-
公开(公告)号：CN113239376B
公开(公告)日：2023-01-20
申请号：CN202110528283.7
申请日：2021-05-14
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明提供一种基于区块链的数据共享方法、请求方法及装置，所述共享方法基于区块链发布待分享数据信息的数据目录和指纹，而不直接上传待分享数据，实现了数据的分布式存储，极大节约了存储空间。在共享过程中，共享双方依靠区块链网络沟通达成共享合约并记录共享结果，再依靠通信网络传输数据，利用区块链的去中心化、链上数据无法篡改、可追溯等特点，保证数据共享双方权责清晰，消除了数据孤岛和数据寡头。进一步的，利用密码学技术进行数据传输，保证共享的数据正确，使共享的文件安全可靠地实现传输。
-
公开(公告)号：CN115499365A
公开(公告)日：2022-12-20
申请号：CN202210911959.5
申请日：2022-07-29
Applicant: 国网河南省电力公司信息通信公司 , 国网河南省电力公司 , 北京邮电大学
Abstract: 本发明提供一种路由优化方法、装置、设备及介质，包括：从数据转发层中获取其网络拓扑的实时网络状态；将所述实时网络状态输入至控制层中的智能体，得到所述智能体输出的路由转发路径；将所述路由转发路径传递至所述数据转发层，以获得所述数据转发层的新网络状态和奖励值；将所述新网络状态和所述奖励值反馈至所述智能体的神经网络参数进行更新，直至所述智能体收敛获得目标智能体；将待识别网络状态输入至所述目标智能体，得到所述目标智能体输出的目标路由转发路径。本发明有效提高网络传输效率，避免网络拥塞问题，提高网络吞吐量。
-
公开(公告)号：CN115438770A
公开(公告)日：2022-12-06
申请号：CN202210924931.5
申请日：2022-08-02
Applicant: 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明提供了一种基于自监督学习的纵向联邦学习方法、装置和存储介质，所述方法包括每一个参与方利用该参与方的所述非重叠数据集对所述表示层进行训练，并通过训练后的所述表示层对该参与方的所述重叠数据集中的重叠数据进行编码，将得到的编码数据发送至服务器，以使服务器利用融合后的来自于所有参与方的编码数据完成对所述推理层的训练。本发明实现了非重叠数据的利用，释放了数据潜力，减少了数据资源的浪费；并将编码数据发送至服务器中，从而将梯度回传截断在服务器内部，减少了参与方通过梯度反推标签的可能，同时通过减少参与方与服务器之间频繁的梯度传输，也减少了因梯度回传导致的梯度泄露或被篡改的风险。
-
公开(公告)号：CN115378629A
公开(公告)日：2022-11-22
申请号：CN202210520557.2
申请日：2022-05-13
IPC: H04L9/40
Abstract: 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质，该方法包括以下步骤：基于收集的以太坊交易数据构建训练用的有向交易图；基于随机游走算法对构建的交易图中的节点进行有偏采样，获得第一节点序列；基于随机游走进行多尺度特征提取来生成多尺度序列组；将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间，得到各个节点在向量空间的嵌入表示；基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类，实现对检测模型的训练；利用预训练的检测模型对实际以太坊交易网络进行检测，获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。
-
公开(公告)号：CN115293358A
公开(公告)日：2022-11-04
申请号：CN202210751781.2
申请日：2022-06-29
Applicant: 中国电子技术标准化研究院 , 国网综合能源服务集团有限公司 , 北京邮电大学 , 国网江苏省电力有限公司苏州供电分公司
Abstract: 本发明提供一种面向物联网的分簇联邦多任务学习方法及装置，通过对物联网终端设备进行分簇，使相同簇内的数据分布趋于近似，并在每个簇内分别执行联邦多任务学习算法，在每个物联网终端设备处执行全局训练任务和个性化训练任务，在簇内实现数据共享的同时，充分利用物联网终端设备本地数据针对个性化任务进行训练，高效利用了各物联网终端设备的本地数据，提升了训练效果。在各物联网终端设备的本地训练过程中，根据算力调整本地训练轮次，充分利用各物联网终端设备的计算资源，提升了模型训练效率。利用全局模型对个性化训练任务进行正则化约束，能够有效防止过拟合，控制个性化程度，提升模型质量。
-
Patent Agency Ranking
公开(公告)号：CN114138493A
公开(公告)日：2022-03-04
申请号：CN202111476655.2
申请日：2021-12-06
