-
题名结合序列关联图与GAN的高可用时序数据生成方法
- 1
-
-
作者
万韵伟
程瑶
门元昊
-
机构
北京理工大学信息与电子学院
-
出处
《信息安全研究》
北大核心
2025年第4期351-357,共7页
-
基金
国家242信息安全计划项目(2020A065)。
-
文摘
现实世界中获取长时间序列数据面临诸多挑战,严重制约了网络空间安全中的态势感知、威胁分析等应用发展.深度学习驱动的数据生成方法可以有效保护原始数据隐私,其中确保生成数据的高可用性和多样性至关重要.然而,现有方法采用随机拼接短序列构建模型的训练数据,无法保证生成数据分布符合预期,影响生成数据的可用性.针对上述问题,提出一种结合序列关联图与生成对抗网络的高可用时序数据生成方法,通过构建序列关联图和概率权重生成对抗网络,精准拟合原始数据分布特征.在多个真实数据集上的实验结果表明,该方法能够基于较短序列长度的原始数据,生成具有高可用性和多样性的长时间序列数据,显示出其在实际应用中的巨大潜力.
-
关键词
数据生成
数据安全
时序数据
短序列
生成对抗网络
-
Keywords
data generation
data security
time series data
short sequence
GAN(generative adversarial network)
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于XGBoost模型的地铁列车运行状态仿真方法
被引量：1
- 2
-
-
作者
门元昊
吴亮
刘晓双
秦枭喃
罗森林
-
机构
北京理工大学信息系统及安全对抗实验中心
通号城市轨道交通技术有限公司
-
出处
《城市轨道交通研究》
北大核心
2022年第3期102-106,共5页
-
文摘
基于物理模型及列车性能参数的地铁列车运行状态仿真方法存在着列车适配性差、参数调整成本高等问题。为了给ATC(列车自动控制)系统的研究提供更为准确、高效的模拟试验平台,提出一种基于XGBoost(极端梯度提升)算法的列车运行状态仿真模型构建方法。该方法可从实际运行数据中学习列车的控制与运行特性,可针对不同的线路环境、不同列车车型实现更准确的列车运行状态仿真。在某地铁线路采用实车进行试验,结果表明:该方法建立的列车运行状态仿真模型准确、有效,可满足实际应用需求。
-
关键词
地铁列车
运行状态仿真
列车自动运行
机器学习
XGBoost算法
-
Keywords
metro train
running state simulation
ATO(automatic train operation)
machine learning
XGBoost algorithm
-
分类号
U29-39
[交通运输工程—交通运输规划与管理]
-
