-
公开(公告)号：CN105807254B
公开(公告)日：2019-02-26
申请号：CN201610120483.8
申请日：2016-03-03
Applicant: 华侨大学
Abstract: 本发明涉及一种基于移动设备自身信息的无线定位方法，以已定位的移动设备作为全部锚点或者部分锚点，对待定位的移动设备进行测距定位。将已经定位出的移动设备作为“移动锚点”来定位其他移动设备。由于已定位的用户均能充当“移动锚点”，大大增加了环境中锚点的数量，防止了因固定锚点数量过少而不能定位等情况的出现，大大提高移动设备的定位率。本发明引入扩展了卡尔曼滤波，降低环境中多径效应和测距误差等的影响，进一步提高定位精度。本发明只需要一般的定位节点即可，对定位硬件无过多的要求，并且算法的计算复杂度较低。与传统定位方案相比，克服了了节点的硬件要求较高、定位算法过于复杂、增加了定位成本和计算复杂度等不足。
-
公开(公告)号：CN108924380A
公开(公告)日：2018-11-30
申请号：CN201810750231.2
申请日：2018-07-10
Applicant: 华侨大学
Abstract: 一种基于Visio网络拓扑结构图自生成的隐写方法，包括：(1)准备步骤；(2)嵌入隐秘信息步骤；(3)提取隐秘信息步骤。本发明利用Visio网络拓扑结构图生成过程中各节点存在多个候选图元的特性，以基于自由树的Visio网络拓扑结构图生成规则为基础，以隐秘信息驱动Visio网络拓扑结构图的生成，实现了高透明性的信息隐藏；与现有方法相比，由于无需原始载体，因而本发明从源头上避免了对比攻击的可能，从而极大的提高了隐蔽通信的安全性。
-
公开(公告)号：CN105404797B
公开(公告)日：2018-10-16
申请号：CN201510703425.3
申请日：2015-10-26
Applicant: 华侨大学
IPC: G06F21/16
Abstract: 本发明的一种基于双重冗余的主动网络流数字水印方法中双重冗余的思想是指每一枚水印Wi都对应一个大的时间间隔Ri，而每个大的时间间隔内离散的包含r个小的时间间隔g，水印Wi将被重复嵌入到r个不同的小间隔g内；同时，每个g间隔内都包含多个数据包序列，并最终通过操作数据包时间序列达到嵌入水印的目的；通过采用双重冗余的方法，可以有效提高嵌入的水印在网络传播过程中的稳定性，提高接收端水印的有效检测率，降低误检率。采用本发明基于双重冗余的主动网络流数字水印嵌入方法，可以有效保障发送端嵌入的水印能较安全的抵达接收端，提高接收端水印的检测效率，为有效判断发送端与接收端的通信关系提供依据。
-
公开(公告)号：CN107612678A
公开(公告)日：2018-01-19
申请号：CN201710711957.0
申请日：2017-08-18
Applicant: 华侨大学
Abstract: 一种基于网络拓扑结构图的隐写方法，属于安全通信领域，适用于以Microsoft Office Visio绘制的网络拓扑结构图为载体的隐蔽通信，其目的是在不改变拓扑结构图实际含义和不影响拓扑结构图感官质量的前提下，利用网络拓扑结构图生成过程中存在的冗余，嵌入隐秘信息。本发明包括(1)准备步骤；(2)嵌入隐秘信息步骤；(3)提取隐秘信息步骤。本发明利用网络结构拓扑图中图元的某些属性特征不会显性表现出来这一特性，通过对图元的相关参数进行修改来实现隐秘信息的隐藏；隐藏过程对网络结构图含义未做任何改变，且对图元的修改亦肉眼不可见，因而保护了原有网络拓扑结构图的使用价值和实际含义，且有效地维护了网络拓扑结构图的感官质量。
-
公开(公告)号：CN106888430A
公开(公告)日：2017-06-23
申请号：CN201710248824.4
申请日：2017-04-17
Applicant: 华侨大学
Abstract: 本发明公开了一种可信的传感云数据收集评估方法，该方法对传感云数据收集过程中的网络中节点和移动基站进行信任评估，首先确定移动基站的工作区域，该区域由移动基站的数量M决定；并确定系统的逻辑关系为主观节点Si向目标节点Sj发送数据，且当目标节点Sj不在主观节点Si的范围内时，数据交换则需要推荐节点转发；然后建立评估网络中节点和移动基站信任度的模型，包括直接信任模型Tdir、间接信任模型Tindir和功能信任模型Tfunct；最后根据上一步骤中计算得到的评估参数Tdir、Tindir、和Tfunct确定传感云数据收集的可信度。本发明可有效抵御数据收集过程中遇到的恶意攻击，提高传感云系统数据收集的可靠性及保证数据的可用性。
-
Patent Agency Ranking
公开(公告)号：CN106452513A
公开(公告)日：2017-02-22
申请号：CN201610879489.3
申请日：2016-10-09
Applicant: 华侨大学
