-
公开(公告)号：CN118283039A
公开(公告)日：2024-07-02
申请号：CN202410374096.1
申请日：2024-03-29
Applicant: 暨南大学
Abstract: 现有的大多数任务卸载方法忽略了算力提供者的算力伪造攻击或者存在卸载算法的时间复杂度较高的问题，难以满足延时敏感场景中用户对高可靠和低延时的卸载服务的要求；对此，本发明公开了一种算力网络中基于信任的任务卸载方法。本发明将问题建模为最小化云服务中心的成本，然后通过基于信任的任务卸载算法求解得到一个近似最优解；然后使用一种双层信任评估算法以准确评估信任度，为任务卸载提供信任支撑。本发明通过上述两种算法的有机结合有效提高了任务卸载的有效性和可靠性，能够很好的满足用户对时延的要求；同时，信任值越高的边缘服务器更有可能被选为服务提供者，本发明能有效鼓励边缘服务器的诚实行为和提高用户的体验质量。
-
Patent Agency Ranking
公开(公告)号：CN117688605A
公开(公告)日：2024-03-12
申请号：CN202311727206.X
申请日：2024-01-10
Applicant: 暨南大学
IPC: G06F21/62 , G06Q10/0631 , G06N5/04
Abstract: 本发明公开了一种基于stackelberg博弈的个性化隐私保护群智感知的激励机制，主要是权衡实现平台和用户的利益，并且满足工人隐私需求，使得能够吸引更多的工人参与群智感知任务并且提高任务效用。首先根据工人提交的最大隐私预算和平台的总预算作为博弈优化的约束，在群智感知平台中进行计算出每个工人的隐私预算和需要支付的工资。其次，工人完成相应的任务，并且根据平台给出的隐私预算进行数据扰动。最后，平台使用MoG拟合噪声进行去噪处理，最后将结果发布给任务请求者。本发明适用于不同感知任务的多任务群智感知平台，以最优策略保证数据的质量和吸引工人参与感知任务，以满足工人和平台的不同需求，具有满足个性化隐私保护、保证感知数据质量等优点。
-
公开(公告)号：CN117474702A
公开(公告)日：2024-01-30
申请号：CN202311725122.2
申请日：2023-12-15
Applicant: 暨南大学
IPC: G06Q50/00 , G06F18/22 , G06F16/9536 , G06F18/26
Abstract: 针对群智感知众包系统中存在的冷启动问题，本发明提出一种基于社交关系推荐的冷启动缓解方法。首先依据社交关系生成新加入用户的朋友链及计算与其相似度并推测新用户的兴趣和偏好,然后通过推荐黄金任务确认新用户真实兴趣偏好及其可靠度，将需要完成的任务推荐给用户实现任务高质量完成最大化，结算用户完成任务获得的任务报酬、任务补偿和留存奖励，平台通过学习用户完成的任务及黄金任务类型和朋友链获得用户的新兴趣和偏好，实现提高用户留存率继而缓解冷启动问题。本发明能够有效地缓解系统的冷启动问题，具有准确挖掘用户兴趣偏好、最大化任务高质量完成等优点。
-
公开(公告)号：CN117689457A
公开(公告)日：2024-03-12
申请号：CN202311728838.8
申请日：2023-12-14
Applicant: 暨南大学
IPC: G06Q30/08 , G06Q30/0601 , G06F21/60 , G06Q20/38
Abstract: 本发明公开了一种基于混合加密和零知识证明的算力资源拍卖方法，主要应用于算力交易领域，它通过使用混合加密算法对每个算力参与者的出价进行加密，其次，使用零知识证明技术来验证用户的出价是否合法。然后，基于加密出价价格等级信息，考虑算力参与者的中标概率问题，进行拍卖，决出拍卖胜出者。接下来，对交易平台使用签名验证机制确认拍卖胜出者的加密出价，并把加密出价广播给所有算力参与者。最后算力参与者解密出价，算力交易平台进行结算报酬。整个方法主要用于保证拍卖过程中的数据隐私和安全性，保证算力拍卖过程的强安全性、抗共谋性以及确保价格的公正确定，在保障平台的收益的同时又充分调动用户的积极性。
-
公开(公告)号：CN117688607A
公开(公告)日：2024-03-12
申请号：CN202311733445.6
申请日：2023-12-15
Applicant: 暨南大学
IPC: G06F21/62 , G06F18/10 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 针对信息采集中车辆轨迹统计易泄露个人隐私、造成信息泄露的特点，本发明利用轨迹统计中需要保留轨迹特征来选择精确度高且不泄露隐私的轨迹合成方式。提出隐马尔可夫模型和生成对抗网络相结合的嵌套模型更加准确得合成特征相似但保护隐私的轨迹合成的方法。首先基于隐马尔可夫模型，结合轨迹点的位置坐标和行为模式，持续推断出本位置点可能的坐标和下一位置点的行为模式，然后结合生成对抗网络判断合成轨迹的真实性。本发明通过生成对抗网络输出的概率来调整隐马尔可夫模型的参数，能够根据轨迹的不同场景和需求动态调整轨迹合成的质量，具有广泛的适应性。
-
公开(公告)号：CN116821522B
公开(公告)日：2023-12-01
申请号：CN202311099016.8
申请日：2023-08-30
Applicant: 暨南大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种基于群组的合作性群智感知任务推荐方法及系统，包括以下步骤：确定角色类型，其中，角色类型包括：合作性群智感知平台、参与者和参与者群组；通过合作性群智感知平台，根据参与者和任务的信息构建参与者群组；根据参与者群组，设计双重注意力机制，聚合组成员偏好，得到群组和任务的嵌入表示；根据群组和任务的嵌入表示，利用基于神经网络的协同过滤算法，设计协同神经网络结构，为参与者群组生成个性化的top‑K任务推荐列表。本发明解决合作性群智感知中个人推荐方法无法应用在群组中的问题，综合考虑参与者能力和偏好差异，使用双重注意力机制提高了任务和群组嵌入表示的准确度，进而增强了任务推荐算法的性
-
-
-
-
-
Search Results
16
records
(took 0.012 seconds)
