-
公开(公告)号：CN119883406A
公开(公告)日：2025-04-25
申请号：CN202411926005.7
申请日：2024-12-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种边缘计算中关联隐私量化的任务卸载方法，旨在优化任务卸载过程中的隐私保护和资源调度。该策略通过以下步骤实现：首先，根据子任务的安全需求定义关联隐私权重；然后，基于子任务之间的依赖关系建立有向无环图(DAG)；接着，建立任务卸载的计算模型，包括传输时延、处理时延、能耗等计算；通过计算子任务和处理器的优先级，以确定任务执行的顺序；最后，基于贪心的思想对每个子任务进行调度，将其分配给优先级最高的处理器进行处理。该策略考虑了隐私保护与任务调度的平衡，能够有效减少隐私泄露风险，并优化计算资源的利用。适用于具有复杂任务依赖关系和隐私保护需求的计算任务卸载场景。
-
公开(公告)号：CN115987979B
公开(公告)日：2024-05-17
申请号：CN202211428178.7
申请日：2022-11-15
Applicant: 重庆邮电大学
IPC: H04L67/10 , H04L67/1095 , H04L9/40 , H04L9/32
Abstract: 本发明请求保护一种移动边缘计算中基于区块信任选举机制的数据完整性审计方法，属于移动边缘计算领域，包括下列主要步骤：S1，边缘终端按照斐波那契数列对数据进行分割之后上传；S2，基于CRITIC权重法计算边缘服务器各指标的客观权重；S3，基于TOPSIS评价方法以及边缘服务器各指标的客观权重计算得出各方案的优劣值；S4，存储服务器基于赫夫曼树结构的默克尔树对数据占有证明以及存储信息存储；S5，审计服务器质询存储服务器存储的指定文件，通过审计默克尔树节点的Schnorr签名得出审计结果。本发明引入服务器选举机制提高了数据完整性审计的可靠性，降低了系统整体能耗和计算成本。
-
公开(公告)号：CN116126130A
公开(公告)日：2023-05-16
申请号：CN202211426991.0
申请日：2022-11-15
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种可信边缘服务器的选择与能耗优化的任务卸载方法，包括下列主要步骤：S1，根据服务器和设备相关信息数据构建系统模型；S2，对任务信息以及MEC缓存任务类分别作标准化处理并进行FCM聚类，然后进行编码匹配，得到各个任务类优先选择卸载的MEC服务器；S3，采用集对分析理论对S2的可信度关系进行度量分析；S4，根据S2的结果，把任务划分为子任务在多接入点网络中进行任务卸载并计算出能耗。通过WOA算法，在容忍时延范围内优化能耗，得到各子任务的卸载决策；S5，根据S4将子任务卸载到对应的边缘节点或是本地处理。本发明在任务卸载时考虑可信边缘服务器选择与能耗优化等问题，满足了用户的需求，在任务容忍时延范围内减少了系统能耗。
-
公开(公告)号：CN115865428A
公开(公告)日：2023-03-28
申请号：CN202211426994.4
申请日：2022-11-15
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L67/1029 , H04L67/1031
Abstract: 本发明请求保护一种基于信任值和纠删码的边缘数据存储和完整度验证方法及系统，具体包括：云服务器计算出边缘服务器的信任值、能力值，选取出存储服务器、存储验证服务器、完整度验证服务器；基于选取的结果，智能终端处理、发送数据，存储服务器存储数据，存储验证服务器验证存储结果、完整度验证服务器检测数据完整度。本发明考虑了边缘服务器的信任值和能力值，提高了数据存储过程中边缘服务器的可靠性和确保数据的完整性；智能终端只做少量的数据处理，降低了智能终端的能耗，减少了智能终端的数据处理时间；使用纠删码和MHT(Merkle Hash Tree，梅克尔树)的分块存储策略可以实现数据的完整度检测。
-
公开(公告)号：CN115019359A
公开(公告)日：2022-09-06
申请号：CN202210378320.5
申请日：2022-04-12
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种云用户身份识别任务分配与并行处理方法，包括下列步骤：S1，移动端使用摄像头获取人脸图像，然后移动端将收集到的人脸图像作为身份识别任务发送到一级边缘服务器上，构建身份识别任务分配模型；S2，使用改进的灰狼优化算法求解身份识别任务与边缘服务器的分配问题；S3，边缘服务器通过人脸识别算法对人脸图像预处理、特征提取；S4，构建并行处理模型；S5，使用K‑means聚类算法，根据某一属性，对特征进行聚类，并均匀分配到各个子特征中；S6，结合基于Sarsa算法和Q‑learning算法的参数自学习策略与遗传算法的并行策略，实现身份识别任务的并行处理。本发明提出了基于强化学习的多策略并行遗传算法，使得匹配时间短速度快。
-
Patent Agency Ranking
公开(公告)号：CN112738090B
公开(公告)日：2022-08-26
