检索结果-南通市图书馆

Detecting Domain Generation Algorithms with Bi-LSTM

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2019年第9期61卷 1285-1304页

作者： Liang Ding Lunjie Li Jianghong Han Yuqi Fan Donghui Hu School of Computer Science and Information Engineering Hefei University of TechnologyHefei230009China Department of Computer Science University of Texas at DallasCampbell RdRichardsonTexas75080USA

Botnets often use domain generation algorithms(dga)to connect to a command and control(C2)server,which enables the compromised hosts connect to the C2 server for accessing many domains.The detection of dga domains is critical for blocking the C2 server,and for identifying the compromised hosts as well.However,the detection is difficult,because some dga domain names look normal.Much of the previous work based on statistical analysis of machine learning relies on manual features and contextual information,which causes long response time and cannot be used for real-time detection.In addition,when a new family of dga appears,the classifier has to be re-trained from the very beginning.This paper presents a deep learning approach based on bidirectional long short-term memory(Bi-LSTM)model for dga domain detection.The classifier can extract features without the need for manual feature extraction,and the trainable model can effectively deal with new unknown dga family members.In addition,the proposed model only needs the domain name without any additional context information.All domain names are preprocessed by bigram and the length of each processed domain name is set as a value longer than the most samples.Bidirectional LSTM model receives the encoded data and returns labels to check whether domain names are normal or not.Experiments show that our model outperforms state-of-the-art approaches and is able to detect new dga families reliably.

关键词： Bidirectional LSTM network security dga

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

天然酯绝缘油中溶解气体研究现状

绝缘材料 2022年第1期55卷 12-18页

作者：刘宏领田克强李继攀郭奇军王维令国网山东省电力公司菏泽供电公司山东菏泽274000

天然酯绝缘油是一种高燃点的环保液体电介质,主要应用于变压器等电力设备中。油中溶解气体分析(dga)是变压器故障诊断最有效的方式之一。关于天然酯绝缘油的油中溶解气体监测目前已有一定的研究成果,本文对天然酯绝缘油在油中溶解气体... 详细信息

天然酯绝缘油是一种高燃点的环保液体电介质,主要应用于变压器等电力设备中。油中溶解气体分析(dga)是变压器故障诊断最有效的方式之一。关于天然酯绝缘油的油中溶解气体监测目前已有一定的研究成果,本文对天然酯绝缘油在油中溶解气体方面的研究进展进行了总体介绍,指出了天然酯绝缘油在未来应用中应注意的关键问题。

关键词：植物油天然酯油中溶解气体 dga 变压器

基于生成对抗网络的恶意域名训练数据生成方法

在线全文

学校读者我要写书评

暂无评论

兰州理工大学学报 2023年第6期49卷 100-106页

作者：刘伟山马旭琦汪航吴子琰国家计算机网络应急技术处理协调中心甘肃分中心甘肃兰州730000 兰州理工大学机电工程学院甘肃兰州730050 兰州大学信息科学与工程学院甘肃兰州730000

当前攻击者广泛采用域名生成算法(dga)生成大量的随机域名来躲避检测.针对现有的dga域名检测模型均是在已经公开的数据集上进行训练构建,无法对未知恶意域名进行有效检测的情况,利用真实域名数据训练自编码器,并将自编码器和生成对抗网... 详细信息

当前攻击者广泛采用域名生成算法(dga)生成大量的随机域名来躲避检测.针对现有的dga域名检测模型均是在已经公开的数据集上进行训练构建,无法对未知恶意域名进行有效检测的情况,利用真实域名数据训练自编码器,并将自编码器和生成对抗网络相结合,构造了一种新的dga域名生成模型.实验表明,该模型产生的序列与Alexa域名在长度和字符分布等特征都很接近,而且能够有效降低基于长短期记忆网络的dga域名分类器的性能.这些生成序列很好地丰富了恶意域名数据集,对其进一步利用,显著提升了现有dga域名检测器的性能.

