基于GRU的无线传感器网络汇聚层流量异常检测方法

1

作者 杨静 《宁夏师范大学学报》 2025年第1期81-90,共10页

在无线传感器网络汇聚层流量分析过程中,通常运用简单的循环神经网络检测异常流量.然而,固有的遗忘性导致其只能记录短时依赖,使检测结果AUC值较低.因此,提出基于门循环单元网络的无线传感器网络汇聚层流量异常检测方法.应用分型滤波算... 在无线传感器网络汇聚层流量分析过程中,通常运用简单的循环神经网络检测异常流量.然而,固有的遗忘性导致其只能记录短时依赖,使检测结果AUC值较低.因此,提出基于门循环单元网络的无线传感器网络汇聚层流量异常检测方法.应用分型滤波算法对网络汇聚层流量数据进行平滑处理,得到增强后的流量数据序列;运用多级离散小波变换算法,将预处理后的数据分解为多个观察尺度下的子序列,深入提取多尺度特征信息;考虑正常状态下网络汇聚层流量变化趋势,计算流量异常检测动态阈值;引入多个门循环单元网络,构建网络汇聚层流量异常检测模型,将多尺度特征和动态阈值同步输入其中,获取最终异常检测分类结果.实验结果表明,新研究方法给出的流量异常检测结果AUC值达到0.94,验证了该方法优越的应用性能. 展开更多

关键词 门循环单元网络 无线传感器网络 半监督学习 流量 多尺度特征 异常检测

在线阅读 下载PDF 职称材料

基于GRU-BP算法的高精度动态物流称重系统 被引量：2

2

作者 康杰 《机电工程》 CAS 北大核心 2024年第6期1127-1134,共8页

针对动态物流秤测量精度对载重、采样频率、带速较为敏感的问题,提出了一种高精度动态物流称重系统。首先,采用三因素五水平正交试验法,结合皮尔逊相关性检验原则,使用低通巴特沃斯与卡尔曼滤波器对传感器压力信号进行了滤波降噪处理,... 针对动态物流秤测量精度对载重、采样频率、带速较为敏感的问题,提出了一种高精度动态物流称重系统。首先,采用三因素五水平正交试验法,结合皮尔逊相关性检验原则,使用低通巴特沃斯与卡尔曼滤波器对传感器压力信号进行了滤波降噪处理,并将加速度信号作为模型输入信号,进行了特征补偿;然后,基于深度学习算法,提出了一种改进的门控循环单元模型,在该模型采样区间内将压力与振动改写为时序化信号,并将其共同输入门控循环单元(GRU)模型;最后,对GRU模型进行了改进,对其结构输出了层堆叠误差反向传播神经网络(BP),有效加强了模型的非线性映射能力。研究结果表明:在各类传动速度及测试货物下,该模型的最大测量误差相对于同类型深度学习模型长短期记忆(LSTM)神经网络、循环神经网络(RNN)时序模型及传统数值平均模型的误差,依次降低了16.14%、27.14%、76%,可用于各类称重系统。 展开更多

关键词 深度学习 动态测量系统 门控循环单元 反向传播神经网络 振动补偿 长短期记忆神经网络 循环神经网络

在线阅读 下载PDF 职称材料

融合图神经网络、门控循环单元与注意力机制的分子性质预测方法 被引量：1

3

作者 随海燕 袁洪波 +3 位作者 周焕笛 赵欢 霍静倩 程曼 《河北农业大学学报》 CSCD 北大核心 2024年第6期40-46,61,共8页

分子性质预测在药物研发等领域具有广泛的应用,虽然目前已经开始尝试利用图神经网络等方法来进行分子性质预测,但是仍然存在着难以处理大规模分子图和信息传播的局限。针对这一问题,本文构建了一种融合图神经网络、门控循环单元和注意... 分子性质预测在药物研发等领域具有广泛的应用,虽然目前已经开始尝试利用图神经网络等方法来进行分子性质预测,但是仍然存在着难以处理大规模分子图和信息传播的局限。针对这一问题,本文构建了一种融合图神经网络、门控循环单元和注意力机制的网络模型(Gated recurrent unit-attention-convolutional graph neural networks,GAGCN)用于分子性质的预测。该模型通过图神经网络(Graph neural network,GNN)对分子图进行表示学习,利用节点之间的连接和信息传播来捕捉分子的结构特征;使用门控循环单元(Gated recurrent unit,GRU)对分子序列进行建模,从而捕捉分子序列中的时序信息,通过门控机制自适应地选择保留或丢弃序列中的信息。最后通过注意力机制自适应地学习不同特征之间的权重,将GNN和GRU进行融合,从而使模型可以充分利用分子的结构和序列信息,以提高分子性质预测的准确性。试验结果表明该模型对于LogP的预测精度MSE、MAE和R2分别达到了0.0010、0.0116和0.9993。本文提出的模型为新农药、新兽药的研发提供了技术支持和参考。 展开更多

