-
公开(公告)号：CN112487473B
公开(公告)日：2024-06-07
申请号：CN202011252980.6
申请日：2020-11-11
Applicant: 东南大学
IPC: G06F21/62 , G06F16/9536
Abstract: 本发明公开了一种针对协同过滤中共谋推断攻击的差分隐私保护方法，包括如下步骤：根据用户相似性对用户进行分组，并根据分组结果为用户进行推荐，在此基础上，将强相似用户关联为整体用户，并为整体用户返回相同的推荐结果；在添加差分隐私噪声前进行敏感度计算，分析任意一个用户数据存在与否对于其他任意数据推荐结果的最大影响；对推荐功能性添加差分隐私噪声，并根据干扰的功能性为用户进行推荐。本发明关联可能进行共谋攻击的用户，并为之进行统一干扰，防止推断攻击，在此基础上降低差分隐私噪声大小，提升推荐准确性。
-
公开(公告)号：CN116582821A
公开(公告)日：2023-08-11
申请号：CN202310656858.2
申请日：2023-06-05
Applicant: 东南大学 , 江苏金恒信息科技股份有限公司
Abstract: 本发明公开了一种面向移动LoRa终端的可靠数据传输方法，首先通过一次通信确定LoRa终端与网关之间的通信距离，并根据通信距离选择传输能耗最小的参数；然后为保障传输可靠性，设计了LoRa终端移动情况下的终端信道选择方案；最后考虑到LoRa终端的移动情况，提出了利用移动LoRa网关提供可靠传输服务，设计了LoRa终端位置感知方法，在LoRa网关可移动的前提下，使LoRa网关可跟随LoRa终端移动，覆盖尽可能多的LoRa终端，使尽可能多的LoRa终端可以以更快的通信速率、更小的传输能耗进行通信，在保障可靠数据传输的同时，尽可能降低LoRa终端传输能耗，延长LoRa网络生命周期。
-
公开(公告)号：CN116339977A
公开(公告)日：2023-06-27
申请号：CN202310139513.X
申请日：2023-02-20
Applicant: 东南大学
Abstract: 本发明公开了一种用于算网融合环境中面向实时视频流应用的超分辨率推断加速方法，首先构建了基于多尺度特征提取的超分辨率神经网络模型，并在算网融合环境下合理部署多尺度特征提取模型，进而构建面向实时视频流应用的执行框架；然后采集算网融合环境中计算与网络资源的性能特征；结合超分辨率推断执行框架构建控制端到端时延的优化模型；最后提出推断加速决策算法，针对不同的实时视频流应用提出个性化的计算和传输控制方案，在端到端时延的限制条件下最小化应用执行时间，进而满足实时视频流应用高视频质量低延迟的需求。本发明解决了传统端云结构下的超分辨率推断模式无法同时满足实时视频流应用视频质量与实时性要求的问题。
-
公开(公告)号：CN116166336A
公开(公告)日：2023-05-26
申请号：CN202310136701.7
申请日：2023-02-20
Applicant: 东南大学
Abstract: 本发明公开了一种用于边缘计算环境中面向多视角推理应用的任务卸载方法，属于边缘计算和深度学习领域。本发明的核心逻辑包括：首先构建边缘环境下多视角推理任务的执行框架并合理划分和部署多视角推理模型；然后采集边缘计算环境中计算资源与通信资源的性能特征；接着结合边缘环境下多视角推理任务执行框架构建最小化任务完成时间的优化模型；最后提出多视角推理的任务卸载算法，最小化任务的执行时间，进而满足低时延的应用需求。本发明主要解决多视角推理任务特殊的执行模式导致在传统任务卸载方法下多视角推理任务执行中出现算力或带宽较强终端等待算力或带宽较弱终端的问题，以及其导致终端资源利用率低，多视角推理任务执行效率受限的问题。
-
公开(公告)号：CN110347500B
公开(公告)日：2023-05-23
申请号：CN201910525863.3
申请日：2019-06-18
Applicant: 东南大学
IPC: G06F9/50
Abstract: 本发明公开一种用于边缘计算环境中面向深度学习应用的任务卸载方法，首先将深度神经网络划分为若干个模型分块，采集系统中的相关数据并分析相应的特征；将得到的特征数据作为输入参数，建立M/M/n排队模型，得到终端设备层和边缘服务器层的平均任务数的期望，及任务在终端设备上开始执行以及将任务直接卸载到边缘服务器上开始执行的任务完成时间期望；以上述两个期望的最小最大值为目标函数，构建最小化任务执行时间的优化模型；使用启发式算法求解优化模型，得到最优卸载方案。此种方法能够实现针对不同的深度学习应用提出多模式，细粒度的个性化任务卸载方案，最小化任务完成时间，提高终端设备的资源利用率，从而满足高精度、低延迟的应用需求。
-
Patent Agency Ranking
