-
公开(公告)号：CN114418866B
公开(公告)日：2024-08-06
申请号：CN202111410413.3
申请日：2021-11-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种低采样率下的深度学习图像恢复方法，包括采样步骤和重建步骤，其中，采样部分引入离散小波变换，减少了由于应用单一尺度采样方法所丢失的高频部分内容，提高了方法的图像重建质量。将采样部分的矩阵乘法转换为半张量积的形式，显著减小了采样矩阵的大小，减少了矩阵的存储空间，节约了大量的计算资源。将AMP算法以去噪视角展开到深度卷积网络中，提高了图像的视觉效果和重建速度。在低采样率的条件下，与其他方法相比，本发明方法有着更好的量化指标和重建效果，在存储空间占用和运行时间方面有着优势，获得了更好的视觉效果。
-
公开(公告)号：CN113852955A
公开(公告)日：2021-12-28
申请号：CN202111114040.5
申请日：2021-09-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无线感知网络中安全数据传输与合法节点认证的方法，首先进行网络的初始化进程；在感知节点处用压缩采样网采样与压缩数据，用提前设置好的轻量级Hash算法进行处理，处理后的数据附加在采样压缩的数据后进行同态加密，传送到汇聚节点处；在汇聚节点端，先解密，进行Hash比对，比对成功将数据传送到联合重建网进行信息数据的重建，比对失败丢弃数据，在认证的同时进行每个节点的信誉评估。本发明方法有着更高的效率，处理较大数据时，速率比传统方式快至少5倍，同时很好的实现数据的机密性传输，对于无线感知网络中的点到点数据传输提供了很大的便利，且减少了很多的能量损耗，是一种高效节能的安全数据传输与合法节点认证方案。
-
公开(公告)号：CN118747540A
公开(公告)日：2024-10-08
申请号：CN202410805567.X
申请日：2024-06-21
Applicant: 北京邮电大学
Abstract: 一种面向数字孪生驱动的智能电网的自适应联邦学习方法，属于智能电网领域，包括：构建智能电网系统，智能电网系统中引入一个两层隐私计算架构，由电力设备层和数字孪生层组成；设计智能电网系统的通用数字孪生方案；区块链异步联邦学习工作流程；智能电网系统中过时本地模型问题定义、自适应聚合因子的设计以及委员会领导者选举：度量Station对训练任务的贡献度，并根据获得的贡献度利用权重随机选举算法选举委员会领导者。本发明通过将数字孪生技术、联邦学习和区块链技术相结合，提高了智能电网系统的实时性、响应能力、学习效率、准确性、安全性和可靠性，为智能电网系统的故障分析、运行决策等方面提供了全新的解决方案。
-
公开(公告)号：CN118400118A
公开(公告)日：2024-07-26
申请号：CN202410135422.3
申请日：2024-01-31
Applicant: 北京邮电大学
IPC: H04L9/40 , G06N3/098 , G06N20/20 , G06F18/2431 , G06N5/01
Abstract: 本发明涉及一种基于联邦学习的网络入侵检测方法、装置及系统，属于网络安全检测技术领域，其中方法包括数据预处理、局部模型训练、全局模型聚合三部分。在数据预处理阶段，通过SMOTE‑ENN算法为少数样本类创建高质量样本，缓解数据分布不平衡问题，通过mRMR算法删除冗余数据，选择独立高质量的特征，消除数据冗余、减少数据噪声，提高数据集质量，从而达到提高算法速度和入侵检测模型准确度的效果；在局部模型训练时，以集成学习模型为局部分类模型，选择决策树、随机森林、极端随机树和梯度提升树算法作为集成学习模型的基选择器，这些算法的应用减少了单一模型的偏差和方差，能够提高模型的鲁棒性、泛化能力和准确性。
-
公开(公告)号：CN114065193B
公开(公告)日：2024-05-07
申请号：CN202111393890.3
申请日：2021-11-23
Applicant: 北京邮电大学
IPC: G06F21/55 , G06F21/62 , G06N3/0464 , G06N3/08 , G06F9/50
Abstract: 本发明公开了一种应用于边缘云环境下图像任务的深度学习安全方法，包括以下步骤：对AMP‑Net+模型进行训练，将AMP‑Net+应用于深度学习安全模型的图像重建过程；训练完成后整个AMP‑Net+通过结构化多重哈希映射对网络模型进行压缩减小后部署到边缘云网络设备中；当第三方用户需要获得边缘云上的数据时，第三方用户发出数据请求，通过用户认证后与边缘云建立通信；而后根据数据请求，通过提前部署的网络模型来恢复获得原始数据。本发明引入结构化多重散列方法对训练好的AMP‑Net+网络模型压缩，同时提出了一个新的用户认证和隐私保护安全协议，深度学习安全模型保证在图像任务中边缘云系统安全性的同时，在不影响图像恢复质量的前提下进一步降低了边缘云网络设备的开销。
-
Patent Agency Ranking
公开(公告)号：CN117874662A
公开(公告)日：2024-04-12
