【摘 要】
:
随着计算机硬件的更新换代和移动终端的智能化,网络技术在人们的生活中变得越来越重要,网络安全成为一个重要的研究领域。基于机器学习的技术已经广泛地应用于网络入侵检测以及图像处理领域。同时快速发展的量子计算为解决复杂计算问题提供了新的模式,因此如何利用量子计算改进传统机器学习算法也已经成为了研究前沿。本文基于经典降维技术和量子神经网络提出了一种用于网络入侵检测的模型以区分正常访问和异常攻击。为了平衡经典
论文部分内容阅读
随着计算机硬件的更新换代和移动终端的智能化,网络技术在人们的生活中变得越来越重要,网络安全成为一个重要的研究领域。基于机器学习的技术已经广泛地应用于网络入侵检测以及图像处理领域。同时快速发展的量子计算为解决复杂计算问题提供了新的模式,因此如何利用量子计算改进传统机器学习算法也已经成为了研究前沿。本文基于经典降维技术和量子神经网络提出了一种用于网络入侵检测的模型以区分正常访问和异常攻击。为了平衡经典卷积神经网络在图像分类中的分类准确率和鲁棒性,本文从机器学习模型安全性的角度出发设计了一种量子经典混合卷积神经网络模型。云计算、大数据的到来,网络入侵的手段也在不断的多样化,因此需要高效且泛化的入侵检测技术来保障网络安全。本文基于主成分分析和量子神经网络提出了一种入侵检测模型。原始的网络连接数据的特征之间往往具有一定的关联性,主成分分析用于去除原始数据中的冗余成分,实现网络连接数据的降维。数据降维不仅可以提取数据中的有用成分,还有利于量子神经网络的训练。量子神经网络相当于一个分类器,主要用于识别网络中的正常访问和异常攻击。经过经典优化器迭代训练的量子神经网络可以检测出网络流量数据中的异常访问。实验结果验证了该入侵检测模型的可行性和有效性。随着机器学习模型在实际业务系统中的广泛应用,机器学习模型的准确性和安全性也变得日益重要。为了改进经典卷积神经网络在图像分类上的性能,本文提出了一种混合量子经典卷积神经网络模型,以提高分类准确率或加速训练的过程。该模型的量子卷积层由量子卷积过滤器构成,用于提高经典卷积层的特征提取能力并加速传统卷积的过程。混合量子经典卷积神经网络模型在图像分类中的实验结果表明量子卷积核在提高图像分类精度的同时也加快了模型的收敛速度。此外,本文还研究了混合模型中量子计算对模型鲁棒性的影响。在经典对抗场景中的实验结果表明,量子计算在一定程度上能够提高整个混合模型的对抗鲁棒性。
其他文献
近年来,随着行波理论的不断完善和各种信号分解及检测算法的出现应用,加上以数字信号处理器为代表的高精微电子装置的更新迭代,行波故障测距技术取得了飞速发展。行波定位与保护技术的关键在于行波信号的准确检测,因此如何进一步在复杂环境下有效提取行波信号显得尤为重要。本文针对行波信号检测辨识的两种方法—小波变换和卡尔曼滤波算法,引入了改进的鲸鱼优化算法对其进行改良,使两种算法在含噪的复杂环境中对行波信号的辨识
近年来,为实现经济和社会的可持续发展,世界各国都开始重视对可再生能源的开发利用,基于可再生能源的分布式发电技术也受到了越来越多的关注和应用。分布式电源及储能等元素的加入使配电网从无源变为有源,对配电网的运行安全和可靠性产生了影响。如何针对有源配电网进行合理规划,已成为目前研究的热点。本文对配电网源网储协同规划和分段开关优化配置问题展开了研究。针对激励型需求响应,建立了可中断负荷和可转移负荷模型。基