公开(公告)号：CN115437795B
公开(公告)日：2023-03-24
申请号：CN202211386085.2
申请日：2022-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种异构GPU集群负载感知的显存重计算优化方法及系统，针对异构GPU集群环境下流水线训练显存需求，刻画出其训练执行过程中计算时间、GPU显存总量、显存占用等相应指标，并将其作为负载感知的显存重计算优化方法的输入，建立显存重计算优化模型,计算各GPU上显存负载百分比，确定所有阶段中显存负载最高的阶段，根据最小化显存开销算法进行重计算优化，保证各阶段负载均衡，提升整体吞吐率，本发明提出最小化负载最高阶段显存开销算法与平衡异构GPU各阶段开销算法，减少异构GPU集群环境下流水线训练的显存占用，同时最小化显存优化开销，更好地支持大模型的训练。
-
公开(公告)号：CN115638803A
公开(公告)日：2023-01-24
申请号：CN202211218557.3
申请日：2022-10-06
Applicant: 东南大学
IPC: G01C21/34
Abstract: 本发明公开了一种城市兴趣点敏感的个性化路径规划方法。本发明预先按照网格对城市区域进行划分，然后基于实际路网构造网格连通关系，将各个区域连接，建模成图。将路径规划问题建模成：规划一条最短路径，该路径从给定的起点出发，以用户指定的顺序访问多个不同兴趣点(Point Of Interest,POI)类型的位置，最终抵达用户给定的终点。路径规划求解分为三阶段：一是节点间距计算阶段，二是POI优先的贪心搜索阶段，三是基于距离上界的动态规划阶段。通过预处理的最短距离，基于动态规划算法思想，快速、准确地找到一条能够满足用户按序访问指定类型候选节点的需求的最短路径。
-
公开(公告)号：CN113361788B
公开(公告)日：2022-11-01
申请号：CN202110668528.6
申请日：2021-06-16
Applicant: 东南大学
IPC: G06Q10/04 , G06F16/9537
Abstract: 本发明公开了一种城市环境下面向多类型服务需求的路径规划方法。本发明预先按照网格划分城市区域，按照路径相通关系，将各个区域连接，建模成一张图。将路径规划问题建模成：在用户指定起点终点与所需的多种服务类型之后，在多类型节点图上的路径查找问题。路径规划求解分为两阶段：一是POI需求优先的反向标记，二是基于动态边界的正向搜索。通过正反两次搜索，快速找到一条能够满足用户按序访问指定类型地点的需求的路径。
-
公开(公告)号：CN114090527A
公开(公告)日：2022-02-25
申请号：CN202111385288.5
申请日：2021-11-22
Applicant: 东南大学
IPC: G06F16/176 , G06F16/182 , G06F21/60 , G06F21/62 , G06F21/64
Abstract: 本发明公开了一种基于联盟区块链和IPFS的工业物联网跨域数据共享方法，方案为：域中心服务器生成用于该管理域内的椭圆曲线加密公共参数，并为域内的工业物联网设备分配公私密钥对；工业物联网设备将数据传输给域中心服务器，域中心服务器对数据执行对称加密算法，将加密数据存储于IPFS中，随后将IPFS返回的数据内容标识存储于联盟区块链中；其他域的工业物联网设备可以对数据发出共享访问请求，并对请求进行签名，发送给所处域内的域中心服务器，经过签名验证后，联盟区块链通过智能合约验证其权限，域中心服务器进而可以得到数据对应的对称密钥；域中心服务器从IPFS中检索得到加密数据，并利用对称密钥解密数据，最终将数据返回给请求设备。
-
公开(公告)号：CN113325403A
公开(公告)日：2021-08-31
申请号：CN202110583572.7
申请日：2021-05-27
Applicant: 东南大学
Abstract: 本发明公开了无人系统集群中基于超宽频技术的集群测距方法，本发明逻辑上主要包括五个部分，分别是网络协议框架设计、测距消息生成和测距信息更新、高动态集群自适应改进、测距消息丢失与测距周期不匹配处理、高密集集群自适应改进。本发明首先设计了简洁的协议框架，使得测距的每一边只需要周期的发送测距消息而不是收到消息后立刻回复消息。然后设计了测距消息的数据包的报文结构，同时根据测距消息数据包设计了测距信息的更新方法、距离计算方法。随后，根据更新后的测距消息中的数据，将测距过程设计为根据速度和距离自适应。最终实现了同时支持无线测距和数据传输而在密集且动态的集群中应用超宽频技术的方法。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.043 seconds)
