CN108900538B - 一种工控信号检测方法和装置 - Google Patents
一种工控信号检测方法和装置 Download PDFInfo
- Publication number
- CN108900538B CN108900538B CN201810901748.7A CN201810901748A CN108900538B CN 108900538 B CN108900538 B CN 108900538B CN 201810901748 A CN201810901748 A CN 201810901748A CN 108900538 B CN108900538 B CN 108900538B
- Authority
- CN
- China
- Prior art keywords
- industrial control
- classification
- characteristic
- control signal
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
Abstract
一种工控信号检测方法,包括:S1、采集工控设备的工控信号的分类数据;S2、提取所述分类数据的分类特征并计算特征阈值范围;S3、基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常。本发明还涉及一种工控信号检测系统以及计算机可读存储介质。实施本发明的工控信号检测方法、系统以及计算机可读存储介质,能在设备信号层面识别出其功能分类,异常行为等信息,能在工控安全方面在最基本的信号层面提供安全保障。
Description
技术领域
本发明涉及信号检测领域,更具体地说,涉及一种工控信号检测方法和装置。
背景技术
随着对工控安全的要求越来越高,现有的工控安全检测都实现在网络协议检测层面,无论在网络协议层面构建何种程度的保护,都无法避免各种层出不穷的网络攻击手段的侵入。工控设备物理信号层无疑是最根本的检测基础,建立在信号层的检测手段是更为可靠的一种检测方法。然而工控信号不能像数字层面这样做绝对匹配,因此无法通过绝对匹配进行检测。因此,缺少一种能够在工控设备的信号层面进行安全检测的工控信号检测方法。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种可以对工控设备进行工控信号层面的安全检测的工控信号检测方法。
本发明解决其技术问题所采用的技术方案是:构造一种工控信号检测方法,包括:
S1、采集工控设备的工控信号的分类数据;
S2、提取所述分类数据的分类特征并计算特征阈值范围;
S3、基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常。
在本发明所述的工控信号检测方法中,所述步骤S1进一步包括:
S11、获取所述工控设备的所述工控信号的分类指令信号;
S12、基于所述分类指令信号获取所述分类数据。
在本发明所述的工控信号检测方法中,所述步骤S11进一步包括:
S111、选定将要被检测的工控设备并选定所述将要被检测的工控设备的指令分类方案;
S112、基于所述指令分类方案通过打标签的方式对所述工控设备的所述工控信号进行分类以获得分类指令信号。
在本发明所述的工控信号检测方法中,所述步骤S12进一步包括:
S121、激励所述分类指令信号并基于触发-中止录波所述分类指令信号对应的标注标签的所述分类数据;
S122、通过回放所述分类指令信号验证所述分类指令信号的指令功能。
在本发明所述的工控信号检测方法中,所述步骤S2进一步包括:
S21、基于所述分类指令信号的特征字节获取所述分类数据的特征点;
S22、将所述特征点按照所述特征字节进行排序成行;
S23、基于排序顺序以及选定的参考信号计算相关系数,并基于所述特征点的行数和所述相关系数获得所述特征阈值范围。
在本发明所述的工控信号检测方法中,所述步骤S21进一步包括:
S211、对所述分类数据的波形进行归一化处理;
S212、基于所述分类指令信号的特征字节选择一组分类数据做方差图;
S213、基于所述方差图获取符合所述特征字节的所述分类数据的波形范围;
S214、选取位于所述波形范围内的所述分类数据的特征点。
在本发明所述的工控信号检测方法中,所述步骤S23进一步包括:
S231、选定所述分类数据的参考信号;
S232、基于排序顺序以及选定的参考信号计算相关系数;
S233、获得横坐标为所述特征点的行数,纵坐标为所述相关系数的特征图以确定获得所述特征阈值范围。
在本发明所述的工控信号检测方法中,所述步骤S3进一步包括:
S31、基于触发-中止获取实时工控信号;
S32、计算所述实时工控信号的实时信号特征点;