Applicant: 国网河南省电力公司信息通信公司 , 国网河南省电力公司 , 北京邮电大学 , 国家电网有限公司
Abstract: 本发明公开了一种基于能耗感知的边缘算力资源调度方法，有效的解决了现有技术在解决多层算例资源管理复杂的问题时忽略了终端能耗以及计算任务在智能终端本地执行时的CPU频率调度方式的问题，本发明针对智能终端设备SMD的实际情况设置两种不同的卸载策略，第一种是将计算任务在智能终端设备SMD上执行，第二种是将计算任务卸载至边缘服务器上，由边缘服务器协助智能终端设备SMD完成计算任务，两种卸载策略在执行过程中都对开销进行了限制，避免了终端能耗对智能终端设备SMD的消耗，也避免了现有技术在解决多层算例资源管理复杂的问题时忽略了计算任务在智能终端本地执行时的CPU频率调度方式的问题。
-
公开(公告)号：CN112702346A
公开(公告)日：2021-04-23
申请号：CN202011549865.5
申请日：2020-12-24
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明涉及身份认证技术领域，提供了基于联盟链的分布式身份认证方法及系统，该认证方法包括，S1：用户在向企业申请服务时，提供数字身份DID及公钥；S2：企业将DID与本地备注的DID数据库进行比较；若数据库中有备注，则根据备注分析其权限；否则进入S4；S3：若权限满足，则为该用户提供服务；否则，进入S5：S4：若本地的数据库中没有备注，则与区块链网络共识，查询其权限，返回S3；S5：向用户发布失败报告，并提示用户更新信息；S6：在用户更新信息后，提供服务，并共识到区块链网络上；共识过程中采用动态权重机制，选择权重大于或等于预设值的节点来选择性广播；节点的权重与对应该节点的企业上传用户行为操作的频率呈正比，能降低网络负载。
-
公开(公告)号：CN105827536A
公开(公告)日：2016-08-03
申请号：CN201610326239.7
申请日：2016-05-17
Applicant: 北京邮电大学
IPC: H04L12/801 , H04L12/825 , H04L12/863 , H04L12/917
Abstract: 本发明实施例提供了一种终端接入网的流量调度方法及系统，适用于网络控制器，方法包括：获取输入队列的第一积压信息和输出队列的第二积压信息；获取预先构建的第一虚拟队列在目标时刻的超额成本积压信息，并获取预先构建的第二虚拟队列在目标时刻的超时积压信息；基于第一积压信息、第二积压信息、超额成本积压信息和超时积压信息，利用预先构建的李雅普诺夫漂移加罚函数求解流量调度策略；基于流量调度策略，将输入队列中缓存的满足数据转移量的数据包通过待调用信道传输至输出队列。应用本发明实施例，使得在使用混合通信网络作为接入网时，保证了流量调度系统的稳定性，并降低了数据传输成本。
-
公开(公告)号：CN103095494B
公开(公告)日：2016-06-29
申请号：CN201210593765.1
申请日：2012-12-31
Applicant: 北京邮电大学
CPC classification number: H04L41/145 , H04L41/147 , H04L41/16
Abstract: 本发明公开了电力通信技术领域中的一种电力通信网风险评估方法。本发明首先采集电力通信网风险评估参数；然后通过风险评估参数构建指标数据库和样本数据库；最后根据所述样本数据库中的样本数据训练神经网络，调用训练后的神经网络计算所述指标数据库中的指标数据对应的电力通信网的风险值。本发明通过神经网络算法对指标数据进行训练，避免了人为给定指标权重时引入的主观因素；通过网络结构学习和网络参数学习避免了奇异数据的干扰，减少了隐含层节点的冗余数量，降低了神经网络学习时间，提升了网络学习速度；在出现新的风险因素时自动调整相应指标权重，具有良好的自适应性和很高的准确性。
-
公开(公告)号：CN104469875A
公开(公告)日：2015-03-25
申请号：CN201410693468.3
申请日：2014-11-26
Applicant: 北京邮电大学
CPC classification number: H04W40/18 , H04W40/248 , H04W84/18
Abstract: 本发明涉及一种无线传感网络中基于预测的目标跟踪方法及系统，所述方法包括：S1、对无线传感网络中的所有传感器节点进行分簇；S2、将分簇后的所有传感器节点置于活跃状态，收集移动物体的历史移动路径信息；S3、根据所述历史移动路径信息建立所有所述传感器节点的后向依赖序列，并将所述后向依赖序列存储到对应的簇头节点；S4、在每个簇中按照所述后向依赖序列控制传感器节点的状态进行所述移动物体的跟踪。该方法通过将传感器节点分簇的方式，减少了传感器节点和基站之间的长距离通信，实现预测信息的局部更新。并且在跟踪过程中，根据后向依赖方式进行预测，大大减少了时间复杂性，并提高了跟踪精确度，支持多类物体同时跟踪。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.066 seconds)
