公开(公告)号：CN118535283A

公开(公告)日：2024-08-23

申请号：CN202410622794.9

申请日：2024-05-20

Applicant: 南京邮电大学

Inventor： 刘尚东 ,  梁伟 ,  季一木 ,  纪宗凯 ,  陶沛然 ,  张俊杰 ,  孙朕 ,  张嘉铭

IPC: G06F9/455 ,  G06F21/57

Abstract: 本发明属于计算机安全和网络安全技术领域，具体提出了一种基于内核调用构建进程行为树的电力系统容器逃逸识别方法，包括：识别宿主机上的初始容器节点，并组织这些节点构建逃逸侦测树；监控和预处理宿主机的审计日志，提取容器进程行为特征，并基于进程行为特征构建行为特征观测链；连续监控新进程的创建，搜索进程特征链，并将新进程溯源至逃逸侦测树上的容器节点，构建完善后的容器逃逸侦测树；根据完善后的容器逃逸侦测树判断进程是否发生逃逸现象。本发明通过各模块作用构建并完善容器逃逸侦测树，并基于容器逃逸侦测树判决是否发生直接逃逸或级联逃逸现象，能够有效识别容器各类逃逸行为。

公开(公告)号：CN118820777A

公开(公告)日：2024-10-22

申请号：CN202410784584.X

申请日：2024-06-18

Applicant: 南京邮电大学

Inventor： 刘尚东 ,  张俊杰 ,  季一木 ,  张嘉铭 ,  梁伟 ,  孙朕 ,  张欣同 ,  贺文萱 ,  韩红新

IPC: G06F18/214 ,  G06F18/22 ,  G06N3/0475 ,  G06N3/045

Abstract: 本发明公开一种物联网网络流量数据增强方法，属于不平衡数据集数据增强领域；首先，采集物联网网络流量数据包，提取关键特征字段，进行预处理，并划分为训练集和测试集；采用高斯分布的SMOTE算法对训练集中的少数类样本进行初步过采样；接着引入降噪自编码器DAE，生成接近真实数据分布的少数类样本，传入鉴别器中进行质量评估，迭代优化直至鉴别器难以区分真实样本与生成样本，合并生成样本和真实样本，形成数据增强后的数据集；旨在解决物联网网络流量的类不平衡问题，本发明在增加数据集的类平衡性的同时优化生成数据的质量。

公开(公告)号：CN118523937A

公开(公告)日：2024-08-20

申请号：CN202410645345.6

申请日：2024-05-23

Applicant: 南京邮电大学

Inventor： 季一木 ,  孙朕 ,  李玲娟 ,  刘尚东 ,  梁伟 ,  张俊杰 ,  陶昌民 ,  王文韬 ,  夏浩然 ,  聂一君 ,  张守慧 ,  袁晨

IPC: H04L9/40 ,  G06F16/215

Abstract: 本发明公开了一种基于历史置信度和攻破概率的拟态异步裁决方法，涉及网络安全技术领域，设计了一致数据计算模块、可信度计算模块和裁决判定模块等来实现拟态防御中的裁决方法，首先一致数据计算模块接受各个执行体输出的结果并对数据分类，形成多个一致数据集，然后裁决判定模块判断是否存在可信度达判定阈值的一致数据集，并输出该一致数据集的平均值作为最终结果，最后通过可信度计算模块对执行体集中的异构体进行可信度更新，清洗下线低于阈值的异构体，再从等待队列中选取新的异构体加入执行体集。本方法不仅可以减少脆弱的执行体输出结果对裁决的影响，还缩短了裁决输出的平均等待时间，从而多方面提高电力系统的运行效率。

公开(公告)号：CN117149434A

公开(公告)日：2023-12-01

申请号：CN202311194533.3

申请日：2023-09-14

Applicant: 南京邮电大学

Inventor： 季一木 ,  邱华杰 ,  李玲娟 ,  刘尚东 ,  黄昕 ,  梁伟 ,  孙朕

IPC: G06F9/50 ,  G06N3/045 ,  G06N3/084 ,  G06N3/098 ,  G06N7/01

Abstract: 本发明提供一种基于双重延迟深度确定性策略梯度算法的多无人机辅助计算迁移方法，通过建立三层多无人机辅助的MEC计算卸载系统；使用时延与能耗作为度量网络性能的两个核心指标，构建多无人机辅助MEC系统WD计算卸载模型的优化问题；将计算卸载模型的优化问题解释为多智能体的马尔可夫决策过程；定义状态空间、动作空间和奖励函数；基于双重延迟深度确定性策略梯度算法与云边协同，对计算卸载模型进行分阶段模型训练，得到训练后的计算卸载模型；得到无人机在高维连续动作空间中最佳卸载决策；该方法收敛速度快，能够有效降低计算时延和能耗，能够使无人机在高维连续动作空间中更快地得到最佳卸载决策。

公开(公告)号：CN117112207A

公开(公告)日：2023-11-24

申请号：CN202311037605.3

申请日：2023-08-17

Applicant: 南京邮电大学

Inventor： 季一木 ,  黄昕 ,  刘尚东 ,  邱华杰 ,  梁伟 ,  孙朕 ,  张骋

IPC: G06F9/50 ,  G06N3/006 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/084 ,  H04W28/084 ,  H04W28/08

Abstract: 本发明公开了一种基于深度强化学习的混合资源调度方法，属于计算机技术领域；该方法包括以下步骤：构建马尔可夫决策过程的数学框架；构建深度强化学习模型；深度强化学习模型包括评价网络和目标网络；对构建的深度强化学习模型进行训练；利用深度强化学习模型获得初始化粒子群；采用分层学习划分粒子群，并计算粒子群的粒子适应值；对粒子群进行更新，位于低层的粒子随机选取高层的粒子作为参考进行速度及位置的更新，从而得到全局最优解即最优的资源调度方案。本发明通过将深度强化学习模型、分层学习的策略以及粒子群算法相结合，提高算法收敛速度的同时降低边缘服务器能耗；提高边缘服务器资源利用效率和服务器运算性能、减少能源消耗。