S33、判断所述实时信号特征点是否落入各个分类特征的所述特征阈值范围,如果是则判定所述工控信号正常,否则判定所述工控信号异常。
本发明解决其技术问题采用的另一技术方案是,构造一种工控信号检测系统,包括:待检测设备以及与所述待检测设备通信连接的信号检测设备,其中所述信号检测设备包括:
分类数据采集模块,用于采集工控设备的工控信号的分类数据;
特征阈值计算模块,用于提取所述分类数据的分类特征并计算特征阈值范围;
检测判定模块,用于基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常。
本发明解决其技术问题采用的另一技术方案是,构造一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的工控信号检测方法。
实施本发明的工控信号检测方法、系统以及计算机可读存储介质,能在设备信号层面识别出其功能分类,异常行为等信息,能在工控安全方面在最基本的信号层面提供安全保障。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明的工控信号检测方法的第一实施例的流程图;
图2是本发明的工控信号检测方法的第二实施例的流程图;
图3是本发明的分类指令信号的示意图;
图4是本发明的工控信号检测方法的特征阈值范围计算的优选实施例的流程图;
图5是本发明的工控信号检测系统的原理框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明涉及一种工控信号检测方法,包括:S1、采集工控设备的工控信号的分类数据;S2、提取所述分类数据的分类特征并计算特征阈值范围;S3、基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常。本发明的工控信号检测方法,能在设备信号层面识别出其功能分类,异常行为等信息,能在工控安全方面在最基本的信号层面提供安全保障。
图1是本发明的工控信号检测方法的第一实施例的流程图。如图1所示,在步骤S1中,采集工控设备的工控信号的分类数据。在本发明的一个优选实施例中,可以先获取所述工控设备的所述工控信号的指令信号,然后通过打标签的方式对指令信号进行分类,从而获得分类指令信号,然后通过所述分类指令信号获取所述分类数据。例如,可以通过执行分类指令信号,然后录波获得所述分类数据。
在步骤S2中,提取所述分类数据的分类特征并计算特征阈值范围。在本发明的一个优选实施例中,可以基于所述分类指令信号的特征字节获取所述分类数据的特征点,然后将所述特征点按照所述特征字节进行排序成行;最后基于排序顺序以及选定的参考信号计算相关系数,并基于所述特征点的行数和所述相关系数获得所述特征阈值范围。
在步骤S3中,基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常。在本发明的一个优选实施例中,可以通过设定信号的触发和终止触发条件将采集到的实时的工控信号分帧,然后通过实时提取实时的工控信号中的特征与步骤S2中产生的分类特征以及所述特征阈值范围进行比较,要么将其识别为满足某个分类特征的特征阈值,因此属于分类方案之一的信号,要么识别为异常信号,这样可以对该工控设备的所有功能和非功能信号进行有效识别检测。
实施本发明的工控信号检测方法,能在设备信号层面识别出其功能分类,异常行为等信息,能在工控安全方面在最基本的信号层面提供安全保障。
图2是本发明的工控信号检测方法的第二实施例的流程图。如图2所示,在步骤S1中,获取所述工控设备的所述工控信号的分类指令信号。在本发明的优选实施例中,所述步骤S1进一步包括选定将要被检测的工控设备并选定所述将要被检测的工控设备的指令分类方案;然后基于所述指令分类方案通过打标签的方式对所述工控设备的所述工控信号的指令信号进行分类以获得分类指令信号。图3是本发明的分类指令信号的示意图。本领域技术人员知悉,任何一台组成系统的工控设备都有对其对外输入输出功能的说明,基于此说明可以列出该设备的数字协议的功能分类方案,从而通过打标签的方式对所述工控设备的所述工控信号的指令信号进行分类以获得分类指令信号。
在步骤S2中,基于所述分类指令信号获取所述分类数据。在本发明的优选实施例中,所述步骤S2进一步包括激励所述分类指令信号并基于触发-中止录波所述分类指令信号对应的标注标签的所述分类数据;通过回放所述分类指令信号验证所述分类指令信号的指令功能。通过激励所有功能分类的分类指令信号可以得到其具备分类标签的所述分类数据。本领域技术人员知悉,信号传送领域中已知的任何触发-中止条件设定都可以用于本发明。本领域技术人员可以根据实际需要进行相关选择。本发明不受到具体的触发-中止条件的限定。