关键词：恶意域名 dga 自编码器生成对抗网络

Optimum Optical Length of the Gas Cell Used for Monitoring Gas-In-Oil with FTIR

在线全文

学校读者我要写书评

暂无评论

Journal of Beijing Institute of Technology 2003年第1期12卷 59-63页

作者：刘先勇黄风雷王霞周方洁 School of Mechatronics Engineering Beijing Institute of TechnologyBeijing100081China Department of Optical Engineering School of Information Science and TechnologyBeijing Institute of TechnologyBeijing100081China Beijing Institute of Technology Group Corp. Beijing Institute of TechnologyBeijing100081China

Dedicated experiments are designed to collect the infrared spectra of dissolved gas-in-oil of power transformers. Spectra of diagnostic gases are collected by 3 different laboratorial FTIR spectrometers using 3 different gas cells with various sets of equipment parameters. A formula is deduced to calculate the shortest optical length to detect a specific concentration according to measurements on gases with known concentrations near to the minimum detection limit. Collected spectra and calculated results suggested that the optimum optical length of the gas cell should be 150 mm to realize on-line monitoring of diagnostic gases within the required concentration range. At the end, an economic novel design of the gas cell is proposed based on the optimum length.

关键词： FTIR gas cell power transformer dga optical length dissolved gas-in-oil

在线全文

学校读者我要写书评

暂无评论

面向物联网僵尸网络的dga检测算法研究

面向物联网僵尸网络的DGA检测算法研究

作者：刘璐璐西安电子科技大学

学位级别：硕士

近年来,物联网僵尸网络事件频发,极大地影响了生产生活秩序,其中智能家居、路由器、网络摄像头等物联网设备成为重灾区。僵尸网络广泛使用域名生成算法(dga)生成dga域名来逃避黑名单检测,因此,在物联网设备上部署dga检测方法能够及时发... 详细信息

近年来,物联网僵尸网络事件频发,极大地影响了生产生活秩序,其中智能家居、路由器、网络摄像头等物联网设备成为重灾区。僵尸网络广泛使用域名生成算法(dga)生成dga域名来逃避黑名单检测,因此,在物联网设备上部署dga检测方法能够及时发现并阻止僵尸网络来保护设备功能和用户数据。然而,现有的dga检测方法存在一些不足,基于特征工程的dga检测算法根据经验来寻找能够区分dga域名和正常域名的特征,该方法存在特征分析不全,易被攻击者绕过的缺点,这会导致检测模型的精度不高。基于深度学习的方法可以自动提取高维特征来完成dga域名检测,但是该方法需要较大的空间来部署训练环境,且需要大量的数据集训练模型,由于物联网设备的算力和存储资源有限,该方法不适用于物联网设备的dga检测。针对上述问题,本文开展了以下研究工作:(1)提出了基于孪生深度森林(SDF)的dga检测算法,该算法具有部署简单、算力要求低、占用空间小、准确率高的特点,能够解决资源有限的物联网设备中的dga检测问题。该算法基于孪生深度森林构建,基于孪生网络思想在有限的训练集上配对来扩充数据集,加入并调节深度森林中树的权重来拟合模型。经过实验对比,相比基于深度森林的检测算法,该算法模型在不同数据规模下的检测效果都有提升。(2)针对孪生深度森林算法模型过大及级联森林层级间准确率提升小的问题,提出了基于改进孪生深度森林(I-SDF)的dga检测算法,改进了多粒度扫描并且增加了级联森林的dropout机制及动态设定森林中树的个数。实验结果表明,改进之后的模型提高了精度的同时减小了模型大小,与基于特征工程的机器学习模型和基于CNN＿LSTM的神经网络模型相比,该算法模型在不同规模训练集大小下都有更好的检测效果。(3)结合联邦学习思想,提出了基于分布式I-SDF的dga检测算法,该算法能够在保护域名隐私的情况下在多台物联网设备上分布式训练改进孪生深度森林模型,经过实验证明分布式训练的模型精度比单机训练模型更好,此外,基于训练的模型设计了dga检测系统,该系统能够实时或分时检测物联网设备上的dga域名。

关键词： dga IoT 僵尸网络孪生网络深度森林

基于深度学习的变压器dga故障诊断的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的变压器DGA故障诊断的应用研究