关键词 药物研发 分子性质预测 图神经网络 门控循环单元 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制和CNN-GRU模型的脱硫系统pH值预测 被引量：5

4

作者 赵鹏飞 钱玉良 +1 位作者 金鑫 彭道刚 《水电能源科学》 北大核心 2024年第9期199-203,184,共6页

针对火电厂石灰石-石膏烟气湿法脱硫系统中所面临的浆液pH值测量不准确、时间长的问题,提出了一种基于注意力机制和CNN-GRU模型来预测吸收塔内浆液pH值。首先,对火电厂监测系统(SIS)数据库中的数据进行预处理,然后使用相关性分析来确定... 针对火电厂石灰石-石膏烟气湿法脱硫系统中所面临的浆液pH值测量不准确、时间长的问题,提出了一种基于注意力机制和CNN-GRU模型来预测吸收塔内浆液pH值。首先,对火电厂监测系统(SIS)数据库中的数据进行预处理,然后使用相关性分析来确定它们之间的关联性。接下来可使用注意力机制(ATT)来自适应分配与pH值相关联的输入数据的权重,并根据权重大小来区分强弱特征变量,以此来解决预测精度低和不准确的问题。其后利用卷积神经网络(CNN)来二次提取和降维这些特征数据,并对送入门控循环神经单元网络(GRU)中的数据进行优化,可大大加快神经网络训练进程,并且能够更准确地处理复杂的动态脱硫变化。对某电厂2×350 MW机组运行数据进行测试,并通过与其他主流算法对比得出所建pH值预测模型具备更高的精确度和稳定性。最后结合模型预测控制(MPC),验证了该模型的实用性。 展开更多

关键词 注意力机制 卷积神经网络 门控循环单元 浆液PH值 预测模型

原文传递

基于深度学习的入侵检测模型 被引量：11

5

作者 林硕 商富博 +2 位作者 高治军 单丹 尚文利 《控制工程》 CSCD 北大核心 2021年第9期1873-1878,共6页

针对网络流量数据具有空间和时间的双重特征,提出了一种基于深度学习的入侵检测模型。首先,通过二分支卷积神经网络提取网络流量数据的空间特征,利用其分支结构的特点使得不同的卷积层对同一个数据样本进行粗化提取和细化提取,既保留了... 针对网络流量数据具有空间和时间的双重特征,提出了一种基于深度学习的入侵检测模型。首先,通过二分支卷积神经网络提取网络流量数据的空间特征,利用其分支结构的特点使得不同的卷积层对同一个数据样本进行粗化提取和细化提取,既保留了数据的总体特征,又从低级特征中迭代提取出更复杂的特征;然后,利用门控循环单元网络顺序敏感性的优势,挖掘网络流量数据的时序特征;最后,使用KDDCUP99数据集对入侵检测模型进行训练、验证和测试。实验结果表明,与传统的基于机器学习的模型相比,该模型具有更高的检测准确率。 展开更多

关键词 深度学习 入侵检测 卷积神经网络 门限循环单元网络

原文传递

基于3D双流卷积神经网络和GRU网络的人体行为识别 被引量：7

6

作者 陈颖 来兴雪 +2 位作者 周志全 秦晓宏 池亚平 《计算机应用与软件》 北大核心 2020年第5期164-168,218,共6页

针对基于双流卷积神经网络的人体行为识别准确率不高,不能充分利用时间维度的信息问题,提出一种基于3D双流卷积和门控循环单元(GRU)网络的人体行为识别模型。将3D卷积神经网络引入到双流卷积神经网络中,在双流卷积神经网络的空间流和时... 针对基于双流卷积神经网络的人体行为识别准确率不高,不能充分利用时间维度的信息问题,提出一种基于3D双流卷积和门控循环单元(GRU)网络的人体行为识别模型。将3D卷积神经网络引入到双流卷积神经网络中,在双流卷积神经网络的空间流和时间流中分别使用3D卷积神经网络提取视频的时空信息;融合3D双流卷积神经网络提取到的时空特征,形成有时间顺序的时空特征流;将时空特征流输入到具有记忆信息能力的GRU网络中递归学习时间维度的长时序列特征并利用线性SVM分类器进行人体行为识别。在行为识别数据集UCF101上的实验结果表明,该模型充分地利用了视频的时间维度信息,识别率为92.2%,优于其他人体行为识别算法。 展开更多

