一种乳腺图像微钙化点的检测方法和系统

    公开(公告)号:CN102663410A

    公开(公告)日:2012-09-12

    申请号:CN201210047136.9

    申请日:2012-02-27

    IPC分类号: G06K9/62

    摘要: 本申请提供了一种乳腺图像微钙化点的检测方法和系统,其中所述系统包括:采用高通滤波器对待识别图像进行高通滤波处理;将滤波后的图像进行正态归一化处理;提取正态归一化后的图像的特征向量,将所述特征向量输入自适应相关向量机分类器;自适应相关向量机分类器依据所述特征向量识别图像的微钙化点。本申请将自适应相关向量机分类器应用于乳腺图像微钙化点的检测,利用其良好的参数自适应优化能力,直接对模型参数进行增量优化,提高识别准确率和效率。

    一种基于多式联运参与者场景下的可靠反向卸载方法

    公开(公告)号:CN118885231A

    公开(公告)日:2024-11-01

    申请号:CN202410945282.6

    申请日:2024-07-15

    IPC分类号: G06F9/445 G06Q50/26

    摘要: 本发明涉及智能交通控制技术领域,公开了一种基于多式联运参与者场景下的可靠反向卸载方法,包括以下步骤:构建多式联运反向卸载系统模型,获取交通参与者与边缘计算服务器的反向卸载;基于多式联运反向卸载系统模型,获取交通参与者的诚实度、协同性、任务达标率以及计算资源与时间可用性,计算交通参与者的可靠性;根据交通参与者的可靠性,计算交通参与者的效率性;基于贪婪法,根据交通参与者的可靠性与效率性,评估交通参与者的可靠性与计算能力,实现选取最优的交通参与者进行反向卸载;该方法促进了多模式交通工具之间的资源协同,显著提升了系统的多样性与整体性,能够分担负载和降低延迟,以便快速和全面地评估各交通参与者节点的性能。

    工业互联网可信能力评估方法及相关设备

    公开(公告)号:CN114925949B

    公开(公告)日:2024-09-24

    申请号:CN202210235418.5

    申请日:2022-03-11

    IPC分类号: G06Q10/0639 G06Q50/50

    摘要: 本申请提供一种工业互联网可信能力评估方法及相关设备,所述方法包括:获取工业互联网中的一对节点基于传送基本安全信息的传送时间,其中,一对节点代指发送节点和接收节点;采用分段函数基于所述接收时间计算所述工业互联网的信息新鲜度;基于所述接收时间和所述信息新鲜度构建坐标系;在所述坐标系中绘制信息新鲜度曲线;计算所述信息新鲜度曲线与所述接收时间在所述坐标系中形成的区域的面积;基于所述面积计算所述工业互联网的可信能力评估指标集,完成所述工业互联网的可信能力评估。提高了工业互联网可信能力评估指标的全面性,进而,提升了评估指标对于工业互联网性能优化的指导价值。

    一种基于网络切片的车联网分簇网络可信性保障方法

    公开(公告)号:CN116017481B

    公开(公告)日:2024-08-06

    申请号:CN202211685149.9

    申请日:2022-12-27

    摘要: 本发明提供了一种基于网络切片的车联网分簇网络可信性保障方法。该方法包括:将车联网网络中的车辆分为若干簇,将每个簇中的车辆分为簇首车辆CHV和簇成员车辆CMV;根据不同簇的服务质量要求基于车辆网络域内的资源集合给每个车辆分配网络切片,所述网络切片包括簇切片、汽车与汽车V2V切片和汽车与基础设施V2I切片,每个车辆利用网络切片通过V2V链路和V2I链路进行数据通信;利用改进的AoI模型分别从安全关键和交通效率交通方面分析所述车联网网络的可信性。本发明方法建立了具有网络切片的车联网分簇简化模型,通过网络切片可以从车联网网络的专用硬件虚拟化不同的资源,而不会出现任何互操作性和兼容性问题,从而增强了物联网系统的灵活性和可编程性。

    基于印象加权的协作物理层认证方法及电子设备

    公开(公告)号:CN117081867B

    公开(公告)日:2024-01-23

    申请号:CN202311340781.4

    申请日:2023-10-17

    IPC分类号: H04L9/40

    摘要: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备,通过长期考查协作者的认证性能,构建印象形成体系,充分考虑了协作者的可靠性,通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰,使认证权重可以更准确地反映协作者的真实可信性。所以,通过为协作认证过程动态分配认证权重,可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后,根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能,利用重新分配后的认证权重进行新的全局认证性能计算,可以保证整个协作物理层认证方案的全局认证性能的稳定性。