作者：杨朝黑龙江大学

学位级别：硕士

电力变压器故障诊断能有效避免使用过程中的不良损失,是保证电力系统持续运行的重要手段,油中溶解气体分析(Dissolved Gas Analysis,dga)能够将变压器内部故障灵敏的识别出来,是变压器故障诊断领域的有效技术之一。但是现阶段基于dga的... 详细信息

电力变压器故障诊断能有效避免使用过程中的不良损失,是保证电力系统持续运行的重要手段,油中溶解气体分析(Dissolved Gas Analysis,dga)能够将变压器内部故障灵敏的识别出来,是变压器故障诊断领域的有效技术之一。但是现阶段基于dga的变压器故障诊断的研究存在着以下问题。一是变压器故障样本特征表达不充分,无法清晰的体现故障与特征气体之间的关系;二是由于变压器故障样本难以获取,存在样本数据不足以及各类故障类型之间样本的数量平衡性难以满足要求的问题;三是故障诊断的准确率较低,不能满足实际工程的需求。本文针对以上问题从以下三个方面入手。(1)变压器dga数据样本特征的确定。使用不同气体间的比率来扩充特征向量,同时应用因子分析的方法科学地提取综合性的因子来对特征充分表达,在不同诊断模型上的结果表明,扩充后的特征能够进一步丰富特征与故障之间的关联信息,而且将因子分析方法处理后的特征作为诊断模型的输入,能够提高故障模型诊断的准确率。(2)故障样本数量的扩充以及各类故障之间数量的平衡。利用条件生成式对抗网络扩充故障样本的数量以及平衡不同故障类型间的数量,不仅通过负对数似然函数衡量了生成的样本数据和原始数据概率分布的相似度,而且建立了基于卷积神经网络的故障诊断模型,分析生成数据样本的加入对故障诊断模型诊断效果的影响。相较于其他生成数据模型,基于条件生成式对抗网络生成的数据质量更佳,同时还能提升故障诊断模型的学习能力。(3)基于Ada Boost-CNN的变压器故障诊断模型。针对变压器故障诊断准确率低的问题,首先,建立三种集成算法模型,并验证了自适应增强(Adaptive Boosting,Ada Boost)算法应用到变压器故障诊断问题上的优越性;随后,将卷积神经网络(Convolutional Neural Network,CNN)作为其基础分类器,Ada Boost可以对CNN中的每个卷积层进行加权,根据模型的误差来调整权重,同时CNN会学习新的特征以提高诊断的准确性。通过与SVM、Decision Tree、单个的CNN、Ada Boost-Decision、Ada Boost-SVM比较,验证了所提模型应用在变压器故障诊断问题上的有效性、准确性以及在工程应用中的可行性。

关键词：变压器故障诊断 dga 因子分析条件生成式对抗网络 AdaBoost-CNN

基于改进超参数优化的MSVM变压器故障诊断方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进超参数优化的MSVM变压器故障诊断方法研究

作者：马煜翔辽宁工程技术大学

学位级别：硕士

随着我国经济发展与能源结构改革进入新的发展时期,生活和生产中对于供电安全性和可靠性的要求变得越来越高。变压器作为高压输配电网络的核心电力设备,一旦故障将会对电网的安全运行产生极大影响,造成重大财产损失,甚至导致灾害性事故... 详细信息