申请号：CN202410061419.1
申请日：2024-01-16
Applicant: 北京邮电大学
IPC: G06F18/2431 , G06F18/25 , G06N3/042 , G06N3/09
Abstract: 本发明提供一种基于图模式的微服务日志异常检测方法，包括：日志向量表示阶段：原始文本型日志序列被转化为模型可处理的数值型日志序列；日志事件图构建阶段：利用所述调用链信息和时序信息，对所述数值型日志序列进行分割和连接，构建日志事件图；异常检测阶段，利用图模型和单分类模型学习正常的原始文本型日志序列的内在结构，实现无监督异常检测；本发明在生成日志节点初始化特征时，综合考虑了日志的语义信息和时间间隔信息，通过特征交叉的方式丰富了日志事件图中节点特征的信息量，这一举措使得模型能更好地理解不同维度信息之间的关联性，并实现对除顺序异常和结构异常之外的时间间隔异常的检测，从而有效提高异常检测精度；在微服务日志异常检测方面表现出更高的精度和鲁棒性，适合推广应用。
-
公开(公告)号：CN113852955B
公开(公告)日：2024-04-05
申请号：CN202111114040.5
申请日：2021-09-23
Applicant: 北京邮电大学
Abstract: 本发明公开了一种无线感知网络中安全数据传输与合法节点认证的方法，首先进行网络的初始化进程；在感知节点处用压缩采样网采样与压缩数据，用提前设置好的轻量级Hash算法进行处理，处理后的数据附加在采样压缩的数据后进行同态加密，传送到汇聚节点处；在汇聚节点端，先解密，进行Hash比对，比对成功将数据传送到联合重建网进行信息数据的重建，比对失败丢弃数据，在认证的同时进行每个节点的信誉评估。本发明方法有着更高的效率，处理较大数据时，速率比传统方式快至少5倍，同时很好的实现数据的机密性传输，对于无线感知网络中的点到点数据传输提供了很大的便利，且减少了很多的能量损耗，是一种高效节能的安全数据传输与合法节点认证方案。
-
公开(公告)号：CN115514787B
公开(公告)日：2023-06-27
申请号：CN202211130407.7
申请日：2022-09-16
Applicant: 北京邮电大学
IPC: H04L67/12 , H04B7/185 , G06N3/0499 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种用于车联网环境的智能无人机辅助决策规划方法及装置，首先将训练好的无人机辅助网络部署于多旋翼无人机上，得到智能无人机；其次创建道路信息数据库，将智能无人机部署在道路网络中收集实时数据；然后将智能无人机收集的实时数据输入三层人工神经网络的输入层，在隐藏层中对传入的信息进行数据预处理和预测，在输出层中对预测结果进行判断和决策，输出对车辆驱动部分的控制命令；最后对控制命令进行判断，再输出到目标车辆的驱动设备上，完成最终的驾驶行为转换。本发明提高了车辆决策规划的准确性，同时保证了信息的实时性，从而降低了决策的错误率，提高了对无人机的控制准确性，能够大面积覆盖道路，从而高效收集实时信息。
-
公开(公告)号：CN114566170B
公开(公告)日：2024-12-10
申请号：CN202210193172.X
申请日：2022-03-01
Applicant: 北京邮电大学
IPC: G10L17/04 , G10L17/14 , G10L25/51 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于一类分类的轻量级语音欺骗检测算法，针对真实语音和欺骗语音特性设计了新的损失函数DOC‑Softmax，即在一类分类损失函数OC‑Softmax的欺骗语音空间中引入分散损失函数来缓解训练数据和测试数据之间特征分布不匹配的问题，从而提高语音欺骗检测模型的准确率和泛化能力。同时，利用知识蒸馏框架将语音欺骗检测算法设计为轻量级的语音欺骗检测算法，减少了模型的参数量，使其便于部署到移动端或嵌入式设备中。此模型比使用完全相同的模型结构、训练数据和只使用硬标签训练方法得到的模型拥有更好的泛化能力。
-
公开(公告)号：CN115002291B
公开(公告)日：2023-07-25
申请号：CN202210577089.2
申请日：2022-05-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于P张量秘密共享和多个数据隐藏器的信息隐藏方法，通过压缩感知技术处理原始图像以尽可能地减小影子图像的大小，并为信息隐藏者嵌入额外信息提供了便利，且由于压缩感知能够在采样的同时对信号压缩，因此，可实现较高的嵌入率。另外，将P张量积理论应用到矩阵运算当中，使用较小维数的测量矩阵同样可以处理高维信号，避免内存浪费，且P变换的矩阵是随机矩阵，可根据需求灵活地选择，所以经过P张量积运算的结果也更加多样，可以表示的矩阵也更多。在信息隐藏阶段，我们使用多个数据隐藏器进行信息嵌入，避免因单个信息隐藏器遭到损坏而不能恢复原始图像，提高信息隐藏模型的安全性。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.038 seconds)