    基于印象加权的协作物理层认证方法及电子设备

    公开(公告)号:CN117081867A

    公开(公告)日:2023-11-17

    申请号:CN202311340781.4

    申请日:2023-10-17

    IPC分类号: H04L9/40

    摘要: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备,通过长期考查协作者的认证性能,构建印象形成体系,充分考虑了协作者的可靠性,通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰,使认证权重可以更准确地反映协作者的真实可信性。所以,通过为协作认证过程动态分配认证权重,可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后,根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能,利用重新分配后的认证权重进行新的全局认证性能计算,可以保证整个协作物理层认证方案的全局认证性能的稳定性。

    全局模型的训练方法、装置及电子设备

    公开(公告)号:CN116361642A

    公开(公告)日:2023-06-30

    申请号:CN202310118884.X

    申请日:2023-01-31

    摘要: 本申请提供一种全局模型的训练方法、装置及电子设备,应用于联邦学习系统,所述联邦学习系统包括服务器和多个分布式设备,在所述服务器中部署全局模型,分别在每个分布式设备中部署局部模型,所述全局模型和每个局部模型均设置有特征提取器、鉴别器和分类器,所述特征提取器和所述鉴别器组成生成对抗网络;所述方法包括利用所述服务器对所述全局模型进行参数初始化;利用所述服务器和所述多个分布式设备对经过所述参数初始化的全局模型进行多轮迭代训练,直至所述全局模型满足收敛条件为止,得到训练完成的全局模型,解决了现有技术中联邦学习的不同分布式设备的数据具有异质性的技术问题,提升了联邦学习的性能目的。

    软件定义工业互联网中的DDoS攻击检测方法及系统

    公开(公告)号:CN114760087A

    公开(公告)日:2022-07-15

    申请号:CN202210158491.7

    申请日:2022-02-21

    IPC分类号: H04L9/40

    摘要: 本申请提供一种软件定义工业互联网中的DDoS攻击检测方法及系统,通过网络节点的网络流量进行提取得到数据信息,对所述数据信息进行异常检测和余弦相似度检测,初步判断网络流量是否为DDoS攻击流量。同时,还设置了缓冲队列长度的限制条件,如果缓冲队列溢出则可排除网络中的正常波动和大量正常访问的情况,从而判断该网络流量为DDoS攻击流量。本申请的攻击检测方法通过结合不同的检测方式更加精确的对DDoS攻击进行判断,区分DDoS攻击流量和正常流量,能高效、快速地对DDoS攻击进行检测和响应,并对网络波动、大量正常网络流量的情况有一定的判断能力,在一定程度上弥补了软件定义工业互联网下对DDoS攻击检测方法的不足。

    一种基于切换的物理层信息安全传输方法

    公开(公告)号:CN114666003A

    公开(公告)日:2022-06-24

    申请号:CN202210176220.4

    申请日:2022-02-24

    IPC分类号: H04K3/00

    摘要: 本发明提供了一种基于切换的物理层信息安全传输方法。该方法包括:根据传输携带物理层信息的正常信号的信道设计干扰信号,基于正常信号和干扰信号计算出窃听者和合法接收端处的信干噪比;将多个干扰机分布部署在网络中,根据窃听者的信干噪比设计干扰机切换策略,该干扰机切换策略的参数包括干扰机切换门限值;以最大化网络的切换效率为目标通过设定算法求解所述干扰机切换策略的约束条件,获取最优的干扰机切换门限值与正常信号的保密速率。本发明方法公开了一种新颖的基于切换的物理层信息安全传输策略,将物理层安全技术与工业互联网场景结合起来,能够实现保护系统中隐私消息不被窃取,对抗实际场景中具有智慧的移动窃听者的目标。

    工业互联网信任值共享方法、装置、电子设备及存储介质

    公开(公告)号:CN114638333A

    公开(公告)日:2022-06-17

    申请号:CN202210187802.2

    申请日:2022-02-28

    摘要: 本申请提供一种工业互联网信任值共享方法、装置、电子设备及存储介质,该方法包括:获取工业互联网中的运动节点和基站节点;获取所述运动节点的路径信息和信任值;将所述路径信息输入预先训练好的深度学习网络模型;通过所述深度学习网络中的奖励函数计算得到所述运动节点的预测行驶方向;基于所述预测行驶方向将所述运动节点的所述信任值发送到所述预测行驶方向上的下一个所述基站节点。运动节点直接将信任值加密发送到预测行驶方向上的下一个基站节点,减少了不同基站节点之间共享信任值的时间,进而提高了工业互联网信任管理系统的可扩展性。