随着我国经济发展与能源结构改革进入新的发展时期,生活和生产中对于供电安全性和可靠性的要求变得越来越高。变压器作为高压输配电网络的核心电力设备,一旦故障将会对电网的安全运行产生极大影响,造成重大财产损失,甚至导致灾害性事故的发生。因此,对于变压器的运行状态进行实时监测,对不同故障类型进行诊断,具有重要的研究意义。本文基于油中溶解气体分析(dga)技术,提出一种基于改进超参数优化的多核合成核函数支持向量机(MSVM)变压器故障诊断方法。首先,针对故障特征参量冗余对故障诊断模型的运算量和诊断精度的影响,提出随机森林递归特征消除(RFRFE)实现对原始故障数据的特征选择,构造RFRFE-SVM故障诊断模型。为验证其有效性,将优选后的特征数据输入到SVM模型中得到故障诊断结果,与未优选特征参量的SVM模型作对比,经优选后的SVM模型在诊断精度方面有明显提升。同时,选用经RFRFE优选后的故障数据作为输入,选取多项式核函数、径向基(RBF)核函数、Sigmoid核函数和本文提出的多核合成核函数,分别构建支持向量机故障诊断模型并对比,结果表明经RFRFE特征参量优选的多核合成核函数支持向量机(MSVM)模型与其余模型相比具有一定优越性。其次,针对RFRFE-MSVM故障诊断模型相关超参数的设置对于故障诊断精度影响性较大的情况,本文提出一种基于自适应交叉变异天鹰优化算法(ACMAO)对其模型超参数进行寻优。引入惯性权重因子、纵横交叉策略以及柯西精英变异策略对天鹰算法进行改进,构建ACMAO算法;然后选取12个基准测试函数对ACMAO进行算法性能验证,通过与粒子群算法(PSO)、蝗虫优化算法(GOA)及天鹰优化算法(AO)进行对比,得出ACMAO算法在求解精度、收敛速度以及稳定性方面有一定提升。最后,对所提出RFRFE-ACMAO-MSVM故障诊断模型进行仿真分析。将经RFRFE算法优选后的特征参量输入到PSO-MSVM、GOA-MSVM、AO-MSVM、ACMAO-MSVM模型中,故障诊断精度分别为81.67%、85%、86.67%、93.33%,实验结果表明,RFRFE-ACMAOMSVM模型在诊断精度方面具有显著优势,验证了ACMAO-RFRFE-MSVM模型在变压器故障诊断领域中的实用性,能更准确的对变压器运行状态做出诊断,具有一定的工程应用价值。该论文有图35幅,表18个,参考文献61篇。

关键词：变压器故障诊断 dga RFRFE 多核合成核函数 ACMAO MSVM

基于集成算法和dga技术的油浸式变压器故障诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集成算法和DGA技术的油浸式变压器故障诊断研究

作者：金天成辽宁工程技术大学

学位级别：硕士

随着国家综合性能源电网的快速投入与建设,电力变压器是电网中电能传输设备的关键一环,如果变压器出现故障,很有可能会对电网有巨大影响,是国民经济的命脉,对普通用户也有很大的安全风险。首先,针对支持向量机(SVM)的变压器故障诊断精... 详细信息

随着国家综合性能源电网的快速投入与建设,电力变压器是电网中电能传输设备的关键一环,如果变压器出现故障,很有可能会对电网有巨大影响,是国民经济的命脉,对普通用户也有很大的安全风险。首先,针对支持向量机(SVM)的变压器故障诊断精度的问题,提出一种多策略融合的改进黑猩猩优化算法(MChOA)。第一步,通过融入非线性参数策略来生成初始种群,增强个体的质量和种群的多样性,为全局搜索奠定基础;其次,通过对黑猩猩位置更新公式的改进,体现攻击者黑猩猩的领导地位,提高算法的全局寻优能力;最后,引入柯西精英变异保持算法的多样性,并有效提高收敛精度和收敛速度。利用11个不同的基准测试函数进行寻优仿真,测试结果和Wilcoxon秩和检验结果均显示改进算法不仅克服了ChOA算法容易陷入局部最优、收敛精度低和收敛速度慢的问题,构建MChOA优化支持向量机的变压器故障诊断模型。提高了SVM变压器故障诊断模型的精度,也极大的缩短了运行时间。然后,为了进一步增加MChOA-SVM变压器故障诊断模型准确率和鲁棒性,利用集成算法对数据适应能力强等优势,用AdaBoost算法进行集成,把MChOA-SVM作为弱分类器通过对样本错误率的计算,改变弱分类器权重,得到新的样本分布,再进行迭代,构成强分类器,构建基于AdaBoost-MChOA-SVM的变压器故障诊断模型,再通过不同弱分类器数量对精准度的对比,确定集成算法弱分类器的数量。最后,利用油中气体分析(dga)技术中常用的无编码比值法,将特征气体及其比例重新构造成13种参量,作为AdaBoost-MChOA-SVM变压器故障诊断模型的输入特征,进行仿真分析,得到了AdaBoost-MChOA-SVM模型在变压器故障诊断中的精度为92.8%,与AdaBoost-SVM、MChOA-SVM、ChOA-SVM、SCA-SVM和PSO-SVM变压器故障诊断模型相比分别提高了9.6%、4%、7.2%、11.2%及10.4%。证明AdaBoost-MChOA-SVM变压器故障诊断模型能有效地提高故障识别率。此外,论文还对上述模型进行了稳定性分析和运行时间对比分析,验证了论文提出的AdaBoost-MChOA-SVM变压器故障诊断模型的平均诊断精度为91.6%,标准差为1.03,验证了其对变压器故障信息有很好的适应性,精度和速度有极大提升。该论文有图37幅,表23个,参考文献76篇

