买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南匡安网络技术有限公司申请的专利一种基于联邦认知协同的电力系统跨域网络安全建模方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121547368B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610065416.4，技术领域涉及：H04L41/14；该发明授权一种基于联邦认知协同的电力系统跨域网络安全建模方法和系统是由吕婷;袁理想;蔡宇辉;杨志邦;余思洋;杨圣洪;李肯立;唐伟;段明星;王卫民设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本一种基于联邦认知协同的电力系统跨域网络安全建模方法和系统在说明书摘要公布了：本发明公开了一种基于联邦认知协同的电力系统跨域网络安全建模方法，其通过引入联邦认知协同机制，在保护数据隐私和遵守电力系统隐私协议的前提下，解决电力系统跨域网络安全建模中因数据非独立同分布和异常节点导致的模型泛化性能下降问题；本发明的方法采用层次聚类和模型融合策略，使客户端在本地训练时能够借鉴全局和其他聚类簇的知识，打破自身数据分布的局限；服务器端通过离群过滤和聚类聚合，筛选可靠客户端并生成自适应于不同数据分布的聚类簇威胁识别模型和全局威胁识别模型，从而提升威胁识别的准确性和鲁棒性，实现动态适应网络威胁环境。

本发明授权一种基于联邦认知协同的电力系统跨域网络安全建模方法和系统在权利要求书中公布了：1.一种基于联邦认知协同的电力系统跨域网络安全建模方法，是应用在包括个客户端和服务器的电力系统中，且为任意自然数，其特征在于，该电力系统跨域网络安全建模方法包括以下步骤： 1第个客户端从其本地域的网络设备和数据采集与监视控制系统能量管理系统SCADAEMS获取网络流量、系统日志数据、以及反映通信行为和设备状态的多维度特征，采用独热编码方法对该多维度特征中的类别性特征进行处理，采用Z-score标准化方法对该多维度特征中的数值型特征进行处理，并将处理的结果构建为本地数据集，其中； 2服务器初始化全局威胁识别模型和聚类簇威胁识别模型集合，并初始化第k个客户端属于聚类簇威胁识别模型集合中的第j个聚类簇威胁识别模型，并将初始化后的全局威胁识别模型和第个客户端所属的聚类簇威胁识别模型下发给第个客户端；其中为预设的聚类簇数量，j表示第个客户端所属的聚类簇威胁识别模型在聚类簇威胁识别模型集合中的序号； 3第个客户端设置训练轮次计数器t=1； 4第个客户端判断t是否大于预设的训练轮次阈值T，如果是则进入步骤8，否则设置t=t+1，并进入步骤5； 5第个客户端获取第轮训练的全局威胁识别模型和其所属的聚类簇威胁识别模型，并根据获取的全局威胁识别模型和聚类簇威胁识别模型初始化第轮训练的本地威胁识别模型： 6第个客户端使用其本地数据集对步骤5得到的第轮训练的本地初始模型进行训练，以得到训练好的本地威胁识别模型，计算训练好的本地威胁识别模型与第轮训练的全局威胁识别模型之间的分布相似度，并根据该分布相似度构建第轮训练的相似距离矩阵，并将训练好的本地威胁识别模型的参数和相似距离矩阵上传至服务器； 7服务器根据所有客户端上传的本地威胁识别模型{}的参数对所有客户端进行识别和筛选，以排除潜在的异常客户端，并获取过滤后的多个客户端，根据所有过滤后的客户端与全局威胁识别模型之间的相似距离矩阵、并采用层次聚类算法将所有过滤后的客户端划分为S个聚类簇{}，对每个聚类簇进行簇内加权平均聚合处理，以生成该聚类簇对应的、第t+1轮训练的威胁识别模型，并对所有聚类簇对应的、第t+1轮训练的威胁识别模型{}进行平均聚合，以生成第t+1轮训练的全局威胁识别模型，并将该全局威胁识别模型及所有聚类簇对应的、第t+1轮训练的威胁识别模型{}下发至第i个客户端，并返回步骤4，其中i∈[1，S]； 8所有客户端利用第T轮训练的全局威胁识别模型对本地实时网络流量和系统日志数据进行威胁识别，以输出攻击类别与威胁等级。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南匡安网络技术有限公司，其通讯地址为：410006 湖南省长沙市芙蓉区湘湖街道和光路102号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。