Abstract: 本发明公开了一种基于时延受限的无线传感网中移动式能量补充方法，应用在由若干传感器节点、一个基站和一个移动节点组成的无线传感器网络中，在每一轮数据收集及充电任务完成后重新生成移动节点的访问序列，在新一轮任务中移动节点遍历所述访问序列中的节点进行数据收集及充电，所述生成移动节点的访问序列的方法包括：构建最大化充电能量消耗与移动能量消耗比值的优化目标及其限制条件；使用启发式算法获取访问序列及移动节点在访问序列中每个节点处的驻留时间。本发明的基于时延受限的无线传感网中移动式能量补充方法，通过无线充电技术来补充网络中传感器节点的能量，实现了数据收集的同时进行充电，延长了无线传感器网络的生命周期。
-
公开(公告)号：CN106413024A
公开(公告)日：2017-02-15
申请号：CN201610755912.9
申请日：2016-08-29
Applicant: 华侨大学
CPC classification number: H04W40/04 , H04L67/10 , H04W40/16 , H04W72/1252 , H04W84/18
Abstract: 一种基于雾计算的传感云数据传输算法，包括如下步骤，1)将传感器网络层的基站作为雾节点层，根据基站的位置生成泰森多边形；2)先统计各个多边形区域内的传感器节点数，而后计算区域节点平均数：区域节点平均数＝传感器节点总数/基站总数，结合区域节点平均数分析各个多边形区域的调入调出情况；3)设定区域间的调度算法。本发明将底层网络中的基站充当雾节点，节点之间相互协作，负责将基站繁忙区域的节点调度至较为空闲区域，充分利用雾节点间的通信能力，统一上传至上传云端，最大化提升网络吞吐量。
-
公开(公告)号：CN106304110A
公开(公告)日：2017-01-04
申请号：CN201610650149.3
申请日：2016-08-09
Applicant: 华侨大学
Abstract: 本发明公开了一种基于多移动基站的传感云数据收集方法，采用多个移动基站并发收集传感器网络监测区域数据并上传到云端，移动基站通过访问部分传感器节点来完成数据收集，包括：将传感器网络监测区域的外接圆划分为若干个均匀的扇形区，每个移动基站覆盖一个扇形区域；在每个扇形区域内，选择部分传感器节点作为驻点，其他节点作为普通节点；利用TSP算法对由驻点组成的驻点集设计出最优访问路径作为基站的移动路径，当基站访问驻点时，普通节点将数据传给基站；计算每个移动基站的数据收集时延并将最大的收集时延作为整个传感器网络的数据收集时间。本发明能够保证传感器网络中的感知数据在规定时间内上传到云端，同时在满足时延的情况下，能量消耗最小。
-
公开(公告)号：CN106302522A
公开(公告)日：2017-01-04
申请号：CN201610833485.1
申请日：2016-09-20
Applicant: 华侨大学
CPC classification number: H04L63/20 , H04L41/142 , H04L41/147
Abstract: 本发明公开了一种基于神经网络和大数据的网络安全态势分析方法和系统，系统包括数据采集模块，数据分析模块和态势预测模块；数据采集模块在Flume组件上实现分布式的大数据采集；数据分析模块基于MapReduce并行化计算框架实现大数据的分布式处理，包括关联规则的挖掘和基于时间维度的初步态势预测；前两个模块包含在神经网络的输入层中，通过隐含层对输入层数据的融合处理传送给输出层，输出层通过局部态势判决结果，得出总体的安全态势分析预测情况，将这些有价值的数据存储在HBASE数据库中方便后续查询和展示。本发明通过神经网络和大数据分析进行自我学习和调整，实现了对大数据的网络安全态势分析。
-
公开(公告)号：CN105915399A
公开(公告)日：2016-08-31
申请号：CN201610482278.6
申请日：2016-06-27
Applicant: 华侨大学
CPC classification number: H04L63/1408 , H04L41/12 , H04L63/1441
Abstract: 本发明公开了一种基于反向传播的网络风险源头追溯方法，包括:将网络中愿意被监控的用户设置为监控节点并进行监控；标记所有被感染监控节点，按照监控节点被感染时间差从被感染监控节点处向已提取的网络拓扑上洪泛式广播标记的风险，统计网络拓扑中能同时接收到所有标记风险的节点并将所述节点添加到潜在的风险源集合中；基于潜在的风险源集合和网络节点在风险传播过程中状态转化的动态性，建立网络风险的微观传播模型；基于所述微观传播模型，采用极大似然估计法从所述潜在的风险源集合中定位风险源头。本发明方法能够在保护绝大多数用户隐私的前提下，通过比较小的计算量来得到更为精确的网络风险溯源结果。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.028 seconds)
