-
公开(公告)号：CN111866869B
公开(公告)日：2023-06-23
申请号：CN202010645474.7
申请日：2020-07-07
Applicant: 兰州交通大学
IPC: G06F16/587 , H04W12/02 , H04W16/22 , H04W64/00
Abstract: 本发明提出了一种面向边缘计算的联邦学习室内定位隐私保护方法，该方法基于联邦学习和差分隐私保护技术，在边缘计算环境下进行室内定位模型的可信联邦训练，训练过程中各参与用户不共享训练数据，只通过共享定位模型参数进行室内定位模型的分布式训练和可信聚合，同时，通过端云协同的迭代方式更新模型参数，不断优化室内定位模型，实现多用户定位模型训练的隐私保护和协同获益。实验结果表明，与传统集中式的模型训练方法和基于联邦学习的模型训练方法相比，本发明不仅能提供可证明的隐私保护，而且在增加极小计算开销的情况下保证了模型的定位效果。
-
公开(公告)号：CN111988845A
公开(公告)日：2020-11-24
申请号：CN202010915760.0
申请日：2020-09-03
Applicant: 兰州交通大学
Abstract: 一种边缘计算架构下的差分私有多源无线信号指纹融合室内定位方法，其为：(1)边缘设备将自己拥有的信息强度RSS数据经添加拉普拉斯噪声后随机发送到附近边缘节点；(2)边缘节点接收到RSS数据后，将相同位置收集到的WiFi和蓝牙的RSS数据进行聚合，并对其进行统一标定后发送给边缘服务器；(3)边缘服务器将接收到的噪声标记和未标记样本整合在一起，并利用图拉普拉斯流行约束对WiFi和BLE的RSS数据进行差分隐私保护的特征融合，并将所有经过隐私保护处理后的数据集发送到云服务器；(4)云服务器拟合学习参数，进行满足差分私有的机器学习模型训练，生成安全可信的室内定位模型。本发明不仅能够提供可证明的隐私保护，而且可以保证较高的定位精度和较少的资源消耗。
-
公开(公告)号：CN119094104A
公开(公告)日：2024-12-06
申请号：CN202411280025.1
申请日：2024-09-12
Applicant: 兰州交通大学
Abstract: 本发明公开了基于环签密的区块链辅助条件隐私保护方法及系统，属于区块链技术领域，包括：通过在由信任授权TA、路边单元RSU和配备OBU的车辆组成的车载网络中嵌入第一区块链和第二区块链，对车载网络进行保护，其中，第一区块链用于存储车辆用户的身份和公钥信息，当车辆做出恶意行为后，TA将恶意行为车辆从第一区块链中撤销并存储到第二区块链中。本发明通过区块链可以用来维护车辆通信的安全性和数据完整性，通过将交通数据存储在区块链上，可以确保数据不被篡改或伪造，有助于防止虚假信息的传播，增加车辆通信的可信性，从而减少虚假和恶意车辆的威胁。
-
公开(公告)号：CN118764960A
公开(公告)日：2024-10-11
申请号：CN202410922946.7
申请日：2024-07-10
Applicant: 兰州交通大学
IPC: H04W72/0446 , H04W72/25 , H04W72/30 , H04W72/542 , H04B7/04 , H04B7/0413 , H04B17/336 , H04B17/391
Abstract: 本发明公开一种信号传输方法、系统、设备及存储介质，涉及无线通信技术领域，上行传输网络包括一个基站、一个配备N个反射元件的RIS、近端用户和远端用户、以及协助远端用户与基站建立传输链路的DF中继R；在第一个时隙期间，将近端用户保持沉默，远端用户广播信号，基站通过RIS链路接收远端用户发来的信号；R通过直连链路接收远端用户广播的信号；对第一时隙期间基站通过RIS链路接收到的远端用户发来的信号进行解码；若解码成功，则R在第二个时隙保持沉默，基站只接收近端用户在第二个时隙发射的信号；若无法成功解码，则在第二个时隙基站接收通过R发送过来的远端用户信号；提高了网络传输的可靠性以及网络的频谱利用效率。
-
-
Patent Agency Ranking
公开(公告)号：CN115829063A
公开(公告)日：2023-03-21
申请号：CN202211559932.0
申请日：2022-12-07
Applicant: 兰州交通大学
IPC: G06N20/20 , G06F21/62 , G06F18/214 , G06V10/774 , G06V10/26
