天大学 , 国网上海市电力公司 , 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
发明人: 廖俊轩 , 李静 , 王路航 , 吴金龙 , 顾荣斌 , 何旭东 , 方晓蓉 , 邵佳炜 , 张晶 , 潘晨灵 , 刘文意 , 刘金锁 , 胡游君 , 周忠冉 , 邹徐熹 , 沈耀威 , 邱玉祥 , 魏训虎 , 樊泽宇 , 施健
IPC分类号: G06F18/2433 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06F123/02
摘要: 本发明公开了一种基于动态图神经网络的信息物理系统时间序列异常检测方法和装置,包括:采用解耦图注意力提取并分离信息物理系统时间序列的动、静态特征;使用特征重构模块将分离的静态特征转化为图的拓扑结构,动态特征转化为拓扑结构上的动态信息,使特征重构为动态图形式;利用基于趋势特征提取的预测器,结合动态图和原序列中趋势特征,实现对序列未来值的预测;利用训练好的模型预测测试数据,以预测数据和真实数据之间的误差作为判断时序数据某个点为异常的可能性,最终实现对信息物理系统中异常的检测。本发明充分考虑了动、静态特征的发展变化与动、静态特征之间的相互作用,提升了复杂时空特征的建模能力,提升了异常检测的准确性。
-
公开(公告)号:CN116760742B
公开(公告)日:2024-06-21
申请号:CN202310749445.9
申请日:2023-06-21
申请人: 南京南瑞信息通信科技有限公司 , 国网电力科学研究院有限公司 , 国网上海市电力公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 胡游君 , 刘金锁 , 邱玉祥 , 刘军 , 邹徐熹 , 沈耀威 , 顾亚林 , 李马峰 , 张俊杰 , 邱文元 , 施健 , 刘皓 , 谢伟 , 唐跃中 , 张王俊 , 卢士达 , 张露维 , 冯天波 , 何旭东 , 卲佳炜 , 王虹岚 , 时宽治 , 李静 , 羊麟威
IPC分类号: H04L43/0823 , G06F18/2433 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08 , H04L43/0888
摘要: 本发明公开了一种基于多阶段时空融合的网络流量深度异常检测方法及系统,首先使用图注意力网络和门控时间卷积网络分别提取网络流量的时空特征,然后采用双仿射模块对时空特征进行深度融合,并提出了多阶段逐层传播机制来增强模型对原始数据的特征提取,提高模型的异常识别能力,再通过对自编码器采用对抗训练的方式来放大异常的重构误差,增加了双解码器对异常样本的区分能力。本发明有效的提高了模型的泛化能力和拟合能力,同时对中间潜变量特征表示运用K‑means算法进行特征聚类,将特征与簇心的最大距离作为判断异常的标准之一,有效的减少了模型的虚警率。
-
公开(公告)号:CN117332295A
公开(公告)日:2024-01-02
申请号:CN202311216144.6
申请日:2023-09-19
申请人: 国网电力科学研究院有限公司 , 国网上海市电力公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 周忠冉 , 胡游君 , 樊泽宇 , 刘金锁 , 邱玉祥 , 李马峰 , 蔡世龙 , 潘安顺 , 顾亚林 , 张俊杰 , 邹徐熹 , 沈耀威 , 邱文元 , 富思 , 施健 , 魏训虎 , 刘赛 , 赵华 , 宋凯 , 高雪 , 甘岚 , 潘晨灵 , 何旭东 , 王虹岚 , 李静
IPC分类号: G06F18/24 , H04L67/12 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于流量的电力物联终端智能识别方法,包括:获取电力物联终端设备所产生的流量数据和时间戳;将流量数据切割成多个流量序列,标识设备类型、所属时间段、所属电力物联终端设备在所属时间段所占的数量百分比;生成流量样本数据集;采用流量样本数据集对卷积神经网络进行训练,构建得到电力物联终端智能识别模型;将待识别的电力物联终端设备的流量数据、当前时间段和当前时间段不同电力物联终端设备的数量百分比构成多个特征向量,对待识别的电力物联终端设备进行类型识别。本发明能够基于流量数据和当前时间戳对物联网设备类型多样、物联网设备数量庞大的电力物联终端进行快速、准确地识别。
-
公开(公告)号:CN117255040A
公开(公告)日:2023-12-19
申请号:CN202311214620.0
申请日:2023-09-19
申请人: 国网电力科学研究院有限公司 , 国网上海市电力公司 , 南京航空航天大学 , 国家电网有限公司
发明人: 邱玉祥 , 沈耀威 , 富思 , 邱文元 , 邹徐熹 , 潘安顺 , 顾亚林 , 张俊杰 , 刘军 , 李马峰 , 刘金锁 , 胡游君 , 周忠冉 , 蔡世龙 , 樊泽宇 , 高雪 , 施健 , 魏训虎 , 刘赛 , 张磊 , 甘岚 , 陆玉琪 , 邵佳炜 , 廖俊轩 , 李静
IPC分类号: H04L43/0876 , G06F18/24 , G06F18/2135 , G06N3/0464 , G06N3/08 , H04L43/04 , H04L43/026
摘要: 本发明公开了一种基于云边协同的物联网标识构建方法,包括:从获取的历史数据上报请求和相应的上报报文中提取终端设备的流量业务特征,生成终端样本数据集;求解得到终端样本数据的本质特征和训练集稀疏系数;构建3级分类模型,将训练集的本质特征D和稀疏系数X导入分类模型,对分类模型进行训练,直至分类模型收敛;采用分类模型对导入的测试集的稀疏系数进行处理,输出测试集的稀疏系数对应的终端样本数据的类别,终端样本数据的类别包括正常接入的终端设备、异常接入的终端设备和未录入的终端设备三种,根据输出类别为各个终端设置相应的标识。本发明能够对云边协同中的数量众多且类型多样的物联网设备进行快速标识。
-
-
-
-
-
-
-
-
-