接着,在后续步骤S3-S5中,对所述分类数据进行分类训练从而准确识别包含在分类方案中的所有类别,进而从所述分类信号数据中提取各分类特征并得到各个分类数据的特征阈值范围。在步骤S3中,基于所述分类指令信号的特征字节获取所述分类数据的特征点。在步骤S4中,将所述特征点按照所述特征字节进行排序成行。在步骤S5中,基于排序顺序以及选定的参考信号计算相关系数,并基于所述特征点的行数和所述相关系数获得所述特征阈值范围。
图4是本发明的工控信号检测方法的特征阈值范围计算的优选实施例的流程图。下面结合图4对步骤S3-S5进一步详细描述如下。首先,对所述分类数据的波形进行归一化处理。通常可以采用电压值正负上下限数值归一化对所述分类数据的波形进行处理。接着,基于所述分类指令信号的特征字节选择一组分类数据做方差图。例如,每组可以选择两个分类的覆盖值域变化的归一化信号来制作方差图。当然,在本发明的其他优选实施例中,本领域技术人员可以根据实际需要进行各种信号选择,并且可以采用本领域中已知的任何方法来制作方差图。随后,可以基于所述方差图获取符合所述特征字节的所述分类数据的波形范围。接着为该特征字节选取位于所述波形范围内的所述分类数据的特征点。随后将所述特征点按照所述特征字节进行排序成行。选定所述分类数据的参考信号,例如参考矩阵。参考矩阵的选取可以根据工控设备的说明书进行选择,也可以由本领域技术人员根据实际需要进行选择。在本发明的一个优选实施例中,所述参考信号是从方差图上获得所述特征字节的所述分类数据波形均值。然后基于排序顺序以及选定的参考信号计算相关系数。相关系数的计算也可以使用本领域中已知的任何相关系数计算方法来实现。最后,获得横坐标为所述特征点的行数,纵坐标为所述相关系数的特征图以确定获得所述特征阈值范围。
在本发明的一个优选实施例中,可以通过如下公式计算方差图上的各个方差点σ2
其中σ2表示不同种类的分类指令信号对应特征字节的方差,N表示采集的分类指令信号的样本数量,xi表示样本点的幅值大小,μ表示样本点幅值的均值。
在本发明的进一步的优选实施例中,相关系数算法的可视化公式为:
其中ρXY表示相关系数值,Cov(X,Y)表示随机变量X和Y的协方差,D(X)和D(Y)分别表示随机变量X和Y的方差,横坐标X为所述特征点的行数,纵坐标Y为所述相关系数。
在本发明的一个优选实施例中,选取两组覆盖值域变化范围的归一化信号,每类归一化信号的数量需要保持一致,把这些归一化信号对应维度上的点做统计求方差,并画出对应的方差图。分析可知特征字节所在曲线段的方差值较大,大小为0.5左右,由这个特性可以得到该特征的所述分类数据的波形范围。观察该特征字节包含多少个类别,然后计算每个类别对应维度上的均值,作为该类别的参考信号。得到参考信号之后,将其与归一化信号对应特征范围的点求相关系数,最后得到该参考信号下的相关系数曲线。如果该特征字节包含多个类别,就会得到多条相关系数曲线,通过观察曲线的分布走势可以确定识别出属于不同种类的分类数据的阈值。
在步骤S6中,基于触发-中止获取实时工控信号。在本步骤中,可以通过设置工控信号的触发和终止触发条件将采集到的实时工控信号分帧。本领域技术人员知悉,信号传送领域中已知的任何触发-中止条件设定都可以用于本发明。本领域技术人员可以根据实际需要进行相关选择。本发明不受到具体的触发-中止条件的限定。
在步骤S7中,计算所述实时工控信号的实时信号特征点。在此,可以采用前述实施例中的任何方法步骤,例如图4中所示的特征点计算步骤来计算所述实时工控信号的实时信号特征点。
在步骤S8中,判断所述实时信号特征点是否落入各个分类特征的所述特征阈值范围,如果是则在步骤S9判定所述工控信号正常,否则在步骤S10中判定所述工控信号不正常。
在本发明中,任何一台组成系统的工控设备都有对其对外输入输出功能的说明,基于此说明可以列出该设备的数字协议的功能分类方案,进而通过激励所有功能分类的数字指令得到其具备分类标签的信号数据,那么通过对这些信号数据的分类训练可以准确识别包含在分类方案中的所有类别,但是分类方案应该是一个有限集合,而不是对所有信号的穷举,否则这样的方案具有不可操作性。因此,对未包含在分类方案中的信号数据应该判定其为异常分类。这样就可以大大提高信号分类方案在实际设备环境的实用性,对所有设备发出的信号,本检测方法通过设定信号的触发和终止触发条件将采集到的信号分帧,然后通过实时提取信号中的特征与分类训练时产生的各信号类型阈值进行比较,要么识别其为分类方案之一的信号,要么识别为异常信号。以此来对该设备的所有功能和非功能信号进行有效识别检测。