如何快速准确的跟踪期望轨迹,一直是机械臂控制的研究重点之一,而滑模控制则因为其对扰动的强鲁棒性在机械臂控制领域受到广泛关注。一方面,虽然终端滑模面实现了系统变量的有限时间收敛,但并未解决滑模控制存在的抖振问题,同时又导致了奇异问题。学者们提出了许多改进方法,如快速终端滑模面、非奇异快速终端滑模面等。至今,滑模面的设计依旧是滑模控制的研究热点。另一方面,机械臂系统中的不确定因素也同样影响着控制器的设
精准科学的电力负荷预测是科学制定调度方案和发电计划的前提,长时间序列的电力负荷预测是应对现代电力发展背景下更多复杂情况提出的新需求。神经网络因为其强大的非线性拟合能力在电力负荷预测领域取得了出色的效果,近年来逐步成为学者研究的主流方向,然而大多数基于神经网络的电力负荷预测模型在长时间序列电力负荷预测中容易出现误差的累积和信息的丢失,使得模型难以捕捉电力负荷数据中的长程规律,并且长时间序列电力负荷预
随着大规模新能源的接入,输、配电网之间协同调控的需求日益增长,主要依靠输电侧进行调控的传统工作模式将难以满足电力系统统筹协调全局资源的需求。对输电网和配电网两侧可调度资源进行协同优化调控已是未来电网优化调度运行模式的重要发展趋势,目前配网侧现有的大量分散的柔性负荷资源为输配协同运行的实现提供了基础。主要研究内容有以下几点:(1)针对新能源存在出力不确定性的问题,分别研究了风、光发电的出力模型,在H
配电网直接面向广大电力用户,是提高电力系统运行效率与保证供电质量的关键环节。随着架空绝缘导线的广泛应用,雷击断线概率增大,加之受设备老化、外力破坏等因素影响,近年来配电网单相断线故障呈现多发态势。断线故障发生后断点处线路可能坠地造成接地复故障,从而引发停电、火灾、人畜触电等安全事故。因此,非常有必要开展配电网单相断线故障特征分析与定位研究,迅速发现并切除故障,消除安全隐患,这对于保证配电网安全可靠
特高压输电系统的发展引起的设备激增为电网设备的管理维护带来了挑战。大型变压器作为特高压电网枢纽设备,是电网安全稳定运行的核心,其在线监测装置数据准确性是实现变压器故障有效识别的重要前提。本文以500k V及以上电压等级的大型变压器为研究对象,研究变压器油色谱在线监测装置异常识别和变压器故障预警两方面内容。在变压器油色谱在线监测装置的异常识别方面,以装置故障与数据偏差识别为切入点,建立了油色谱在线监
当前全球面临生态环境恶化、化石能源紧缺等危机,使得高效合理地利用可再生能源,推动能源体系绿色转型逐渐成为发展共识。电动汽车作为一种节能、环保的交通工具,已经得到了广泛关注和大力推广。然而,大量的可再生能源和电动汽车接入配电网后,给配电网的运行调控带来极大挑战,因此主动配电网技术应时而生。随着电力市场机制的不断完善,需求响应得以灵活地参与到配电网运行管理当中,并为系统运行提供新的调控手段。在这种背景
随着社会经济的飞速发展和工业化进程的不断加快,能源短缺与环境污染问题日益严峻。冷热电联供型(Combined Cooling,Heating and Power,CCHP)微网是当下管理分布式电源以及实现多种能量分级利用的最好自治系统之一,受到广泛关注。随着综合能源的不断推进,综合需求响应(Integrated Demand Respond,IDR)顺应时代发展被提出。IDR全面考虑了用户侧多种能
空气间隙是高压交、直流输电线路重要的外绝缘形式,其放电电压是指导输变电工程外绝缘设计的重要参考依据。目前,放电试验仍然是获取间隙外绝缘特性的主要方式,但是试验研究存在成本高、周期长、分散性大等问题,针对试验研究存在的不足,通过建立仿真模型获取间隙放电电压逐渐成为高电压工程领域内的重要研究内容,仿真模型主要包括基于放电机理的物理模型和基于机器学习算法的数据预测模型。为了获取空气间隙的放电特性,本文分