-
公开(公告)号：CN110162400B
公开(公告)日：2021-01-26
申请号：CN201910421598.4
申请日：2019-05-21
Applicant: 湖南大学
Abstract: 本发明公开了一种复杂网络环境下实现MAS系统中智能体合作的方法，包括：获取复杂网络拓扑图，从复杂网络拓扑图中确定多个初始关键节点，获取每个初始关键节点的追随节点数量，按照追随节点数量的大小将所有初始关键节点进行排序，并对排序结果进行筛选，筛选结果构成初始关键节点集合，对得到的初始关键节点集合中的每个关键节点，将其和复杂网络拓扑图中所有与其连接、且不在初始关键节点集合中的节点组成初始联盟，所有初始联盟作为当前联盟构成当前联盟集合。本发明不仅能够根据拓扑结构上的关键节点形成相关的合作联盟，并且能够根据动态拓扑结构的改变对当前联盟进行调整，从而形成新的更高合作水平的联盟以带来更高的合作效率。
-
公开(公告)号：CN111698278A
公开(公告)日：2020-09-22
申请号：CN202010277264.7
申请日：2020-04-10
Applicant: 湖南大学
Abstract: 本发明公开了一种基于区块链的多云数据存储方法，包括数据存储步骤：S1.1.用户将待存储数据划分为数据块，计算第一标签；并将数据块发送给组织者节点，在区块链上发布第一标签；第一标签为数据块的同态可验证标签；S1.2.组织者节点接收数据块，并将数据块分配给云服务提供商；S1.3.云服务提供商接收组织者节点所分配的数据块，计算第二标签；第二标签为云服务提供商接收到的数据块的同态可验证标签；并从区块链获取第一标签，当第二标签等于第一标签时，云服务提供商存储所接收到的数据块。具有无需第三方审计员，就可以对多云存储的数据进行审核，确保数据安全，审核开销小等优点。
-
公开(公告)号：CN110321794A
公开(公告)日：2019-10-11
申请号：CN201910432527.4
申请日：2019-05-23
Applicant: 湖南大学
Abstract: 本发明公开了一种融入语义模型的遥感图像油罐检测方法。所述方法包括以下步骤：采集数据：获取遥感图像样本数据并进行预处理；构建模型：构建油罐检测模型和语义模型；模型训练：将所述处理后的图像输入到所述油罐检测模型中进行训练，得到特征图以及特征图检测信息，将所述预处理后的图像分类信息建立关系，保存并建立情景知识库，将所述情景知识库的信息关系输入到所述语义模型中进行训练，得到图像情景上下文信息；及模型融合：将所述特征图的检测信息与所述图像情景上下文信息进行融合。采用这种方法，油罐检测根据不同图像尺度运行，增强了图像信息，实现了更好的油罐检测精度。
-
公开(公告)号：CN110177383A
公开(公告)日：2019-08-27
申请号：CN201910428013.1
申请日：2019-05-22
Applicant: 湖南大学
Abstract: 本发明公开了一种移动边缘计算中基于任务调度和功率分配的效率优化方法，包括：接收所有的移动设备发来的数据信息，包括待处理数据量及单位数据工作量，将所有的移动设备以随机的方式平均分配给所有MEC服务器，针对每台MEC服务器，根据来自各台移动设备的数据信息计算分配给该MEC服务器的各台移动设备对该MEC服务器使用的每个子信道的偏好程度，将该移动设备加入最大偏好程度对应的子信道的请求列表中，针对每台MEC服务器的每个子信道，计算该子信道对其请求列表中各台移动设备的偏好程度，并使该子信道与得到的多个偏好程度中最大偏好程度对应的移动设备匹配。本发明适用于多个MEC服务器、多用户、单任务的移动边缘计算系统，且优化效率高。
-
公开(公告)号：CN119761461A
公开(公告)日：2025-04-04
申请号：CN202411826732.6
申请日：2024-12-12
Applicant: 湖南大学
Abstract: 本发明公开了一种保护客户端偏好隐私的混淆聚类联邦学习方法及系统，方法包括：聚类初始化步骤：S1.服务器将为每个聚类初始化模型，公钥和地址并发送给客户端；聚类身份生成步骤：S2.客户端选取损失值最小的模型，生成真实聚类标识符并进行本地更新。按照混淆比例生成多个混淆聚类身份，将其与标识符和本地模型发送给服务器，根据聚类身份进行混淆聚类。在聚类中聚合本地模型和标识符，生成混淆聚类模型和系数矩阵；聚类模型重建步骤：S3.客户端接收到服务器发送的混淆聚类模型和系数矩阵后，求解非齐次线性方程重建准确的聚类模型。进行多轮训练，直到模型符合标准。本发明能够抵御聚类联邦学习中偏好分析攻击，并且模型精度损失较小。
-
Patent Agency Ranking
公开(公告)号：CN118674062A
