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！

龙图腾网恭喜齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利面向智能电网隐蔽性攻击的时序预测强化学习检测方法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：CN118886003B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411355197.0，技术领域涉及：G06F21/55；该发明授权面向智能电网隐蔽性攻击的时序预测强化学习检测方法是由王鑫;张俊涛;杨明;吴晓明;吴法宗;刘臣胜;穆超;陈振娅;贺云鹏设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本面向智能电网隐蔽性攻击的时序预测强化学习检测方法在说明书摘要公布了：本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。

本发明授权面向智能电网隐蔽性攻击的时序预测强化学习检测方法在权利要求书中公布了：1.面向智能电网隐蔽性攻击的时序预测强化学习检测方法，其特征在于，所述方法包括：S1、对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；S2、将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计，判断是否存在攻击；所述长短期记忆网络包含以下六层结构：第一层为序列输入层：将预处理后数据中的仪器测量值作为输入数据转换为序列格式，并将其传递给下一层进行处理，输入序列的特征维度等同于测量值的维度；第二层为长短期记忆网络层：通过学习输入序列中的时序模式和依赖关系来进行建模，并通过反向传播算法调整长短期记忆网络模型参数以最小化预测与实际值之间的误差；第三层为随机失活层：忽略预定数量的特征检测器：在前向传播的时候，让神经元的激活值以预设的节点保留概率停止工作；第四层和第五层为全连接层：将长短期记忆网络层处理完成的序列映射到样本标记空间，最后输出预测结果的维度为状态值的维度；第六层为回归输出层：将预测结果即长短期记忆网络的输出与预处理后数据中的电网实际值进行比较，并计算出损失值，其中损失值用于在反向传播问题中更新网络的权重和偏差；S3、将利用估计的电网状态判断是否存在攻击的问题建模为部分可观测马尔可夫决策问题；S4、基于强化学习解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。