图5是本发明的工控信号检测系统的原理框图。如图5所示,所述工控信号检测系统,包括:待检测设备510以及与所述待检测设备510通信连接的信号检测设备520。所述信号检测设备520包括:分类数据采集模块521,用于采集工控设备的工控信号的分类数据;特征阈值计算模块522,用于提取所述分类数据的分类特征并计算特征阈值范围;检测判定模块523,用于基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常。
本领域技术人员知悉,所述分类数据采集模块521、特征阈值计算模块522、检测判定模块523可以是任何硬件、软件或者软硬件结合模块、单元、装置或设备,其能够执行上述功能。进一步地,所述分类数据采集模块521、特征阈值计算模块522、检测判定模块523还可以进一步实现图2-4以及其对应的实施例中的相关步骤和功能。基于本发明的教导,本领域技术人员能够实现上述分类数据采集模块521、特征阈值计算模块522、检测判定模块523,在此就不再累述了。
本发明的描述过程还借助方法步骤的方式来描述特定功能的执行过程及其相互关系。为便于描述,文中对这些方法步骤的边界和顺序进行了专门的定义。在使这些功能及其关系可正常工作的前提下,也可重新定义他们的边界和顺序。但这些对边界和顺序的重新定义都将落入本发明的主旨和所声明的保护范围之中。
本发明还可以通过计算机程序产品进行实施,程序包含能够实现本发明方法的全部特征,当其安装到计算机系统中时,可以实现本发明的方法。本文件中的计算机程序所指的是:可以采用任何程序语言、代码或符号编写的一组指令的任何表达式,该指令组使系统具有信息处理能力,以直接实现特定功能,或在进行下述一个或两个步骤之后实现特定功能:a)转换成其它语言、编码或符号;b)以不同的格式再现。
虽然本发明是通过具体实施例进行说明的,本领域技术人员应当明白,在不脱离本发明范围的情况下,还可以对本发明进行各种变换及等同替代。另外,针对特定情形或材料,可以对本发明做各种修改,而不脱离本发明的范围。因此,本发明不局限于所公开的具体实施例,而应当包括落入本发明权利要求范围内的全部实施方式。
Claims (7)
1.一种工控信号检测方法,其特征在于,包括:
S1、采集工控设备的工控信号的分类数据;
S2、提取所述分类数据的分类特征并计算特征阈值范围;
S3、基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常;
所述步骤S2进一步包括:
S21、基于分类指令信号的特征字节获取所述分类数据的特征点;
S22、将所述特征点按照所述特征字节进行排序成行;
S23、基于排序顺序以及选定的参考信号计算相关系数,并基于所述特征点的行数和所述相关系数获得所述特征阈值范围;
所述步骤S21进一步包括:
S211、对所述分类数据的波形进行归一化处理;
S212、基于所述分类指令信号的特征字节选择一组分类数据做方差图;
S213、基于所述方差图获取符合所述特征字节的所述分类数据的波形范围;
S214、选取位于所述波形范围内的所述分类数据的特征点;
所述步骤S23进一步包括:
S231、选定所述分类数据的参考信号;
S232、基于排序顺序以及选定的参考信号计算相关系数;
S233、获得横坐标为所述特征点的行数,纵坐标为所述相关系数的特征图以确定获得所述特征阈值范围。
2.根据权利要求1所述的工控信号检测方法,其特征在于,所述步骤S1进一步包括:
S11、获取所述工控设备的所述工控信号的所述分类指令信号;
S12、基于所述分类指令信号获取所述分类数据。
3.根据权利要求2所述的工控信号检测方法,其特征在于,所述步骤S11进一步包括:
S111、选定将要被检测的工控设备并选定所述将要被检测的工控设备的指令分类方案;
S112、基于所述指令分类方案通过打标签的方式对所述工控设备的所述工控信号进行分类以获得分类指令信号。
4.根据权利要求3所述的工控信号检测方法,其特征在于,所述步骤S12进一步包括:
S121、激励所述分类指令信号并基于触发-中止录波所述分类指令信号对应的标注标签的所述分类数据;
S122、通过回放所述分类指令信号验证所述分类指令信号的指令功能。
5.根据权利要求1所述的工控信号检测方法,其特征在于,所述步骤S3进一步包括:
S31、基于触发-中止获取实时工控信号;
S32、计算所述实时工控信号的实时信号特征点;
S33、判断所述实时信号特征点是否落入各个分类特征的所述特征阈值范围,如果是则判定所述工控信号正常,否则判定所述工控信号异常。
6.一种工控信号检测系统,其特征在于,包括:待检测设备以及与所述待检测设备通信连接的信号检测设备,其中所述信号检测设备包括:
分类数据采集模块,用于采集工控设备的工控信号的分类数据;
特征阈值计算模块,用于提取所述分类数据的分类特征并计算特征阈值范围;
检测判定模块,用于基于所述分类特征以及所述特征阈值范围检测实时的工控信号并判断所述工控信号是否异常;