关键词 人体行为识别 3D卷积神经网络 双流卷积神经网络 门控循环单元

在线阅读 下载PDF 职称材料

融合深度BiGRU与全局图卷积的方面级情感分析模型 被引量：4

7

作者 杨春霞 徐奔 +1 位作者 陈启岗 桂强 《小型微型计算机系统》 CSCD 北大核心 2023年第1期132-139,共8页

现有基于深度学习的方面级情感分析模型需要考虑如何提取深层次的语义信息,其次通过依存树提取句法结构时可能存在信息丢失与数据稀疏问题.针对以上问题,本文提出了基于深度双向门控循环单元与全局双向图卷积网络的神经网络模型(DBG-GBG... 现有基于深度学习的方面级情感分析模型需要考虑如何提取深层次的语义信息,其次通过依存树提取句法结构时可能存在信息丢失与数据稀疏问题.针对以上问题,本文提出了基于深度双向门控循环单元与全局双向图卷积网络的神经网络模型(DBG-GBGCN).该模型通过深度双向门控循环单元捕获深层次的语义特征,得到上下文的隐层表示.然后将依存树的邻接矩阵转变为带有全局句法信息的全局矩阵,将此矩阵与上下文的隐层表示一起输入至双向图卷积网络进行特征融合,最后经过掩码层和注意力层得到一个包含深层语义特征与句法结构信息结合的分类特征.实验结果证明,该模型在5个公开数据集上的准确率与F1值均比对比模型有着一定的提升. 展开更多

关键词 方面级情感分析 全局矩阵 深度双向门控循环单元 双向图卷积网络 特征融合

在线阅读 下载PDF 职称材料

PCC-BiLSTM-GRU-Attention组合模型预测方法 被引量：7

8

作者 高凯悦 牟莉 张英博 《计算机系统应用》 2022年第7期365-371,共7页

传统预测模型在处理多元时间序列时,常常难以捕捉其非线性动力系统的复杂变化规律导致预测精度较低.针对此问题,本文将PCC-BiLSTM-GRU-Attention组合模型的预测方法进行了探讨和验证.该方法首先使用Pearson相关系数(PCC)进行相关性检验... 传统预测模型在处理多元时间序列时,常常难以捕捉其非线性动力系统的复杂变化规律导致预测精度较低.针对此问题,本文将PCC-BiLSTM-GRU-Attention组合模型的预测方法进行了探讨和验证.该方法首先使用Pearson相关系数(PCC)进行相关性检验并删除无关特征,实现了对多元数据的降维选优.其次使用双向长短期记忆神经网络(BiLSTM)双向提取时序特征.最后使用GRU神经网络融合注意力机制(Attention),进一步学习双向时序特征的变化规律,精准捕捉关键时刻的信息.为了验证该方法在多元时间序列中的可行性,本文以股票价格预测作为实验场景,并与BP模型、LSTM模型、GRU模型、BiLSTM-GRU模型、BiLSTM-GRU-Attention模型进行对比.验证结果表明:本文探讨的PCC-BiLSTM-GRU-Attention组合模型的预测方法相比其他模型具有较高的预测精度,其平均绝对百分比误差(MAPE)达到了2.484%,决定系数达到了0.966. 展开更多

关键词 相关系数 双向长短期记忆神经网络 门控循环单元网络 注意力机制 多元时间序列 深度学习

在线阅读 下载PDF 职称材料

改进编码-解码框架下的跨站脚本检测 被引量：3

9

作者 程琪芩 万良 《计算机工程与设计》 北大核心 2021年第1期44-50,共7页

为解决传统机器学习方法特征提取工作艰难导致对跨站脚本检测性能有限的问题,提出应用注意力机制改进编码-解码框架的方法并以此建立模型检测跨站脚本。由卷积神经网络和双向门控循环单元网络并行构成编码器,既考虑输入数据上下文信息,... 为解决传统机器学习方法特征提取工作艰难导致对跨站脚本检测性能有限的问题,提出应用注意力机制改进编码-解码框架的方法并以此建立模型检测跨站脚本。由卷积神经网络和双向门控循环单元网络并行构成编码器,既考虑输入数据上下文信息,又充分提取有效特征;使用注意力机制解决传统编码-解码框架的“分心问题”;使用门控循环单元网络构成解码器,使用分类器进行分类检测。在收集到的数据集上进行仿真实验,验证了模型的有效性和性能优势。 展开更多

