-
公开(公告)号：CN118520949A
公开(公告)日：2024-08-20
申请号：CN202410583823.5
申请日：2024-05-11
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
Abstract: 本发明公开了一种海上防空对抗局面分析方法及装置、电子设备、存储介质，该方法包括：对领导者问题优化模型进行求解得到多组领导者最优解；针对每组领导者最优解对跟随者问题优化模型进行求解得到每组领导者最优解对应的多组跟随者最优解；确定决策主体、决策空间和效用函数，从而确定斯塔克伯格博弈模型；对斯塔克伯格博弈模型进行求解，得到博弈均衡时进攻方和防御方在决策空间内的一对博弈均衡解，以得到海上防空对抗场景中对抗双方博弈均衡时的一对进攻、防守方案。根据本发明提供的方法，能够模拟进攻双方的决策并不同时进行且总是根据另一方的策略而变化的真实场景，为实际场景中的决策提供漏洞更少、风险更小的分析依据。
-
公开(公告)号：CN118846525A
公开(公告)日：2024-10-29
申请号：CN202410803382.5
申请日：2024-06-20
Applicant: 西安电子科技大学 , 西安电子科技大学杭州研究院
Abstract: 本发明公开了一种基于双层优化和博弈分析的海上对抗防御策略优化方法，包括：构建海上对抗防御模拟场景；针对该场景以防御单位的来袭目标防御纵深之和以及防御区重叠面积之和为优化目标建立上层的多目标优化模型，求解得到针对防御单位位置的多个上层部署策略；针对该场景及多个上层部署策略，以最小化来袭目标对防御单位威胁为优化目标建立下层的防御区内来袭目标分配模型，求解得到表征防御单位和来袭目标攻击关系分配策略的多个下层部署策略；将上层、下层部署策略结合，基于防御方和攻击方的收益函数建立静态零和博弈模型；博弈分析求解得到混合策略纳什均衡解作为最终的海上对抗防御策略优化结果。本发明能贴近真实情况，提高防御效果。
-
公开(公告)号：CN117978889A
公开(公告)日：2024-05-03
申请号：CN202410132784.7
申请日：2024-01-30
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: H04L69/22 , G06F40/30 , G06F18/23213 , H04L47/2483
Abstract: 本发明提供了一种基于深度包检测的设备识别与工控协议理解方法及装置，通过对设备的流量进行预处理得到各种工控协议的载荷数据；对所述各种工控协议的载荷数据进行聚类，再使用局部序列对齐算法对所述不同类别的工控协议载荷进行字段划分，得到各工控协议载荷的应用层字段信息；对所述应用层字段信息进行语义解析得到语义解析后的字段信息；将语义解析后的字段信息进行数据清洗和特征选择得到特征集合组成设备的指纹序列；最后利用训练完成的分类器作分类。本发明通过灵活的协议聚类、精确的字段划分与语义解析、可靠的设备识别，大大提升了工业控制系统的网络监控和安全管理能力。
-
公开(公告)号：CN106023629B
公开(公告)日：2018-12-25
申请号：CN201610392869.4
申请日：2016-06-06
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G08G1/0968 , G01C21/34
Abstract: 本发明实施例提供一种路径推荐方法，所述方法包括：获取用户输入的目的地信息；根据获取周期获取所述用户当前周期初始时刻的位置信息；根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交通路网阻抗；根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路径。本发明可以根据未来T时刻的交通路网阻抗来为用户推荐未来T时刻的路径，进而有效的缓解了交通拥堵。
-
公开(公告)号：CN119945791A
公开(公告)日：2025-05-06
申请号：CN202510168768.8
申请日：2025-02-17
Applicant: 西安电子科技大学杭州研究院 , 西安电子科技大学
IPC: H04L9/40 , H04L41/16 , G06N3/0464
Abstract: 本发明属于网络安全技术领域，公开了一种基于深度学习的DDoS攻击检测方法，包括S1，数据预处理，对获取的网络流量数据流进行数据清洗、去噪和格式标准化等预处理操作，确保数据适用于后续处理；S2，特征选择，将经过预处理的网络数据流量传输至特征选择模块，使用选择性深度自编码器(Selective Deep Autoencoder)提取网络流量数据中的潜在攻击特征；S3，攻击检测，将提取的网络流量数据特征传输至DDoS攻击检测模块，使用CNN‑Self‑Attention模型检测网络流量数据是否为DDoS攻击流量并识别其攻击类型。本发明能够从复杂的网络流量数据中提取其重要表征，提高检测准确率，检测结果准确度高，适用于目前的DDoS攻击检测系统。
