公开(公告)号：CN119854795A

公开(公告)日：2025-04-18

申请号：CN202510019372.7

申请日：2025-01-07

Applicant: 桂林电子科技大学

Inventor： 何倩 ,  杨先荣 ,  江炳城 ,  董庆贺 ,  陈亦婷 ,  何易飞 ,  潘琪 ,  黄明 ,  王勇

IPC: H04W12/122 ,  H04W84/06 ,  H04L43/04 ,  G06F18/15 ,  G06F18/214 ,  G06F18/2132 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及网络安全与卫星互联网技术领域，提出了一种基于CNN和RWav‑KAN的卫星网络异常检测方法。针对卫星网络数据(包括通信数据、遥测数据及控制数据)的规模大、维度高、时间相关性强及动态非平稳等复杂特性，首先，本发明利用卷积神经网络(CNN)提取空间信息特征，捕捉局部模式。随后，通过残差小波科尔莫戈洛夫‑阿诺尔德网络(RWav‑KAN)提取频域特征，采用小波变换捕捉多频率成分，增强复杂流量模式识别能力。最后，通过双通道RWav‑KAN结构融合多尺度特征，并结合Softmax分类器，显著提升了模型的泛化性能和检测准确性。本发明通过融合CNN的空间特征提取能力与RWav‑KAN的多尺度频域分析能力，有效解决了卫星网络异常检测中的特征提取与多尺度分析难题，为卫星网络安全防护提供了新的技术手段。

公开(公告)号：CN119854104A

公开(公告)日：2025-04-18

申请号：CN202510019612.3

申请日：2025-01-07

Applicant: 桂林电子科技大学

Inventor： 何倩 ,  何易飞 ,  江炳城 ,  刘思远 ,  陈亦婷 ,  杨先荣 ,  王溪澶 ,  金廷合

IPC: H04L41/0631 ,  H04L41/0677 ,  H04L41/069

Abstract: 本发明涉及微服务系统中的故障根因定位方法，解决了大规模微服务系统中由复杂日志和指标数据引发的故障定位难题。方法通过将日志数据中的错误信息解析并嵌入到时序指标数据中，实现多源数据融合，增强故障检测的敏感性。采用分层定位机制，首先通过多变量贝叶斯在线变点检测方法识别全局故障时间点，生成粗粒度服务级根因列表；其次通过单变量贝叶斯在线变点检测方法对异常服务进行细粒度分析，生成指标级根因列表。通过从服务级到指标级的逐步精确定位，本发明能显著提升故障定位的速度与准确性，能够有效应对微服务系统中的复杂故障场景，保障微服务系统的高可用性和稳定性。