龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：太原理工大学
申请日：2024-03-19
公开（公告）日：2024-06-21
公开（公告）号：CN118227086A
主分类号：G06F7/58
分类号：G06F7/58;G06N20/00;G06N3/082
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明属于随机数监测技术领域，解决了大型深度学习模型难以直接部署到随机数产生设备上进行实时最小熵评估且外界环境的变化和恶意攻击等会引起随机数发生器特性的改变导致评估不准确的问题。提供了一种基于深度学习的随机数发生器实时故障监测系统及方法，统计检测模块用于对来自随机数发生器的实时随机数进行统计学检测；评估模型训练模块用于训练一个用于最小熵评估的轻量化模型；随机数发生器用于产生随机数；实时随机数故障监测模块用于对未来随机数进行预测，根据预测结果计算最小熵，并根据最小熵判断随机数发生器是否发生故障。本发明可以部署在仅支持整数运算的边缘低算力设备上，并且可以检测熵源的变化更新评估模型。
主权项：1.一种基于深度学习的随机数发生器实时故障监测系统，其特征在于：包括离线检测训练单元和在线随机数发生器监测单元；离线检测训练单元包括统计检测模块和评估模型训练模块；统计检测模块用于对来自随机数发生器的长度为X的实时随机数进行统计学检测，根据实时随机数与上一个长度为X的历史随机数之间的参数变化值判断是否需要对原先的评估模型训练模块进行重新训练；评估模型训练模块用于训练一个用于实时最小熵评估的轻量化模型；经预处理后的历史随机数数据分为训练集、验证集和测试集作为评估模型训练模块的输入，经评估模型训练模块的大模型训练模块、知识蒸馏小模型训练模块、小模型剪枝模块和小模型整数量化模块进行训练，得到用于最小熵评估的轻量化模型；在线随机数发生器监测单元包括随机数发生器和实时随机数故障监测模块；随机数发生器用于产生随机数；实时随机数故障监测模块内置有训练好的用于最小熵评估的轻量化模型，用于实时采集来自随机数发生器的随机数数据进行n次预测，根据预测结果计算最小熵，并根据最小熵判断随机数发生器是否发生故障。
全文数据：
权利要求：
百度查询： 太原理工大学 基于深度学习的随机数发生器实时故障监测系统及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号