关键词 跨站脚本 编码-解码框架 卷积神经网络 门控循环单元网络 注意力机制

在线阅读 下载PDF 职称材料

NHRec:一种基于长短期兴趣的神经混合推荐模型 被引量：4

10

作者 孙金杨 刘柏嵩 +1 位作者 任豪 黄伟明 《小型微型计算机系统》 CSCD 北大核心 2020年第11期2298-2302,共5页

用户建模是推荐系统中的一项基本任务,传统的方法使用协同过滤(CF)建模用户的潜在兴趣,但用户的兴趣往往是复杂多样且会随时间而变化,单一的模型无法准确建模用户的兴趣特征,针对此问题,本文提出一种新的自适应融合用户长短期兴趣的混... 用户建模是推荐系统中的一项基本任务,传统的方法使用协同过滤(CF)建模用户的潜在兴趣,但用户的兴趣往往是复杂多样且会随时间而变化,单一的模型无法准确建模用户的兴趣特征,针对此问题,本文提出一种新的自适应融合用户长短期兴趣的混合推荐模型(NHRec).该模型根据用户的历史信息,利用融合注意力机制的门控循环单元(GRU)建模用户的短期兴趣,兼顾时序信息和内容上的相关性,同时采用卷积神经网络(CNN)对用户的全局信息进行提取得到用户长期兴趣,并使用基于时间间隔信息的自适应方式融合两类兴趣进行推荐计算.实验结果表明,提出的推荐算法NHRec相较于目前比较流行的推荐算法表现出更为优越的推荐性能. 展开更多

关键词 推荐系统 长短期兴趣 门控循环单元 卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

卷积门控循环残差网络在轴承故障诊断中的研究 被引量：1

11

作者 陈国俊 苏燕辰 +2 位作者 寇皓为 邓越 李恒奎 《中国测试》 CAS 北大核心 2023年第9期46-50,共5页

针对滚动轴承故障特征较难提取及许多深度学习方法因模型简单而导致准确率偏低的问题,提出一种基于残差网络的门控循环网络(GRU),该算法可以减少时序信息的丢失及解决由于网络较深而出现性能下降的问题。该模型包含2个卷积层、2个GRU层... 针对滚动轴承故障特征较难提取及许多深度学习方法因模型简单而导致准确率偏低的问题,提出一种基于残差网络的门控循环网络(GRU),该算法可以减少时序信息的丢失及解决由于网络较深而出现性能下降的问题。该模型包含2个卷积层、2个GRU层、1个残差块以及1个输出层,其先利用具有强大特征提取能力的卷积神经网络(CNN)提取轴承振动信号中的信息,然后将提取到的信息输入GRU中以保证时序信息不丢失,再通过残差模块解决神经网络深度较深问题,最后通过输出层输出结果。结果表明:该方法可以一次性诊断多种轴承的不同位置及不同尺寸的故障,且对比其他深度学习网络,该算法具有更高的准确性。 展开更多

关键词 故障诊断 卷积神经网络 门控循环单元 残差神经网络

在线阅读 下载PDF 职称材料

融合GRU和注意力机制的图卷积关系抽取 被引量：2

12

作者 杜琰 孙弋 《计算机与数字工程》 2023年第11期2568-2572,2601,共6页

实体关系抽取在自然语言处理中十分重要,针对图卷积网络中特征提取不准确,循环神经网络梯度模糊等问题,提出了一种融合门控循环单元(GRU)和注意力机制的图卷积关系抽取模型。通过加入双向GRU对输入的上下文信息进行处理,获得更为细致的... 实体关系抽取在自然语言处理中十分重要,针对图卷积网络中特征提取不准确,循环神经网络梯度模糊等问题,提出了一种融合门控循环单元(GRU)和注意力机制的图卷积关系抽取模型。通过加入双向GRU对输入的上下文信息进行处理,获得更为细致的特征以此对长期依赖信息进行学习,并进一步利用多头注意力机制对不同类型的边与节点进行权重分配,过滤多余信息,增强节点间的关联性,最后利用图卷积得到最终的关系抽取结果。针对SemEval-2010Task8和SemEval-2010Task4数据集中对其进行测试,实验表明该方法提高了其F1值,能够实现关系的有效提取。 展开更多

关键词 关系抽取 门控循环单元 注意力机制 图卷积网络

在线阅读 下载PDF 职称材料

基于元胞自动机技术的农村中长期负荷预测方法 被引量：1

13

作者 熊宁 肖异瑶 +2 位作者 姚志刚 钟士元 舒娇 《电测与仪表》 北大核心 2023年第4期106-112,共7页

针对农村用电负荷分布不均、多样性强,难以准确预测的问题,在考虑农村发展规划、经济、人口等影响负荷变化因素的基础上,提出了一种基于元胞自动机技术的农村中长期负荷预测方法。根据农村用电用途和特点,对农村负荷进行分类;按照台区... 针对农村用电负荷分布不均、多样性强,难以准确预测的问题,在考虑农村发展规划、经济、人口等影响负荷变化因素的基础上,提出了一种基于元胞自动机技术的农村中长期负荷预测方法。根据农村用电用途和特点,对农村负荷进行分类;按照台区供电范围内地块利用性质以及地块上负荷分布特点,定义了农村地块功能,利用最小二乘法得到不同功能地块的历史负荷密度曲线;在此基础上,结合农村发展规划、经济及自然条件等引起农村负荷密度和地块功能变化的影响因素,利用历史数据训练门控循环单元负荷密度模型,并利用元胞自动机技术预测地块变化信息;根据地块变化信息和历史负荷密度曲线,利用门控循环单元网络模型预测负荷密度,进而得到农村中长期负荷的预测结果;以某农村为例,验证了所提策略的可行性和有效性。 展开更多

关键词 农村用电负荷 中长期 负荷预测 元胞自动机技术 门控循环单元网络模型

在线阅读 下载PDF 职称材料

基于门控循环神经网络的阀门泄漏检测方法 被引量：5

14

作者 余吉超 姚燕 欧阳航 《中国计量大学学报》 2021年第2期161-169,共9页

目的:针对阀门常见的泄漏故障,研究一种阀门泄漏故障检测方法。方法:采用声发射技术与深度学习相结合的方法,通过声发射技术对阀门内漏信号进行了采集,搭建了以门控循环神经网络(GRU)为核心的阀门内漏诊断模型。该方法针对阀门内漏的特... 目的:针对阀门常见的泄漏故障,研究一种阀门泄漏故障检测方法。方法:采用声发射技术与深度学习相结合的方法,通过声发射技术对阀门内漏信号进行了采集,搭建了以门控循环神经网络(GRU)为核心的阀门内漏诊断模型。该方法针对阀门内漏的特点,发挥了声发射技术在无损检测领域上的优越性,并利用GRU捕捉所采集声发射数据的长期依赖性,最终改善了传统循环神经网络的梯度弥散的问题。结果:经过实验和数据分析,提出了基于声发射技术和门控循环神经网络的故障检测方法,从而提升了阀门内漏故障识别的准确率。结论:本方法利用重构的去噪数据进行处理来提高模型效果,并充分发挥GRU在时间序列预测上的优势,最后提升了对阀门微小泄漏检测的精度。 展开更多

关键词 计量 阀门泄漏 门控循环神经网络 声发射 故障诊断

在线阅读 下载PDF 职称材料

基于GRU神经网络的电力负荷预测 被引量：7

15

作者 王悦如 王盛宇 《电工技术》 2022年第10期123-125,129,共4页

针对人工提取电力负荷特征困难,传统电力负荷预测方法预测时间序列效果较差等问题,提出了利用门控循环单元(Gated Recurrent Unit, GRU)神经网络预测电力负荷的方法。利用Python编程语言在TensorFlow框架下搭建GRU神经网络,利用第九届... 针对人工提取电力负荷特征困难,传统电力负荷预测方法预测时间序列效果较差等问题,提出了利用门控循环单元(Gated Recurrent Unit, GRU)神经网络预测电力负荷的方法。利用Python编程语言在TensorFlow框架下搭建GRU神经网络,利用第九届电工大赛电力负荷数据集,将清洗好的数据输入搭建的神经网络进行训练。对比GRU神经网络模型和循环神经网络(Recurrent Neural Network, RNN)模型,得出GRU神经网络模型的效果优于RNN神经网络模型的结论。 展开更多