申请号：CN202011590926.2
申请日：2020-12-29
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L67/1097 , H04L67/1095 , H04L9/32
Abstract: 本发明公开了一种在边缘计算中基于绿色计算共识机制区块链的数据完整性检测方法，包括边缘计算设备接收用户所存储的数据，通过调度算法将数据动态存储在适当的边缘计算节点中。任务节点收集各个边缘节点信息，通过绿色计算共识机制进行工作量证明，每隔一段时间选举区块链记录人，记录人将用户事务打包发布至区块链。边缘计算节点验证新发布区块的合法性，若认同此区块，下一次就将在此区块后方继续添加区块，若不认同此区块，此区块将会被抛弃。边缘计算用户可随时查看自己的数据，向区块链中任意边缘节点申请数据hash值，用以检测用户数据的完整性。具有高效节能，安全可靠的优点。
-
公开(公告)号：CN112632532B
公开(公告)日：2022-08-23
申请号：CN202011577709.X
申请日：2020-12-28
Applicant: 重庆邮电大学
IPC: G06F21/55 , G06K9/62 , G06N3/00 , H04L67/1008 , H04L67/1396 , H04L9/40
Abstract: 本发明请求保护一种边缘计算中基于深度森林的用户异常行为检测方法，包括步骤：S1，云中心将MEC节点收集的用户日常数据进行预处理；S2，云中心确定深度森林每层的并行训练任务；S3，云中心通过群智能算法将训练任务分配给MEC节点；S4，云中心下发任务所需训练数据，所有MEC节点接收数据后同时进行训练，得到该级联层的子森林训练结果；S5，所有MEC节点将训练结果上传到云中心，得到所有层的训练结果后，云中心整合为异常行为检测模型，并将模型下发到MEC节点，进行用户异常行为检测。本发明结合边缘计算特点和深度森林的并行优势，解放了云中心部分计算压力，提高了基于深度森林的异常行为检测系统的训练效率，从而减少异常行为检测系统建立耗时。
-
公开(公告)号：CN111431961B
公开(公告)日：2022-05-03
申请号：CN202010104239.9
申请日：2020-02-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种云数据中心的节能任务分配方法，包括下列主要步骤：S1：根据任务需求情况获取任务数据集,对任务数据集进行数据标准化处理,获取指定数量的服务器数据集。S3：根据任务间信息将任务数据集进行联合聚类，将相关的任务聚合在一个任务集中。S4：基于改进粒子群优化算法任务分配策略，将任务分配到服务器，使得其时间最少，最终达到能耗最低的效果。S5：根据任务到达情况，在延迟时间内对服务器进行电源管理操作。本发明，减少了任务分配的时间开销；提高了任务分配的效率，达到降低服务器的能耗的目的，综合提高云环境下服务器的总能耗。
-
公开(公告)号：CN114356545A
公开(公告)日：2022-04-15
申请号：CN202111483491.6
申请日：2021-12-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向隐私保护与能耗优化的任务卸载方法，包括下列主要步骤：S1，根据服务器和设备相关信息数据构建系统模型；S2，对任务信息数据作标准化处理并为属性分配不同的权重，得到待分组的任务信息数据；S3，采用聚类算法，对S2得到的任务信息数据根据属性权重进行分组，分组的组数与模型中服务器数量相等；S4，根据S1建立的模型以及S3的结果计算出能耗。通过MFO算法，在容忍时延范围内优化能耗，得到各设备任务的卸载决策；S5，根据卸载决策将任务卸载到对应的边缘节点或是本地处理。本发明在任务卸载时考虑隐私保护与能耗优化等问题，本发明满足了用户的需求，有效保护了用户隐私，在任务容忍时延范围内有效减少了系统能耗。
-
公开(公告)号：CN114338685A
公开(公告)日：2022-04-12
申请号：CN202111485003.5
申请日：2021-12-07
Applicant: 重庆邮电大学
IPC: H04L67/1004 , H04L67/1025 , H04L67/1097 , H04L67/63
Abstract: 本发明请求保护一种基于信用度‑价格关系的边缘服务器资源分配方法，包括下列主要步骤：S1，获取边缘服务器资源数，信用度及要价，获取用户的出价及其要求的信用度；S2，根据信用度评估模型对边缘服务器与用户进行排序；S3，根据排序结果、价格约束及信用度约束，对用户和边缘服务器进行匹配；S4，判断边缘服务器与用户是否能进行价格动态更新，若能更新则更新价格后继续匹配；S5，对匹配结果进行筛选，筛选重复的用户请求；S6，根据最终成功的匹配结果计算成交价格以及成交效用；S7，根据信用度评估模型更新边缘服务器信用度。本发明提出了信用度‑价格关系，并基于此提出了动态价格更新机制，整体提高了资源分配的可靠性和资源利用率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.029 seconds)
