買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉暨南大學(xué)申請(qǐng)的專利基于多目標(biāo)變長(zhǎng)CNN離散優(yōu)化的電力CPS入侵檢測(cè)系統(tǒng)及方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116015752B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211569035.8，技術(shù)領(lǐng)域涉及：H04L9/40；該發(fā)明授權(quán)基于多目標(biāo)變長(zhǎng)CNN離散優(yōu)化的電力CPS入侵檢測(cè)系統(tǒng)及方法是由曾國(guó)強(qiáng);黃家承;耿光剛;翁健;陸康迪;張宇設(shè)計(jì)研發(fā)完成，并于2022-12-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于多目標(biāo)變長(zhǎng)CNN離散優(yōu)化的電力CPS入侵檢測(cè)系統(tǒng)及方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了一種基于多目標(biāo)變長(zhǎng)CNN離散優(yōu)化的電力CPS入侵檢測(cè)系統(tǒng)及方法。將經(jīng)過(guò)預(yù)處理的電力信息物理系統(tǒng)歷史監(jiān)控?cái)?shù)據(jù)作為輸入數(shù)據(jù)集，對(duì)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型的卷積模塊數(shù)量、模型拓?fù)浣Y(jié)構(gòu)、每一個(gè)卷積模塊的架構(gòu)參數(shù)和批大小、學(xué)習(xí)率、優(yōu)化器類型、權(quán)重正則化等超參數(shù)進(jìn)行變長(zhǎng)離散編碼，將CNN模型在驗(yàn)證集上的指標(biāo)和模型浮點(diǎn)運(yùn)算次數(shù)作為優(yōu)化目標(biāo)，設(shè)計(jì)一種多目標(biāo)離散優(yōu)化方法對(duì)基于變長(zhǎng)卷積模塊的CNN模型架構(gòu)與參數(shù)進(jìn)行多目標(biāo)并行優(yōu)化，從而獲得兼顧模型性能和模型復(fù)雜度的Pareto最優(yōu)CNN模型。針對(duì)電力CPS實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)，在線部署最優(yōu)CNN模型，從而實(shí)現(xiàn)電力CPS的在線入侵檢測(cè)。本發(fā)明在保證模型高精度性能指標(biāo)的同時(shí)還降低了模型的復(fù)雜度。

本發(fā)明授權(quán)基于多目標(biāo)變長(zhǎng)CNN離散優(yōu)化的電力CPS入侵檢測(cè)系統(tǒng)及方法在權(quán)利要求書中公布了：1.一種基于多目標(biāo)變長(zhǎng)CNN離散優(yōu)化的電力CPS入侵檢測(cè)系統(tǒng)，其特征在于，該系統(tǒng)包括電力CPS入侵檢測(cè)的數(shù)據(jù)采集模塊、離線優(yōu)化訓(xùn)練模塊和在線檢測(cè)模塊； 所述電力CPS入侵檢測(cè)的數(shù)據(jù)采集模塊從電力CPS采集電力信息的歷史監(jiān)控?cái)?shù)據(jù)，解析數(shù)據(jù)獲取各傳感器的讀數(shù)信息并進(jìn)行基于標(biāo)準(zhǔn)分?jǐn)?shù)的標(biāo)準(zhǔn)化處理后，獲得離線訓(xùn)練數(shù)據(jù)集，將該離線訓(xùn)練數(shù)據(jù)集輸入到電力CPS入侵檢測(cè)離線優(yōu)化訓(xùn)練模塊；從電力CPS采集電力信息的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)，解析數(shù)據(jù)獲取各傳感器的讀數(shù)信息并進(jìn)行基于標(biāo)準(zhǔn)分?jǐn)?shù)的標(biāo)準(zhǔn)化處理后，得到在線檢測(cè)數(shù)據(jù)集，將該在線檢測(cè)數(shù)據(jù)集輸入到電力CPS入侵檢測(cè)在線檢測(cè)模塊； 所述電力CPS入侵檢測(cè)的離線優(yōu)化訓(xùn)練模塊基于多目標(biāo)變長(zhǎng)卷積神經(jīng)網(wǎng)絡(luò)并行離散優(yōu)化平臺(tái)，對(duì)構(gòu)建變長(zhǎng)CNN模型的卷積模塊數(shù)量、模型拓?fù)浣Y(jié)構(gòu)、每一個(gè)卷積模塊的架構(gòu)參數(shù)和批大小、學(xué)習(xí)率、優(yōu)化器類型、權(quán)重正則化超參數(shù)進(jìn)行離散編碼，將CNN模型在驗(yàn)證集上的1-F1評(píng)分指標(biāo)和模型浮點(diǎn)運(yùn)算次數(shù)作為優(yōu)化目標(biāo)，采用一種多目標(biāo)離散優(yōu)化方法對(duì)基于變長(zhǎng)卷積模塊的CNN模型架構(gòu)與參數(shù)進(jìn)行并行優(yōu)化，從而獲得兼顧模型性能和模型復(fù)雜度的帕累托Pareto最優(yōu)CNN模型的架構(gòu)和超參數(shù)信息，構(gòu)建出Pareto最優(yōu)CNN模型，進(jìn)行預(yù)訓(xùn)練，將預(yù)訓(xùn)練后的最優(yōu)CNN模型傳輸?shù)皆诰€檢測(cè)模塊；其中，設(shè)置基于多目標(biāo)變長(zhǎng)CNN并行離散優(yōu)化平臺(tái)的參數(shù)值，所述參數(shù)值包括變長(zhǎng)CNN模型架構(gòu)與超參數(shù)多目標(biāo)并行優(yōu)化的迭代優(yōu)化次數(shù)G、最優(yōu)外部存檔解集的最大規(guī)模ARmax、CNN模型卷積模塊個(gè)數(shù)下限CL、CNN模型卷積模塊個(gè)數(shù)上限CH、變長(zhǎng)CNN模型架構(gòu)與超參數(shù)多目標(biāo)并行優(yōu)化階段中離線訓(xùn)練的輪次TP1和測(cè)試階段離線訓(xùn)練的輪次TP2，初始化最優(yōu)外部存檔解集S Archive為空集； 所述電力CPS入侵檢測(cè)在線檢測(cè)模塊基于預(yù)訓(xùn)練后的最優(yōu)CNN模型，進(jìn)行最優(yōu)CNN模型的在線部署，若檢測(cè)到入侵樣本則產(chǎn)生報(bào)警信息并評(píng)估入侵檢測(cè)性能指標(biāo)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人暨南大學(xué)，其通訊地址為：510630 廣東省廣州市天河區(qū)黃埔大道西601號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。