-
公开(公告)号：CN116781418B
公开(公告)日：2023-10-31
申请号：CN202311027822.4
申请日：2023-08-16
Applicant: 南京邮电大学
IPC: H04L9/40 , H04L43/0876 , H04L43/04 , H04L41/16 , G06F18/2411 , G06F18/2431
Abstract: 本发明公开了一种基于神经网络和SVM的SDN恶意控制器检测方法，包括：利用带内遥测技术获取SDN网络中ONOS控制器数据；从获取的数据中提取特征数据，并形成特征子图；利用注意力机制对特征数据赋予初始权重；利用多分类器SVM对带有初始权重的特征数据进行分类，输出分类结果。本发明的带内网络遥测能够对网络拓扑、网络性能和网络流量实现更细粒度的测量，对恶意控制器的检测提高的准确性；本发明引入注意力机制，为初始样本数据进行权重分配，可以提高检测效率。
-
公开(公告)号：CN116915781A
公开(公告)日：2023-10-20
申请号：CN202311182560.9
申请日：2023-09-14
Applicant: 南京邮电大学
IPC: H04L67/1001 , H04L67/1004 , H04L67/1074 , H04L67/1097 , H04L67/06 , H04L67/568 , H04L9/00 , H04L9/40 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/092
Abstract: 本发明公开了一种基于区块链的边缘协作缓存系统及方法，系统包括边缘节点、服务器和区块链；若干边缘节点用于基于用户历史请求信息生成内容流行度分布，并通过区块链将内容流行度分布上传至服务器，服务器用于将接收到的内容流行度分布结合各边缘节点的缓存空间状态制定边缘协作缓存策略，并基于制定的边缘协作缓存策略调控相关边缘节点协作缓存流行内容数据。本发明改进区块链技术并引入协作缓存的思想，构建安全可信、协同高效的边缘协作缓存系统，提高了缓存效率和缓存命中率，最大化资源利用率，同时所有数据通过基于智能合约的区块链来传输，减少了服务器的访问压力和通信成本，降低了数据泄露的风险，可以有效防止他人的恶意入侵。
-
公开(公告)号：CN116582871A
公开(公告)日：2023-08-11
申请号：CN202310828232.5
申请日：2023-07-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于拓扑优化的无人机集群联邦学习模型优化方法，本发明面向无人机集群，根据带宽分配、计算时延、通信时延以及拓扑设计的约束条件，最小化无人机集群联邦学习每一轮的能量消耗和时延的加权和；进而获得每一轮无人机集群对应的关于模型参数传输的拓扑结构，基于拓扑结构，各跟随无人机的本地联邦学习模型参数传输至领头无人机；领头无人机进行参数聚合并更新，获得下一轮迭代中的全局联邦学习模型参数，当全局联邦学习模型参数对应的联邦学习模型精度达到要求，则获得无人机集群对应的联邦学习模型。本发明显著加快联邦学习过程，大大提高了无人机集群联邦学习的鲁棒性，使联邦学习能够更好地适应网络拓扑高动态的无人机集群。
-
公开(公告)号：CN116541163A
公开(公告)日：2023-08-04
申请号：CN202310297848.4
申请日：2023-03-24
Applicant: 南京邮电大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于任务聚类的云边端协同系统数据处理方法及系统，包括终端设备层、边缘服务器层和云服务器层；终端设备层包括各种移动终端设备；边缘服务器层包括多个具有计算能力的边缘服务器；云服务器层包括一个具有强计算能力的云服务器；终端设备层中的每个移动终端设备不进行本地计算且可产生一个计算任务，该任务被分解为多个子任务，将类型相同的子任务聚合到一个簇内，通过深度强化学习算法，终端设备层与边缘服务器层交互，为每个任务簇分配相应计算能力的边缘服务器来处理计算任务。本发明通过云边端协同计算，使用更多的节点来负载流量，有效降低系统时延，并且大大降低系统的能耗成本。
-
公开(公告)号：CN116151260A
公开(公告)日：2023-05-23
申请号：CN202310189507.5
申请日：2023-02-28
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/211 , G06F40/30 , G06N7/01 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/0895
Abstract: 本发明公开了一种基于半监督学习的糖尿病命名实体识别模型构建方法，其网络结构包括两个模块，一个模块是命名实体识别(NER)模块，包括BERT嵌入层、BERT模型、CRF模型和生成对抗训练。其中，BERT嵌入层加和三个向量作为BERT模型的输入；BERT模型对输入字符上下文信息进行捕获，学习语义特征；CRF模型提取标签间的约束关系，计算最优标签序列；生成对抗训练通过对已标注样本和未标注样本的潜在变量分布之间的训练，优化命名实体识别模型。另一个模块是半监督学习模块，通过迭代训练优化模型。本发明的命名实体识别模型能充分利用未标注样本，优化命名实体识别模型，并在少量标注样本的情况下，达到良好的命名实体识别效果。