关键词：电力变压器集成算法 AdaBoost dga ChOA

基于dga的数据驱动油浸式变压器故障诊断系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于DGA的数据驱动油浸式变压器故障诊断系统研究

作者：刘敏兰州理工大学

学位级别：硕士

电力是支撑社会运转的最主要、最直接的能源,变压器则是输送电力的关键设备之一。研究变压器的故障诊断技术,及时发现早期隐藏故障,就能降低停电风险,减少经济损失。目前对油浸式电力变压器的检修技术主要是按计划检修,未能真正实现按... 详细信息

电力是支撑社会运转的最主要、最直接的能源,变压器则是输送电力的关键设备之一。研究变压器的故障诊断技术,及时发现早期隐藏故障,就能降低停电风险,减少经济损失。目前对油浸式电力变压器的检修技术主要是按计划检修,未能真正实现按状态检修,故研究变压器故障诊断技术,对保障电力系统的长期稳定运行具有重大意义。本文以油浸式电力变压器为研究对象,用油中溶解气体分析(Dissolved Gas-in-oil Analysis,dga)数据表征变压器故障信息,使用机器学习算法对变压器进行故障诊断,并针对样本不足、样本不均衡问题,做出改进,最后结合课题合作单位的实际需求,开发了数据驱动的智能油浸式变压器故障诊断系统。本文主要研究内容如下:(1)针对变压器故障诊断算法实际应用时采集到的样本数据不足的问题,提出一种在小样本情况下应用的基于隐马尔科夫模型(Hidden Markov Model,HMM)的变压器故障诊断算法,并对HMM的训练算法进行改进,提高了算法的实用性,并通过与支持向量机(Support Vector Machine,SVM)算法、决策树算法进行对比实验,证明了该算法在小样本条件下,拥有更高的诊断正确率。(2)针对变压器故障诊断算法实际应用时采集到的样本数据类不平衡的问题,将改良的人工合成类过采样(Synthetic Minority Oversampling Technique-Tomke Links,SMOTE-Tomke Links)算法应用于变压器故障诊断中,使用该算法对不平衡样本数据进行预处理,能在改善数据不平衡性的同时降低数据噪声的影响,为训练故障诊断模型打好数据基础。(3)提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)优化反向传播神经网络(Back Propagation Neural Network,BPNN)算法的变压器故障诊断算法。该算法使用SSA算法对BPNN的初始权值和阈值进行全局优化,结合SSA算法的全局寻优能力和BPNN强大的自主学习和非线性映射能力,避免了BPNN的局部极小化问题,提高了故障诊断正确率。实验表明,该算法与粒子群(Particle Swarm Optimization,PSO)优化BPNN、蝙蝠算法(Bat Algorithm,BA)优化BPNN的变压器故障诊断算法相比,参数的寻优速度更快,故障诊断正确率更高。(4)结合以上研究,本文设计并实现了油浸式变压器故障诊断系统,实现了多种功能模块及其图形界面,结合数据库和变压器故障智能诊断算法,实现了数据驱动的油浸式变压器故障诊断。本文的油浸式变压器故障诊断系统,考虑了工程实际中的小样本和不平衡样本情况并提高了故障诊断精度,能对油浸式变压器进行快速简便的故障诊断,实现了油浸式电力变压器的按状态检修,这能节约变压器的检修资源,对保障电力系统长期稳定运行具有一定的工程价值。

关键词： dga 变压器故障诊断数据驱动