Abstract: 一种基于动态隐私预算的无线定位差分隐私联邦学习方法，包括：(1)终端设备对从室内获取到的RSS指纹数据集数据预处理和差分扰动，将扰动后的RSS数据发送至邻近的边缘服务器；(2)边缘服务器对接受到的RSS指纹数据进行聚合并利用这些聚合数据进行本地定位子模型训练，在每轮迭代过程中，利用RDP技术进行动态隐私预算分配后，将处理好的本地子模型参数上传给云服务器；(3)接收各边缘服务器共享的子模型参数，利用联邦平均优化算法更新全局共享模型参数，并将更新后的模型参数下发给各边缘服务器进行下一轮迭代训练，直至获得最优的训练模型。本发明在保护用户的数据隐私与模型的参数隐私的同时，可获得较高精度的室内定位模型及较低的响应时延。
-
公开(公告)号：CN114970833A
公开(公告)日：2022-08-30
申请号：CN202210709776.5
申请日：2022-06-22
Applicant: 兰州交通大学
Abstract: 一种基于Android的差分私有室内定位联邦学习方法，包括数据收集与预处理、离线训练和在线定位三个阶段；在数据收集与预处理阶段，移动终端设备收集RSS指纹数据并通过计算位置点与RSS指纹数据间的皮尔逊相关系数来剔除不相关的位置点；在离线训练阶段，预处理后的RSS指纹数据在移动终端设备上进行室内定位子模型训练，对模型参数在本地进行差分隐私保护处理后上传到边缘服务器，边缘服务器对接收到的模型参数进行可信聚合，将聚合后的最新模型参数下发给各移动终端设备，使其进行下一步迭代训练，直到得到最优的室内定位模型；在在线定位阶段，用户实时采集其附近的室内RSS指纹数据，并将其输入到训练好的室内定位模型中，以获取安全、可靠的室内定位服务。
-
公开(公告)号：CN114861194A
公开(公告)日：2022-08-05
申请号：CN202210519158.4
申请日：2022-05-13
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于BGRU与CNN融合模型的多类型漏洞检测方法（multiple Vulnerabilities Sniffer，mVulSniffer），该方法首先通过构建软件软代码的程序依赖图，对满足易引发漏洞语法规则的源代码语句进行切片得到初级漏洞代码块；其次，对初级漏洞依据漏洞语法特征进行进一步切片，得到粒度更细且易区分漏洞类型的扩展语法漏洞代码块；然后，对初级漏洞代码块及扩展语法漏洞代码块进行数据清洗及标准化并对得到的两类程序切片进行标注，且采用FastText技术将训练数据转化为可输入模型的向量表示；最后利用BGRU(Bidirectional Gated Recurrent Unit)和CNN(Convolutional Neural Network)训练深度学习融合模型，实现对多类型软件源代码漏洞的检测。
-
公开(公告)号：CN113405611A
公开(公告)日：2021-09-17
申请号：CN202110823791.8
申请日：2021-07-21
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于云通信的高铁线路监测系统，包括：控制单元、风速传感器、异物传感器、雨量传感器、轨温传感器、轴温传感器、通信模块和云平台，所述控制单元用于处理监测信息，并将处理后的信息通过通信模块发送至云平台，所述风速传感器用于采集风速信息并将风速信息发送至控制单元，所述异物传感器用于采集异物信息并将异物信息发送至控制单元，所述雨量传感器用于采集雨量信息并将雨量信息发送至控制单元。本发明通过设置雨量传感器、风速传感器、异物传感器能够对外部环境进行监控，减小外部因素对高铁行驶的影响。
-
公开(公告)号：CN114970833B
公开(公告)日：2024-11-19
申请号：CN202210709776.5
申请日：2022-06-22
Applicant: 兰州交通大学
IPC: G06N3/098 , H04W12/02 , H04W12/033 , H04W28/084 , H04W4/02 , H04W4/33 , H04W64/00
Abstract: 一种基于Android的差分私有室内定位联邦学习方法，包括数据收集与预处理、离线训练和在线定位三个阶段；在数据收集与预处理阶段，移动终端设备收集RSS指纹数据并通过计算位置点与RSS指纹数据间的皮尔逊相关系数来剔除不相关的位置点；在离线训练阶段，预处理后的RSS指纹数据在移动终端设备上进行室内定位子模型训练，对模型参数在本地进行差分隐私保护处理后上传到边缘服务器，边缘服务器对接收到的模型参数进行可信聚合，将聚合后的最新模型参数下发给各移动终端设备，使其进行下一步迭代训练，直到得到最优的室内定位模型；在在线定位阶段，用户实时采集其附近的室内RSS指纹数据，并将其输入到训练好的室内定位模型中，以获取安全、可靠的室内定位服务。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