-
Patent Agency Ranking
公开(公告)号：CN116016538A
公开(公告)日：2023-04-25
申请号：CN202310303751.X
申请日：2023-03-27
Applicant: 南京邮电大学
IPC: H04L67/101 , H04L67/1008 , H04L41/0823 , H04L41/0896 , H04L41/0894 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了面向动态环境的边端协同推理任务卸载优化方法与系统。所述方法运行在物理终端、边缘集群、云服务器三个层次内，其中云服务器负责模型训练，并将模型下发至边缘集群；物理终端产生计算任务并向边缘集群提出计算请求；在边缘集群内，本方法会综合考虑高度动态的网络带宽和设备负载情况，通过将边端协同推理工作中涉及到的推理时延和传输时延转换为与计算任务复杂度、设备负载、张量数据和网络带宽等相关联的最优化问题，并分步决策出模型的多个最佳分割位置以优化通信和计算权衡，最终在保证模型准确率的前提下，最小化协同推理时延的同时提升边缘服务器的计算资源利用率。
-
公开(公告)号：CN115034390A
公开(公告)日：2022-09-09
申请号：CN202210961978.9
申请日：2022-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于云边端协同的深度学习模型推理加速方法，具体涉及一种深度学习模型分层卸载方法。该方法通过对整个深度学习模型推理过程中的计算时延、数据传输时延、数据传播时延和模型分层卸载策略生成时延进行理论建模，并以计算任务响应时延最小为优化目标，决定最优深度学习模型的分层卸载策略。相较于以物理端为主导和以云计算中心为主导的深度学习模型执行框架，本方法通过将边缘计算范式和云计算结合起来，并将深度学习模型分层卸载至不同的边缘计算节点，在满足计算精度的前提下，实现计算任务响应时延最小化。
-
公开(公告)号：CN114640568B
公开(公告)日：2022-08-19
申请号：CN202210536555.2
申请日：2022-05-18
Applicant: 南京邮电大学
IPC: H04L41/042 , H04L41/0803 , G06N3/08
Abstract: 本发明公开了基于深度强化学习的网络智能管控架构系统和运行方法，应用于网络内部的管理控制。其中架构系统由数据平面、控制平面以及管理平面组成。运行方法为：数据平面通过网络遥测技术探测网络中的各类数据，控制平面接收数据平面上传数据，通过深度强化学习技术进行在线决策并下发配置指令，数据平面接收指令对网络内设备进行处理。管理平面根据各分布式控制平面上传的网络状态数据进行学习，并将知识共享到各分布式控制平面。本发明基于深度强化学习技术，可实现网络内部的智能管控，有效提高网络内部资源利用率。
-
公开(公告)号：CN114422349A
公开(公告)日：2022-04-29
申请号：CN202210323840.6
申请日：2022-03-30
Applicant: 南京邮电大学
IPC: H04L41/0803 , H04L41/0826 , H04L41/14 , H04L41/142 , H04L67/10 , H04L67/1008 , H04L67/101 , H04L67/1021 , G06N5/04 , G06N3/08 , G06F9/50
Abstract: 本发明公开了基于云边端协同的深度学习模型训练和推理架构部署方法，基于云服务器、边缘服务器、物理终端，边缘服务器搭载训练模块、推理模块、态势感知中心；态势感知中心包括用于感知边缘服务器的计算资源、与边缘服务器间的带宽占用情况和物理距离计算的边缘服务器计算能力感知模块，以及用于感知边缘服务器与云服务器间的带宽占用情况、物理距离计算以及感知云服务器的计算资源的云服务器计算能力感知模块，训练模块和推理模块进行资源成本计算以决定架构部署。本发明充分调动了网络边缘侧的计算能力，同时为边缘侧赋予了智能决策能力，为边缘操作系统在边缘侧的成功部署和对海量、复杂任务的时效计算给出了解决办法。
-
公开(公告)号：CN114039811A
公开(公告)日：2022-02-11
申请号：CN202111209266.3
申请日：2021-10-18
Applicant: 南京邮电大学
IPC: H04L12/46 , H04L67/141 , H04L67/146
Abstract: 本申请涉及一种局域网内快速通信方法。该方法包括：当接收到第一智能物端发送的建立虚拟通路请求时，从建立虚拟通路请求中提取出第一智能物端标识和第二智能物端标识；根据第一智能物端标识，获取第一智能物端最新上报的第一智能物端信息；根据第二智能物端标识，获取第二智能物端最新上报的第二智能物端信息；向第二智能物端发送第一智能物端信息，以及向第一智能物端发送第二智能物端信息，使第一智能终端与第二智能物端根据接收到的智能物端信息建立虚拟通路，虚拟通路建立后，虚拟通路作为第一智能终端与第二智能物端之间唯一通信路径。第一智能物端和第二智能物端的数据传输通过该虚拟通路直接传输，降低通信时延，提高数据传输的效率。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.064 seconds)