公开(公告)日：2024-09-20
申请号：CN202410669652.8
申请日：2024-05-28
Applicant: 湖南大学
Abstract: 本发明公开了一种基于鲁棒水印的个性化联邦学习模型所有权保护方法，本发明方法包括水印初始化步骤：S1.服务器将初始化模型和每个客户端的公共水印信息发送给对应客户端，客户端生成自己的私有水印；水印解耦嵌入步骤：S2.客户端通过训练将私有水印嵌入到个性化层，将公共水印信息嵌入到对应的表示层位置。然后上传表示层参数到服务器；恶意客户端检测步骤：S3.服务器对客户端上传的表示层参数进行检测，将诚实客户端的参数聚合作为下一轮表示层参数，同时标记恶意客户端。进一步地，服务器循环抽取客户端进行多轮训练，直到模型符合标准。本发明具有客户端容量大，水印鲁棒性强等优点。
-
公开(公告)号：CN116886410A
公开(公告)日：2023-10-13
申请号：CN202310990937.7
申请日：2023-08-08
Applicant: 湖南大学 , 长沙尚链通信息科技有限公司
Abstract: 本发明涉及信息安全技术领域，提供了一种匿名消息传递方法、系统、消息接收设备和存储介质，应用于消息接收设备，包括：向云服务器发送检测私钥，由云服务器基于检测私钥检索对应的待接收消息得到消息集合并返回；其中，检测私钥包括消息接收设备私钥的至少一个私钥分量，私钥分量的数量决定消息集合的假阳性率；基于私钥分别生成每条待接收消息的盲化计算数据和验证计算数据发送给云服务器，由云服务器对盲化计算数据和验证计算数据进行计算得到盲化计算结果和验证计算结果并返回；当确定验证计算结果正确时，基于盲化计算结果从消息集合中排除假阳性的待接收消息，得到真实的待接收消息，从而能够减少消息接收设备的通信开销。
-
公开(公告)号：CN114492851A
公开(公告)日：2022-05-13
申请号：CN202210102303.9
申请日：2022-01-27
Applicant: 湖南大学
Abstract: 本发明涉及一种基于区块链的模型迁移联邦学习方法，包括如下步骤：S1.服务器在区块链上向设备发布全局模型；S2.设备通过本地数据对本地模型进行训练；S3.设备通过区块链将本地模型上传至服务器；S4.服务器从中选择满足预设选择条件的本地模型作为目标模型，提取目标特征提取器并发布；S5.设备接收特征提取器，并以特征提取器替换设备的本地模型的本地特征提取器，并继续通过本地数据对本地模型进训练；S6.设备完成本轮训练，向服务器上传本轮训练后的本地模型；S7.服务器根据本地模型更新全局模型；并判断全局模型是否满足预设条件，是则结束学习过程，否则跳转至步骤S1，进行下一轮训练。本发明具有速度快、效率高、安全性好等优点。
-
公开(公告)号：CN111698278B
公开(公告)日：2021-06-25
申请号：CN202010277264.7
申请日：2020-04-10
Applicant: 湖南大学
Abstract: 本发明公开了一种基于区块链的多云数据存储方法，包括数据存储步骤：S1.1.用户将待存储数据划分为数据块，计算第一标签；并将数据块发送给组织者节点，在区块链上发布第一标签；第一标签为数据块的同态可验证标签；S1.2.组织者节点接收数据块，并将数据块分配给云服务提供商；S1.3.云服务提供商接收组织者节点所分配的数据块，计算第二标签；第二标签为云服务提供商接收到的数据块的同态可验证标签；并从区块链获取第一标签，当第二标签等于第一标签时，云服务提供商存储所接收到的数据块。具有无需第三方审计员，就可以对多云存储的数据进行审核，确保数据安全，审核开销小等优点。
-
公开(公告)号：CN111083105B
公开(公告)日：2021-06-25
申请号：CN201911070467.2
申请日：2019-11-05
Applicant: 湖南大学
Abstract: 本发明公开了一种基于区块链的云数据持有性验证方法及系统，方法包括：区块链包括数据持有者US、存储服务提供商C；数据验证过程包括：SS1.数据持有者US将需要存储的待存数据块通过非区块链通道发送给存储服务提供商C；SS2.所述数据持有者US和所述存储服务提供商C分别以预设的第一参数为哈希参数，对所述待存数据块按照预设的哈希算法计算得到的散列值，分别记为第一散列值和第二散列值；SS3.所述存储服务提供商C通过所述区块链通道对所述第一散列值和所述第二散列值进行一致性验证，所述第一散列值和所述第二散列值相等时存储所述待存数据块，并将所述待存数据块的散列值发布到区块链。具有可靠、安全等优点。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