-
Patent Agency Ranking
公开(公告)号：CN106023629A
公开(公告)日：2016-10-12
申请号：CN201610392869.4
申请日：2016-06-06
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G08G1/0968 , G01C21/34
CPC classification number: G08G1/096833 , G01C21/3492
Abstract: 本发明实施例提供一种路径推荐方法，所述方法包括：获取用户输入的目的地信息；根据获取周期获取所述用户当前周期初始时刻的位置信息；根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交通路网阻抗；根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路径。本发明可以根据未来T时刻的交通路网阻抗来为用户推荐未来T时刻的路径，进而有效的缓解了交通拥堵。
-
公开(公告)号：CN119828460A
公开(公告)日：2025-04-15
申请号：CN202411892930.2
申请日：2024-12-20
Applicant: 西安电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种多智能体协同目标搜索的动态优化与实时决策方法及装置，包括：全局优化层构建全局模型，获取多智能体的初始的路径规划和初始的任务分配方案，发送至各个智能体；同时，全局优化层以第一预设频率更新全局模型；各个智能体根据初始的路径规划和初始的任务分配方案，结合实时感知数据，调整初始的路径规划，得到执行结果，并将执行结果发送至全局优化层；同时，各个智能体以第二预设频率更新执行结果；全局优化层根据各个智能体的执行结果，判断是否需要更新全局模型，如果需要，则更新全局模型，发送至各个智能体，如果不需要，保存各个智能体的执行结果；实时获取路径规划和任务分配方案。本发明能够提高任务执行效率和完成度。
-
公开(公告)号：CN117692198A
公开(公告)日：2024-03-12
申请号：CN202311694652.5
申请日：2023-12-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于知识图谱的互联网态势评估方法，包括：构建网络安全知识图谱本体；收集网络数据识别威胁情报信息清洗得到网络基本事件；提取告警信息与网络数据合并；确定各数据的知识类别；对不同知识类别数据构建知识图谱存储；对为网络攻击特征知识的数据得到各网络攻击特征的初始子图；对初始子图提取恶意事件特征得到第一批恶意事件，用其中各恶意事件从网络基本事件中挖掘第二批恶意事件；将所有恶意事件转为知识图谱子图存入网络攻击特征事件知识图谱；计算自定义时间窗口内两次恶意事件间的多维关联度以确定资产节点的初始风险权重；用Pagerank算法更新初始风险权重以显式表征网络态势；本发明能涵盖攻击各阶段，检测全面。
-
公开(公告)号：CN110634151B
公开(公告)日：2022-03-15
申请号：CN201910707376.9
申请日：2019-08-01
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06K9/62 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种单目标跟踪方法。所公开的方法包括：数据预处理；训练并获取深度神经网络模型得到初始跟踪网络模型；利用初始跟踪网络模型对目标进行跟踪并根据目标变化对模型进行在线实时更新确保跟踪路线的准确性。本发明可以实现对任意目标的跟踪，大大降低人工干预带来的效率低、误差大的问题，有效提高目标的跟踪效率。
-
公开(公告)号：CN112087420A
公开(公告)日：2020-12-15
申请号：CN202010728153.3
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种网络杀伤链检测方法、预测方法及系统，具体包括：(1)构建d维特征向量；(2)无监督特征选择算法将d维特征向量筛减为k维；(3)通过k维特征向量获取网络杀伤链攻击事件序列集合。在IDS告警日志数据进行杀伤链挖掘的真实场景中，针对无法提前知晓数据中所包含杀伤链数目的问题，本发明改进的谱聚类算法相比于其他的有监督学习方法不仅能够实现无监督学习，还能够自动识别聚类数目；(4)基于已经获得的网络杀伤链序列，采用马尔科夫理论与三种网络杀伤链变种模型进行预测分析；(5)基于理论分析，实现了杀伤链检测与预测系统。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.027 seconds)