所述特征阈值计算模块进一步用于基于分类指令信号的特征字节获取所述分类数据的特征点;将所述特征点按照所述特征字节进行排序成行;基于排序顺序以及选定的参考信号计算相关系数,并基于所述特征点的行数和所述相关系数获得所述特征阈值范围;
所述特征阈值计算模块进一步用于对所述分类数据的波形进行归一化处理;基于所述分类指令信号的特征字节选择一组分类数据做方差图;基于所述方差图获取符合所述特征字节的所述分类数据的波形范围;选取位于所述波形范围内的所述分类数据的特征点;选定所述分类数据的参考信号;基于排序顺序以及选定的参考信号计算相关系数;获得横坐标为所述特征点的行数,纵坐标为所述相关系数的特征图以确定获得所述特征阈值范围。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现根据权利要求1-5中任意一项权利要求所述的工控信号检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810901748.7A CN108900538B (zh) | 2018-08-09 | 2018-08-09 | 一种工控信号检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810901748.7A CN108900538B (zh) | 2018-08-09 | 2018-08-09 | 一种工控信号检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108900538A CN108900538A (zh) | 2018-11-27 |
CN108900538B true CN108900538B (zh) | 2021-03-23 |
Family
ID=64353633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810901748.7A Active CN108900538B (zh) | 2018-08-09 | 2018-08-09 | 一种工控信号检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108900538B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886119B (zh) * | 2019-01-22 | 2021-07-09 | 深圳市永达电子信息股份有限公司 | 一种基于工控信号的控制功能分类方法及系统 |
JP7176455B2 (ja) | 2019-03-28 | 2022-11-22 | オムロン株式会社 | 監視システム、設定装置および監視方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012157471A1 (ja) * | 2011-05-13 | 2012-11-22 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 複数の制御システムの異常を検知する異常検知システム |
CN104283897A (zh) * | 2014-10-29 | 2015-01-14 | 刘胜利 | 基于多数据流聚类分析的木马通信特征快速提取方法 |
CN104615122A (zh) * | 2014-12-11 | 2015-05-13 | 深圳市永达电子股份有限公司 | 一种工控信号检测系统及检测方法 |
CN106209843A (zh) * | 2016-07-12 | 2016-12-07 | 工业和信息化部电子工业标准化研究院 | 一种面向Modbus协议的数据流异常分析方法 |
CN107480698A (zh) * | 2017-07-12 | 2017-12-15 | 广东旭诚科技有限公司 | 基于多个监测指标的质量控制方法 |
CN108055282A (zh) * | 2017-12-28 | 2018-05-18 | 国网浙江省电力有限公司电力科学研究院 | 基于自学习白名单的工控异常行为分析方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10139788B2 (en) * | 2016-03-15 | 2018-11-27 | Honeywell International Inc. | Remote data analytics to predict system components or device failure |
-
