利用深度学习和弱信号分析检测新兴技术及其演变
本研究使用深度学习的方法,将电力系统的快照数据表示为二维图像进行处理,进行线路 N-1 安全性和小信号稳定性的评估,比传统方法快 255 倍以上,并可以正确确定危险点的准确度超过 99%。
Mar, 2019
本文介绍了一种基于深度神经网络和自回归时间序列模型的机器学习技术,利用公开 Web 资源的外部信号预测网络攻击,测试结果表明该方法在真实世界预测任务中显著提高了预测精确度,能够有效预防各种类型的网络攻击。
Jun, 2018
本研究探讨基于人工智能的网络威胁检测以保护我们的现代数字生态系统,主要关注评估基于机器学习的分类器和集成模型,用于异常恶意软件检测和网络入侵检测,并探讨如何将这些模型整合到网络安全、移动安全和物联网安全的环境中。讨论重点是在企业系统和 IT 基础设施中部署和整合 AI 增强的网络安全解决方案的挑战,以及克服这些挑战的选择。最后,本文提供了未来研究方向,以进一步增强我们现代数字产业、基础设施和生态系统的安全性和韧性。
Oct, 2023
本文提出了一种基于深度学习的新颖方法,通过动态认证 IoT 信号以检测网络攻击,并提出了在大规模 IoT 场景中,基于博弈理论框架来预测易受攻击的 IoT 设备,以提高云端的决策能力。通过模拟结果表明,本方法使得消息几乎以 100% 的可靠性从 IoT 设备传输。
Mar, 2018
智能电网越来越依赖于传感器和通信系统等先进技术来实现高效的能源生成、分配和消费,这使得它们成为了复杂网络攻击的目标。这项调查研究了最新的深度学习技术在智能电网主动网络安全方面的应用,并提供了基于深度学习的主动防御方法的综合分类和分析,以及与动态目标防御策略的交互作用,同时讨论了实际应用中的挑战和未来发展前景。
Jan, 2024
利用机器学习和数据挖掘技术增强网络安全,本文提出了一种新的技术,基于多个数据参数预测网络中即将发生的攻击,通过测试阶段的结果选择最佳模型,并提取可能导致攻击的事件类别。
Dec, 2023
研究机器人机械部件故障检测和诊断中的 Deep Scattering Spectrum(DSS) 方法,通过从输入信号中提取低方差特征,实现对简单和复杂分类问题的故障检测和诊断,分类准确率分别为 99.7% 和 88.1%。
Oct, 2022