专利战略分析系统的设计与实现

分析了目前专利分析工作的不足,介绍了专利分析的理论基础PM,以及专利战略分析系统的系统框架、总体功能设计、数据库设计、流程设计和实现技术。

一种FOA-ELM风速预测技术优化与仿真试验

为提高极限学习机的短期风速预测精度,提出一种果蝇算法优化ELM的风电场短期风速预测模型。在保证ELM预测误差最小的情况下,运用FOA算法对ELM模型的初始权值和隐含层偏置进行自适应选择,实现风电场短期风速的高精度预测。选择EUNITE数据集为算例分析对象,与ELM、DE-ELM、GA-ELM和PSO-ELM相比,FOA-ELM具有更高的预测精度和更少的寻优时间,为风电场短期风速预测提供了新的方法和研究方向。

SVM-KNN组合改进算法在专利文本分类中的应用

提出了基于支持向量机的专利文本分类器的总体设计方案和实现方法;提出并分析了该分类器的改进算法SVM-KNN组合改进算法。文章对两种算法进行了大量的实验并对实验结果进行比较分析,在此基础上得出了三个结论。

面向发电集团的网络安全态势智能感知系统设计

网络安全态势高精度、全面感知的研究,对优化发电集团电力信息系统网络安全性、应急响应能力存在重要价值,为此,设计一种面向发电集团的网络安全态势智能感知系统。系统通过事件采集单元,采集电力信息系统网络信息,并将此信息汇入事件采集服务器进行预处理后,传输至管理控制单元通过基于布谷鸟搜索优化BP神经网络的网络安全态势感知方法,实现网络安全态势智能感知,且工作人员可使用系统管理控制台对发电集团的网络安全态势实现远程智能监控。实验测试结果表明:该系统使用时,需要将发现概率设成0.15、布谷鸟种群规模设成55只,此时系统感知能力最显著;不同入侵模式下,系统对网络安全态势漏检比率仅有1%,可高精度、全面感知网络安全态势。

基于告警流的安全事件挖掘引擎设计

越来越多的攻击事件以发电厂为目标,这些攻击不仅造成了重大经济损失,还加剧了社会的不稳定性。为实现某能源集团有限公司的网络安全态势感知目标,文章提出企业级网络安全态势感知系统,系统的核心是安全事件挖掘引擎,该引擎通过关联告警信息和资产信息识别错误告警。基于属性相似度,该引擎利用超告警发现算法压缩冗余告警;基于时间间隔、告警源网段、告警类型等属性量化超告警,该引擎利用事件挖掘算法从上述有效的、无冗余的告警中关联出安全事件。实验结果表明,提出的企业级网络安全态势感知系统可关联分析多种日志和告警,能以较高的准确性(平均96.7%)发现攻击事件。

网络安全态势感知系统关键技术研究

本文以网络安全态势感知系统为主要研究对象,以系统结构为依据,探讨网络安全态势感知模型、评估方法与预测方法等关键技术,以确保对网络安全状况予以预先发现与判别,尽可能降低网络安全事件发生率,减少系统安全风险系数。