2018
- 2018-08-09 CN CN201810901748.7A patent/CN108900538B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012157471A1 (ja) * | 2011-05-13 | 2012-11-22 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 複数の制御システムの異常を検知する異常検知システム |
CN104283897A (zh) * | 2014-10-29 | 2015-01-14 | 刘胜利 | 基于多数据流聚类分析的木马通信特征快速提取方法 |
CN104615122A (zh) * | 2014-12-11 | 2015-05-13 | 深圳市永达电子股份有限公司 | 一种工控信号检测系统及检测方法 |
CN106209843A (zh) * | 2016-07-12 | 2016-12-07 | 工业和信息化部电子工业标准化研究院 | 一种面向Modbus协议的数据流异常分析方法 |
CN107480698A (zh) * | 2017-07-12 | 2017-12-15 | 广东旭诚科技有限公司 | 基于多个监测指标的质量控制方法 |
CN108055282A (zh) * | 2017-12-28 | 2018-05-18 | 国网浙江省电力有限公司电力科学研究院 | 基于自学习白名单的工控异常行为分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108900538A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111181939B (zh) | 一种基于集成学习的网络入侵检测方法及装置 | |
CN107276805B (zh) | 一种基于入侵检测模型的样本预测方法、装置及电子设备 | |
CN108030494B (zh) | 基于交叉验证的心电信号错误标记训练样本识别方法 | |
CN106357618B (zh) | 一种Web异常检测方法和装置 | |
CN113435546B (zh) | 基于区分置信度水平的可迁移图像识别方法及系统 | |
CN113489685B (zh) | 一种基于核主成分分析的二次特征提取及恶意攻击识别方法 | |
CN108520215B (zh) | 基于多尺度联合特征编码器的单样本人脸识别方法 | |
CN107145778B (zh) | 一种入侵检测方法及装置 | |
WO2009090584A2 (en) | Method and system for activity recognition and its application in fall detection | |
CN108900538B (zh) | 一种工控信号检测方法和装置 | |
CN111436944A (zh) | 一种基于智能移动终端的跌倒检测方法 | |
CN107833211B (zh) | 基于红外图像的零值绝缘子自动检测方法及装置 | |
CN108508297B (zh) | 一种基于突变系数和svm的故障电弧检测方法 | |
KR101268520B1 (ko) | 영상 인식 장치 및 방법 | |
CN116910752A (zh) | 一种基于大数据的恶意代码检测方法 | |
CN104268587B (zh) | 一种基于指波变换和svm的假指纹检测方法 | |
CN113869327A (zh) | 一种基于土壤元素含量检测的数据处理方法及系统 | |
CN111950606B (zh) | 一种刀闸状态识别方法、装置、设备和存储介质 | |
CN109271855B (zh) | 一种工控信号的特征提取方法 | |
CN114970694B (zh) | 一种网络安全态势评估方法及其模型训练方法 | |
CN111340261B (zh) | 判定订单违规行为的方法、系统、计算机设备及存储介质 | |
KR102247179B1 (ko) | 이상행위탐지모델의 비지도 학습을 위한 xai 기반 정상학습데이터 생성방법 및 장치 | |
CN112014821B (zh) | 一种基于雷达宽带特征的未知车辆目标识别方法 | |
CN114842183A (zh) | 一种基于卷积神经网络的开关状态识别方法和系统 | |
CN112528893A (zh) | 异常状态的识别方法、装置及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |