DGA

摘要： 针对敏感词Trie树中敏感词节点重复存储、敏感词变形体识别效率不高的问题,提出了一种基于有向图和DFA的敏感词过滤算法DG-DGA。算法通过有向图存储敏感词库中的敏感词及敏感词间的关系,对待检测文本和敏感词通过汉明距离进行读音相似度计算,设置相似度参数来匹配敏感词,识别读音相近的变形体。实验表明:在全模式匹配下,DGDGA算法的检测时间约为DFA算法的1/6,且待检测文本数量越大,检测效率越高。结论:在不同敏感词阈值下,DG-DGA算法能较好地识别出读音相似敏感词。

摘要： 为研究酯类绝缘油在变压器故障条件下的产气特性,通过选取3种酯类绝缘油包括单酯、天然酯、合成酯绝缘油,分析其在模拟低能放电条件下的产气特性。结果表明:酯类绝缘油在低能放电条件下,氢气的产出比例较高,乙炔的产出量远低于矿物绝缘油的乙炔产出量,尤其是合成酯的乙炔产出量最低。单酯及天然酯绝缘油的低能放电可通过三比值法、大卫三角形法及大卫五边形法判定,合成酯的低能放电可用大卫三角法进行判定。

摘要： 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。

摘要： 基于油中溶解气体分析(Dissolved Gas Analysis,DGA)的变压器故障诊断能够指导电网运维人员制定合理的检修计划。在电力物联网建设不断加快的背景下,势必对变压器状态监测提出更高的要求。文章梳理了变压器常见故障类型,阐述了变压器故障诊断技术的发展,分析了人工智能技术、光谱技术在变压器故障诊断中的应用,继而指出变压器故障诊断方法需要解决的几个问题,这对进一步提高变压器运行可靠性具有重要意义。

摘要： 电力运行离不开变压器,一旦变压器发生故障将造成难以估量的损失,而传统的变压器故障诊断方法在准确率存在方面不足,因此文章提出一种基于灰狼算法优化支持向量机(GWO-SVM)模型。该方法通过支持向量机(SVM)对故障数据进行分类,并用灰狼算法(GWO)对SVM的核参数g以及惩罚因子C进行优化,通过不断训练GWO-SVM使其故障诊断精度提高。文章分别对比了标准SVM和粒子群优化后的SVM(PSO-SVM)模型,经比较GWO-SVM模型精度比标准SVM模型高7.5%,比PSO-SVM模型高2.5%,证明GWO-SVM模型具有可行性。

摘要： 针对使用域名生成算法(DGA)产生的恶意域名隐蔽性强,传统机器学习检测算法提取特征复杂等问题,提出了基于N-gram和Transformer的恶意域名检测方法。对域名数据添加首尾标志位,使用N-gram算法分割成词组元素后转换为向量输入Transformer模型。该模型能够有效的提取域名的字母组合特征,并且捕捉到域名中字母的位置信息,如域名中的首部和尾部字符、字母间的位置关系等特征,从而更准确的识别恶意域名。实验中使用Alexa的合法域名和360安全实验室采集的恶意域名作为数据样本,使用N-gram算法处理二级域名字符串,并与基于机器学习和深度学习的分类算法进行对比,实验结果表明该算法对DGA域名检测准确率达96.04%,能够有效、准确地识别出恶意域名。

摘要： 针对集成学习参数众多,缺乏高效准确的参数寻优方法的问题,文章提出了基于贝叶斯优化随机森林(RF)的变压器故障诊断方法.该方法采用了多个决策树构成RF故障诊断模型,然后将高斯过程(GP)作为概率代理模型、提升策略(PI)作为采集函数,构建贝叶斯优化(B0)算法,进行RF模型参数寻优.此外,还对支持向量机(SVM)和K最近邻(KNN)两种模型进行贝叶斯优化并对比.在RF模型上,将贝叶斯优化与随机搜索优化进行性能对比.实验结果表明:RF模型经贝叶斯参数寻优后,诊断准确率有明显提高;与随机搜索优化方法相比,贝叶斯优化搜索的模型参数更优,寻优效率更高.

摘要： 在油中溶解气体的分析方法的研究中,不同故障类型下,各气体所体现的故障特征存在细微的区别.依次对不同故障的数据提取特征,能够补充和完善变压器故障特征的表征.数据集包括5种气体含量比值和三比值数集,将其拆分为6种不同故障类型的子集,利用核主元分析每一种故障类型的主元特征量,综合所有故障特征量,通过哈里斯鹰搜索算法,优化SVM模型进行故障识别验证,准确率为94.1％.实例结果表明,该方法保留了不同的故障类型的特征差异,提升了特征样本集的可分性.

摘要： 本文提出FProbe的是一种旨在通过利用共现矩阵和宽松关联规则的检测隐蔽DGA的技术,不但具有基于行为检测的鲁棒性,还具有在低查询率多域名访问的场景下的检测能力.我们利用一种简单的直觉,即DGA查询在时间特征和空间特征方面具有很强的关联性.FProbe利用产品推荐领域和词频共现领域中普遍使用的共现矩阵,进一步使用图卷积的监督方法来聚类受感染的主机,特别是通过该矩阵,我们可以在低查询率的域名请求场景中快速有效地定位被感染的主机,而不是因其低阈值而丢弃该域名,然后我们使用频繁序列树的宽松关联规则对关联域名进行聚类,并使用监督学习用于确定恶意的聚类簇.FProbe在校园网络(峰值负载小时内有4000位活跃用户)中进行了评估,实验结果(准确度为98.4％,平均误报率为0.18％)说明了效率和FProbe的准确性.

摘要： 针对现有的利用经验判断变压器故障准确率过低的问题,提出一种基于BO-CatBoost算法的模型进行变压器故障诊断.根据油中溶解气体分析(DGA)数据,结合编码比值方法构建11个新的变压器故障特征,并对所有特征进行标准化处理;将标准化后的特征作为CatBoost故障诊断模型的输入.所采用的贝叶斯优化算法能充分利用历史调参信息对模型中的多个超参数进行寻优,避免陷入局部最优.仿真结果表明:在引入了贝叶斯参数寻优后,CatBoost算法的诊断准确率提高到了92.93％,优于贝叶斯优化支持向量机和随机森林模型,该方法在变压器故障诊断中有良好的应用前景.

摘要： 针对目前基于DGA方法的变压器故障诊断系统中存在的模型单一化、自适应能力差及容易出现误诊断和漏诊断的问题，本文在对现有智能故障诊断系统和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压DGA智能故障诊断系统协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器DGA智能故障诊断协作过程，设计了多专家Agent投票诊断算法及基于黑板的资源竞争算法。最后通过应用实例表明了基于多Agent系统的变压器DGA智能故障诊断系统的可行性和有效性。

摘要： 针对目前基于DGA方法的变压器故障诊断系统中存在的模型单一化、自适应能力差及容易出现误诊断和漏诊断的问题，本文在对现有智能故障诊断系统和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压DGA智能故障诊断系统协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器DGA智能故障诊断协作过程，设计了多专家Agent投票诊断算法及基于黑板的资源竞争算法。最后通过应用实例表明了基于多Agent系统的变压器DGA智能故障诊断系统的可行性和有效性。

摘要： 针对目前基于DGA方法的变压器故障诊断系统中存在的模型单一化、自适应能力差及容易出现误诊断和漏诊断的问题，本文在对现有智能故障诊断系统和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压DGA智能故障诊断系统协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器DGA智能故障诊断协作过程，设计了多专家Agent投票诊断算法及基于黑板的资源竞争算法。最后通过应用实例表明了基于多Agent系统的变压器DGA智能故障诊断系统的可行性和有效性。

摘要： 针对目前基于DGA方法的变压器故障诊断系统中存在的模型单一化、自适应能力差及容易出现误诊断和漏诊断的问题，本文在对现有智能故障诊断系统和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压DGA智能故障诊断系统协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器DGA智能故障诊断协作过程，设计了多专家Agent投票诊断算法及基于黑板的资源竞争算法。最后通过应用实例表明了基于多Agent系统的变压器DGA智能故障诊断系统的可行性和有效性。

摘要： 针对目前基于DGA方法的变压器故障诊断系统中存在的模型单一化、自适应能力差及容易出现误诊断和漏诊断的问题，本文在对现有智能故障诊断系统和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压DGA智能故障诊断系统协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器DGA智能故障诊断协作过程，设计了多专家Agent投票诊断算法及基于黑板的资源竞争算法。最后通过应用实例表明了基于多Agent系统的变压器DGA智能故障诊断系统的可行性和有效性。

摘要： 油中溶解气体分析（DGA）能够在无需停电的情况下检测诊断油浸电力设备的绝缘状况，而且不受电磁场干扰，已被认为是监测和诊断油浸电力变压器早期故障、预防灾难性事故的最好方法之一。基于油中气体含量与故障结果的统计规律国内外学者总结出了一些行之有效的比值方法，本文对改良电协研法、IEC三比值法、Dornenburg判断法、德国四比值法、HAE三角图法、简化Duval法和TD图法等七种法进行了分析和比较，总结出了各种方法的优缺点，并针对缺点提出了相应的改进方法和维修建议。

摘要： 油中溶解气体分析（DGA）能够在无需停电的情况下检测诊断油浸电力设备的绝缘状况，而且不受电磁场干扰，已被认为是监测和诊断油浸电力变压器早期故障、预防灾难性事故的最好方法之一。基于油中气体含量与故障结果的统计规律国内外学者总结出了一些行之有效的比值方法，本文对改良电协研法、IEC三比值法、Dornenburg判断法、德国四比值法、HAE三角图法、简化Duval法和TD图法等七种法进行了分析和比较，总结出了各种方法的优缺点，并针对缺点提出了相应的改进方法和维修建议。

摘要： 油中溶解气体分析（DGA）能够在无需停电的情况下检测诊断油浸电力设备的绝缘状况，而且不受电磁场干扰，已被认为是监测和诊断油浸电力变压器早期故障、预防灾难性事故的最好方法之一。基于油中气体含量与故障结果的统计规律国内外学者总结出了一些行之有效的比值方法，本文对改良电协研法、IEC三比值法、Dornenburg判断法、德国四比值法、HAE三角图法、简化Duval法和TD图法等七种法进行了分析和比较，总结出了各种方法的优缺点，并针对缺点提出了相应的改进方法和维修建议。

摘要： 油中溶解气体分析（DGA）能够在无需停电的情况下检测诊断油浸电力设备的绝缘状况，而且不受电磁场干扰，已被认为是监测和诊断油浸电力变压器早期故障、预防灾难性事故的最好方法之一。基于油中气体含量与故障结果的统计规律国内外学者总结出了一些行之有效的比值方法，本文对改良电协研法、IEC三比值法、Dornenburg判断法、德国四比值法、HAE三角图法、简化Duval法和TD图法等七种法进行了分析和比较，总结出了各种方法的优缺点，并针对缺点提出了相应的改进方法和维修建议。

摘要： 油中溶解气体分析（DGA）能够在无需停电的情况下检测诊断油浸电力设备的绝缘状况，而且不受电磁场干扰，已被认为是监测和诊断油浸电力变压器早期故障、预防灾难性事故的最好方法之一。基于油中气体含量与故障结果的统计规律国内外学者总结出了一些行之有效的比值方法，本文对改良电协研法、IEC三比值法、Dornenburg判断法、德国四比值法、HAE三角图法、简化Duval法和TD图法等七种法进行了分析和比较，总结出了各种方法的优缺点，并针对缺点提出了相应的改进方法和维修建议。

摘要： DGA1催化在酵母中将酰基‑CoA和1,2‑二酰基甘油转化成三酰甘油(TAG)和CoA的最终酶步骤。公开了在产油酵母宿主中表达编码来自圆红冬孢酵母、斯达油脂酵母、裂殖壶菌、土曲霉或麦角菌的DGA1的多核苷酸序列的方法。本文还描述了解脂耶氏酵母的改造的重组宿主细胞，其包含编码DGA1蛋白的异源DGA1多核苷酸或其功能活性部分，具有产生增加的脂质产量的能力并具有提高的葡萄糖消耗效率的特征。

摘要： 本发明涉及一种DGA域名检测模型训练方法、DGA域名检测方法、装置及存储介质，该模型训练方法包括：步骤S1，获取多个域名样本的域名信息；步骤S2，对于所述多个域名样本中的DGA域名和非DGA域名，分别根据所述域名信息中的至少一部分信息来训练用于特征提取的循环神经网络；并且，计算所述DGA域名对应的所述循环神经网络的输出与所述非DGA域名对应的所述循环神经网络的输出的比值，作为所述域名信息中的至少一部分信息的特征；步骤S3，将所述特征输入到一个分类器中进行训练，以得到DGA域名分类器，以便利用训练好的该DGA域名分类器来判断待检测域名是否来自于域名生成算法DGA。

摘要： 本发明涉及二酰基甘油酰基转移酶(DGA1)多核苷酸，和通过异源DGA1的超量表达增加酵母细胞脂质生产的方法。DGA1催化在酵母中将酰基‑CoA和1,2‑二酰基甘油转化成三酰甘油(TAG)和CoA的最终酶步骤。公开了在产油酵母宿主中表达编码来自圆红冬孢酵母、斯达油脂酵母、裂殖壶菌、土曲霉或麦角菌的DGA1的多核苷酸序列的方法。本文还描述了解脂耶氏酵母的改造的重组宿主细胞，其包含编码DGA1蛋白的异源DGA1多核苷酸或其功能活性部分，具有产生增加的脂质产量的能力并具有提高的葡萄糖消耗效率的特征。

摘要： DGA1催化在酵母中将酰基‑CoA和1,2‑二酰基甘油转化成三酰甘油(TAG)和CoA的最终酶步骤。公开了在产油酵母宿主中表达编码来自圆红冬孢酵母、斯达油脂酵母、裂殖壶菌、土曲霉或麦角菌的DGA1的多核苷酸序列的方法。本文还描述了解脂耶氏酵母的改造的重组宿主细胞，其包含编码DGA1蛋白的异源DGA1多核苷酸或其功能活性部分，具有产生增加的脂质产量的能力并具有提高的葡萄糖消耗效率的特征。

摘要： 本发明提出一种变压器DGA在线监测数据的处理方法，根据传回数据的特征，将在线数据等效为时间序列；第一阶段引入滑动窗口算法的思想，提出一种改进的序列分段线性化算法，将序列数据划分为若干由斜率与跨度表征的线段，再使用基于改进的K‑means聚类将在线监测数据符号化，最后使用APRIORI算法挖掘DGA中不同指标之间的关联性，并以此发掘其中存在的异常数值；第二阶段，根据筛除的异常数值采样点，使用改进的粒子群优化的支持向量回归算法，保障算法的求解速度与求解多样性，优化支持向量回归算法中的关键参数对这些采样点进行修复，以此完成变压器在线DGA监测数据的处理。

摘要： 本发明公开了一种对抗训练DGA域名检测模型的方法及装置，包括获取DNS流量样本数据，并提取获得域名文件；基于预先构造的分词词典对域名文件中的各域名进行分割，并根据分割结果构建编码向量文件；通过预先训练的词向量模型确定编码向量文件的各域名的训练词向量集，以及利用生成模型生成DGA域名的模拟词向量；基于训练词向量集中的词向量和所生成的模拟词向量训练判别模型和生成模型。在按照本公开的方法进行训练后，能够生成低随机性的DAG域名，而无需收集恶意样本。并且基于所生成的低随机性的DAG域名训练的判别模型，能够有效地检测出由DGA算法产生的低随机性DGA域名，从根源处遏制网络攻击的发生。

摘要： 本发明公开了一种基于子词分割的DGA检测模型训练方法、检测方法及装置，包括获取样本流量数据，并提取各条样本流量数据对应的主域名和顶级域名，以形成第一域名文件；对第一域名文件中的各域名进行分割，以获得包含各域名输入序列片段的片段文件；基于片段文件中整词和/或子词的出现频率构建向量映射字典；利用向量映射词典对各域名的输入序列片段进行编码，以获得相应的编码向量；为各编码向量添加训练标签，以作为训练数据对DGA检测模型进行训练。本公开的方法构建的编码向量考虑了域名的组成结构以及词间顺序，通过生成的句子编码向量对域名进行分类，能够准确地检测出低随机性的DGA家族和基于字典的DGA家族。

摘要： 本发明公开一种基于密度改善不平衡样本的DGA域名检测方法，包括步骤一、基于统计的规律特征提取特征向量，得到DGA样本向量集，步骤二、使用基于密度聚类的欠采样算法对DGA样本向量集进行精减优化，通过删除非核心样本保留核心样本，得到精减DGA样本向量集，步骤三、将精减DGA样本向量集导入XGBoost算法中进行训练并完成域名样本的检测；本发明利用密度聚类改善各个DGA家族样本数量的不平衡状态以提升分类算法性能，将核心样本保留，删除非核心样本，减少所需的训练样本数量，大大缩短了模型的训练时间，提高模型训练质量，提升DGA分类检测性能。

摘要： 本发明提供一种DGA域名检测方法及系统，包括：获取源IP地址在预设时间窗口内的域名查询序列；将所述域名查询序列输入至预先训练好的域名检测模型中，得到所述域名查询序列中每个域名的检测结果；其中，所述域名检测模型是基于自适应增量学习算法和端到端域名序列标注算法，对Transformer特征提取器进行训练所得到的。本发明通过基于域名文本分析和基于行为的两类检测方法，以域名序列而不是单个域名作为处理单元，引入自然语言处理领域的特征提取器Transformer，并将其改造成适合于DGA域名检测的动态的、可增量式训练的、端到端的检测器，实现了增量式的迭代模型，具有流程简单、周期短和易于部署的优点。

摘要： 本发明公开基于GAN压缩算法的DGA域名威胁检测系统及其训练方法，通过生成对抗网络GAN生成对抗域名，生成对抗网络GAN中的生成器网络和判别器网络一起训练，相互博弈，使得生成的对抗域名可以很好地模拟低随机性的热门域名，对抗域名是算法生成的且随机性低，可视为低随机性的DGA域名，将其添加到训练样本集中可提升训练样本集的丰富度，有效提高了低随机性DGA域名的检测召回率。