关键词 数据预处理 神经网络 负荷预测 门控循环单元神经网络

在线阅读 下载PDF 职称材料

一种基于车辆轨迹数据的深度学习异常检测方法

16

作者 刘宇航 王磊 +2 位作者 赵晓永 卢华明 韩德斌 《计算机应用文摘》 2023年第19期124-127,共4页

随着定位技术和基础设施的不断发展,车辆轨迹数据的采集变得更加容易,进而为异常轨迹的准确检测提供了更多的数据资源,成为轨迹数据挖掘中的重要研究方向之一。文章提出了一种基于深度学习的异常车辆轨迹检测方法,通过结合VAE,GRU和WGAN... 随着定位技术和基础设施的不断发展,车辆轨迹数据的采集变得更加容易,进而为异常轨迹的准确检测提供了更多的数据资源,成为轨迹数据挖掘中的重要研究方向之一。文章提出了一种基于深度学习的异常车辆轨迹检测方法,通过结合VAE,GRU和WGAN,实现了特征提取和轨迹异常检测的任务,同时构建了基于VAE结构的GRU特征学习模型,学习初始数据的近似分布,创新性地提出GRUWGAN模型,可实现轨迹数据异常特征提取,并对真实数据进行异常检测。实验结果表明,GRUWGAN模型在准确率、召回率和F1指标上均优于传统算法,可以有效地应用于车辆轨迹数据的特征提取和异常检测任务中。 展开更多

关键词 车辆轨迹 生成对抗网络 门控循环单元 异常检测

在线阅读 下载PDF 职称材料

面向直驱风力发电系统的控制算法优化设计 被引量：2

17

作者 万抒策 苏人奇 钱韫辉 《自动化与仪表》 2023年第9期46-50,共5页

针对直驱风力发电机组的功率输出不稳定、频率波动超出安全范围问题,该文提出了一种基于深度学习网络预测控制的直驱风力发电系统控制策略。以直驱风力发电系统的频率误差和输出功率为优化目标函数,并将系统的频率变化及风力发电机的转... 针对直驱风力发电机组的功率输出不稳定、频率波动超出安全范围问题,该文提出了一种基于深度学习网络预测控制的直驱风力发电系统控制策略。以直驱风力发电系统的频率误差和输出功率为优化目标函数,并将系统的频率变化及风力发电机的转矩限制作为约束条件,利用时间卷积神经网络(TCN)与门控循环单元(GRU)构建预测模型。可行性验证结果表明,在低风速及高风速下有功功率输出的标准差分别为0.04 MW及0.05 MW,轴转矩标准差分别为0.01 MNm与0.05 MNm,推力标准差分别为0.04 MN和0.05 MN,证明了该策略可有效降低直驱风力发电系统输出功率的频率波动。 展开更多

关键词 直驱风力发电系统 风电场 时间卷积神经网络 门控循环单元 优化目标函数 模型预测控制

在线阅读 下载PDF 职称材料

舰船通信系统5G网络多维度安全状态感知技术 被引量：1

18

作者 黄福全 王廷凰 +1 位作者 刘子俊 缪秋滚 《舰船科学技术》 北大核心 2023年第22期186-189,共4页

为了解决单一信息源带来的网络安全状态感知误差高的问题,研究舰船通信系统5G网络多维度安全状态感知技术。构建舰船通信系统5G网络多维度安全状态感知框架,通过多源网络安全状态信息采集单元获取5G网络安全状态信息,融合处理单元利用... 为了解决单一信息源带来的网络安全状态感知误差高的问题,研究舰船通信系统5G网络多维度安全状态感知技术。构建舰船通信系统5G网络多维度安全状态感知框架,通过多源网络安全状态信息采集单元获取5G网络安全状态信息,融合处理单元利用层次量化评估方法对其作标准化等处理后,获得5G网络安全态势样本数据集,将其作为基于Att-GRU的5G网络安全状态感知模型的输入,利用鲸鱼优化算法实现模型参数的寻优,输出为5G网络安全态势预测结果,依据预测结果与实际结果的差值计算5G网络健康度,通过还原单元对预测结果作累减反归处理,获得5G网络安全态势值,并与设置阈值作对比,实现舰船通信系统5G网络的多维度安全状态感知。实验结果表明:该技术可实现5G网络安全状态感知,神经元个数为35、批处理规模为1.2时,5G网络安全状态感知模型性能最优;5G网络安全态势预测的平均适应度与最优适应度相贴近。 展开更多

关键词 舰船通信系统 5G网络 状态感知 门控循环单元 鲸鱼优化算法 安全态势

在线阅读 下载PDF 职称材料