公开(公告)号：CN117056699A

公开(公告)日：2023-11-14

申请号：CN202310818309.0

申请日：2023-07-05

Applicant: 暨南大学

Inventor： 耿光刚 ,  卢翼翔 ,  刘东杰 ,  刘志全 ,  涂菲帆 ,  张新常

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/2433 ,  G06N3/0442 ,  G06N3/0495

Abstract: 本发明公开了一种面向工业互联网标识解析的时间序列异常检测方法，包括：S1、构建时间序列异常检测模型，包括特征构建模块、特征提取模块以及结果输出模块；其中，特征构建模块，用于将时间序列数据集构造成可输入时间序列异常检测模型的数据；特征提取模块，用于提取输入数据的特征，同时将各种特征进行组合，刻画出更深层的特征；结果输出模块，合并特征提取模块的输出数据，并实现数据降维，同时防止模型在训练时过拟合，输出异常检测的二分类结果；S2、对时间序列异常检测模型进行训练；S3、将训练后的时间序列异常检测模型用于时间序列异常检测。本发明能够更精准地检测出工业互联网中的异常情况。

公开(公告)号：CN116938538A

公开(公告)日：2023-10-24

申请号：CN202310818315.6

申请日：2023-07-05

Applicant: 暨南大学

Inventor： 耿光刚 ,  孔凯传 ,  刘志全 ,  黄衍铭 ,  侯榕浩 ,  张新常

IPC: H04L9/40

Abstract: 本发明公开了一种面向工业互联网标识解析的恶意行为检测方法，包括以下步骤：S1、构建恶意行为检测分类模型；S2、以用户正常行为操作的组合特征数据STFD为训练集，训练恶意行为检测分类模型；S3、将未知正常、恶意行为操作的组合特征数据STFD特征数据输入至恶意行为检测分类模型；S4、恶意行为检测分类模型输出未知正常、恶意行为操作的组合特征数据STFD的正常、恶意分类结果。本发明提取时序、频率、空间、方向四个特征，将其应用到恶意行为检测中，通过分析多维度用户操作行为特征，从而准确判断用户行为是否存在恶意行为。