公开(公告)号：CN119277319A

公开(公告)日：2025-01-07

申请号：CN202411313502.X

申请日：2024-09-20

Applicant: 南京邮电大学

Inventor： 吴天宇 ,  代陈 ,  孙国梓 ,  左益平

IPC: H04W4/029 ,  H04B7/04 ,  H04B7/06 ,  H04B7/08 ,  G06N3/092

Abstract: 本发明公开了一种基于RIS辅助无人机网络的通感一体系统和方法，该系统包括UAV、MBS模块、用户通信关联解耦模块和RIS模块。将RIS智能反射面和无人机网络应用到通感一体化系统中。考虑到系统中的不同服务需求，将流程分为通信部分和感知部分。并根据该系统的需求设计一种深度强化学习算法来控制系统中的UAV飞行轨迹、基站波束成形、用户关联分配和RIS相移，使得通感一体化系统中通信和感知性能达到最优。本发明在保留原有通感一体化系统的所有功能的同时，引入了RIS和无人机网络对系统进行辅助，使用了交替迭代优化方法和深度强化学习算法实现各个资源的调度与决策。与以往的系统相比，提供了额外的信道增益，提高了通信感知资源的分配效率。

公开(公告)号：CN119918050A

公开(公告)日：2025-05-02

申请号：CN202510014066.4

申请日：2025-01-06

Applicant: 南京邮电大学

Inventor： 李德强 ,  秦智宇 ,  沙乐天 ,  李千目 ,  徐佳 ,  代陈

IPC: G06F21/56 ,  G06F18/213 ,  G06F18/2415 ,  G06N3/0499 ,  G06N3/094

Abstract: 本发明涉及恶意程序检测技术领域，具体提供了一种基于全域散列的神经网络鲁棒性认证方法，通过基于全域散列(Universa l Hashi ng)对深度神经网络的离散输入进行随机变化，从而实现鲁棒性可认证的防御方法。首先，输入软件样本，通过特征提取算法提取软件的离散特征并进行特征预处理。然后，随机选取全域散列函数构建输入变换层，并将变换层融入神经网络模型。其次，在训练集上対全域散列变换的神经网络模型训练；再次，构建基于全域散列变换的神经网络模型预测。最后，面向恶意软件的神经网络鲁棒边界计算。该方法能从理论上支撑恶意软件检测的鲁棒性水平。

公开(公告)号：CN119450580A

公开(公告)日：2025-02-14

申请号：CN202411599784.4

申请日：2024-11-11

Applicant: 南京邮电大学

Inventor： 左益平 ,  肖甫 ,  代陈 ,  王一鸣 ,  蔡惠 ,  郭政鑫

IPC: H04W28/08 ,  H04W24/02

Abstract: 本发明属于无线通信技术领域，公开了一种流体天线辅助的通信感知计算一体化(ISCC)方法，将终端的通信和感知任务卸载至基站端的移动边缘计算(MEC)服务器，利用服务器强大的计算能力，构建一种高效的ISCC系统；集成流体天线到基站端，提出一种流体天线辅助的ISCC系统，并且建立流体天线辅助的通信和感知模型；计算通信及感知任务的时延，构建时延优化问题，通过优化流体天线位置来最小化系统的总时延。本发明充分利用流体天线的灵活性，动态地调整基站端天线位置，从而适应和优化信道条件，实现终端与基站之间高效、低时延的通信、感知与计算。

公开(公告)号：CN118395438A

公开(公告)日：2024-07-26

申请号：CN202410606319.2

申请日：2024-05-16

Applicant: 南京邮电大学

Inventor： 李德强 ,  曹建宇 ,  任新一 ,  杜哲凯 ,  徐佳 ,  代陈

IPC: G06F21/56 ,  G06F18/214 ,  G06F18/24 ,  G06N5/01 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及对抗机器学习、网络空间安全技术领域，尤其涉及基于哈希变换的恶意软件深度学习检测鲁棒性增强方法。步骤如下：S1：输入一个软件样本，通过特征提取算法提取样本特征；S2：针对特征提取，采用哈希变换输入，构建哈希层；S3：基于哈希层的神经网络建模。本发明提供的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，采用原恶意软件检测器中特征提取方法对恶意软件进行特征提取；然后针对特征类型设计局部敏感的哈希技术，其次建立基于哈希层的神经网络模型；基于哈希层的神经网络训练，构造分类损失函数与样本特征重建损失函数在训练集上学习模型参数；进而检测恶意软件及其对抗样本，从而显著增强了恶意软件检测的安全保障水平。