Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安热工研究院有限公司;华能集团技术创新中心有限公司王艺杰获国家专利权

西安热工研究院有限公司;华能集团技术创新中心有限公司王艺杰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西安热工研究院有限公司;华能集团技术创新中心有限公司申请的专利基于电力系统网络安全数据的可视化报表生成方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115293118B

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210929062.5,技术领域涉及:G06F40/18;该发明授权基于电力系统网络安全数据的可视化报表生成方法及系统是由王艺杰;杨东;王文庆;曾荣汉;朱召鹏;崔逸群;邓楠轶;董夏昕;朱博迪;刘超飞;毕玉冰;崔鑫;刘迪;肖力炀;刘骁;介银娟设计研发完成,并于2022-08-03向国家知识产权局提交的专利申请。

基于电力系统网络安全数据的可视化报表生成方法及系统在说明书摘要公布了:本发明公开了一种基于电力系统网络安全数据的可视化报表生成方法及系统,从数据源中获取电力系统网络安全数据;预处理所述的原始电力系统网络安全数据;将预处理后的电力系统网络安全数据导入训练好的深度学习模型;挖掘数据特征,确定数据类型;确定与所述数据特征对应的图表类型,通过选择的图表类型展示所述数据;建立可视化报表模板,将已关联网络安全数据的图表导入可视化报表模板中,形成完整的电力系统网络安全数据可视化报表。本发明有效挖掘了电力系统网络安全数据的特征,提高了识别数据类型的准确率。

本发明授权基于电力系统网络安全数据的可视化报表生成方法及系统在权利要求书中公布了:1.基于电力系统网络安全数据的可视化报表生成方法,其特征在于,包括以下步骤: 从数据源中获取原始电力系统网络安全数据; 预处理所述的原始电力系统网络安全数据; 将预处理后的电力系统网络安全数据导入训练好的深度学习模型,所述深度学习模型采用改进的知识蒸馏模型,所述改进的知识蒸馏模型采用两个神经网络同时进行训练,每个神经网络在训练的过程中不仅接受来自真值标记的监督,还参考同伴网络的学习经验来进一步提升泛化能力; 所述的改进的知识蒸馏模型中每个网络在学习过程中有两个损失函数,一个是监督损失函数,采用交叉熵损失来度量网络预测的目标类别与真实标签之间的差异,表示如下: 其中,L1表示第一个神经网络的监督损失函数,L2表示第二个神经网络的监督损失函数,xi表示第i个电力系统网络安全数据,M表示数据样本的类别总数,m表示数据样本的第m类,N表示数据样本总的数量,p1 mxi表示改进的知识蒸馏模型中第一个网络预测数据xi属于m类的概率,p2 mxi表示改进的知识蒸馏模型中第二个网络预测的数据xi属于m类的概率,yi表示对第i个电力系统网络安全数据的预测标签值,Iyi,m是指示函数,当yi=m时,则Iyi,m=1,而yi≠m时,则Iyi,m=0; 另一个是网络间的交互损失函数,采用KL散度来度量两个网络预测概率分布之间的差异,表示如下: 其中,p1表示改进的蒸馏模型中第一个网络对数据类别预测的概率,p2表示改进的知识蒸馏模型中第二个网络对数据类别预测的概率,DKLp2||p1与DKLp1||p2表示两个网络预测概率分布之间的KL散度; 总的损失函数为 其中,α和β是总的损失函数中的两个调节因子,控制两个监督损失函数的权重; 利用深度学习模型挖掘数据特征,通过挖掘数据的各种特征确定数据的类型,具体为:通过改进的知识蒸馏模型挖掘电力系统网络安全数据的各种特征;确定网络告警、威胁、异常、安全资产的数据类型;所述各种特征包括TCP连接基本特征、TCP连接的内容特征、基于时间的网络流量统计特征以及基于主机的网络流量统计特征; 确定与所述数据特征对应的图表类型,通过选择的图表类型展示所述网络安全数据; 建立可视化报表模板,将已关联网络安全数据的图表导入可视化报表模板中,形成完整的电力系统网络安全数据可视化报表。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安热工研究院有限公司;华能集团技术创新中心有限公司,其通讯地址为:710048 陕西省西安市碑林区兴庆路136号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。