-
公开(公告)号：CN119109645A
公开(公告)日：2024-12-10
申请号：CN202411204686.6
申请日：2024-08-30
Applicant: 东北大学
Abstract: 本申请公开了一种网络流量攻击检测方法及装置、存储介质、计算机设备，应用于边缘路由器，该方法包括：边缘路由器的特征挖掘模块获取目标网络流量，提取目标网络流量的目标网络流量特征信息；边缘路由器的多任务处理模块通过网络流量攻击检测模型及目标网络流量特征信息，对目标网络流量进行攻击检测，其中，网络流量攻击检测模型基于卷积神经网络及长短期记忆网络建立；当边缘路由器的多任务处理模块检测到目标网络流量存在攻击时，基于目标网络流量对应的攻击遏制方案遏制攻击，并将遏制攻击后的目标网络流量转发至目标网络流量对应的客户端。通过多层次耦合的卷积神经网络和长短期记忆网络来进行网络攻击检测，能够提高网络流量攻击检测精度。
-
公开(公告)号：CN119966660A
公开(公告)日：2025-05-09
申请号：CN202411960753.7
申请日：2024-12-30
Applicant: 东北大学
Abstract: 本发明公开了一种网络流量攻击检测模型的训练方法、系统及介质，包括：至少一个目标客户端获取目标攻击流量数据集；每个目标客户端通过预设数据增强模型对目标攻击流量数据集进行数据增强，并基于增强攻击样本集对目标本地网络流量攻击检测模型的参数进行更新；中心服务器利用预设聚合函数，计算聚合权重，以聚合至少一个第一参数以及参与训练的其他客户端的第二参数；每个客户端基于接收到的第三参数对本地网络流量攻击模型进行更新。通过上述方式，使得各个监管节点能够及时学习到检测出的新型网络流量攻击方式，大幅度提升各个监管节点网络流量攻击检测与防御的能力的同时，有效保护监管节点的数据隐私。
-
公开(公告)号：CN114971819A
公开(公告)日：2022-08-30
申请号：CN202210309611.9
申请日：2022-03-28
Applicant: 东北大学
Abstract: 本发明公开一种基于多智能体强化学习算法在联邦学习下的用户竞价方法及装置，方法包括：获取联邦学习平台发布的学习任务，样本客户端利用强化学习算法向联邦平台上传竞标信息，平台通过算法选取样本客户端后下向被选中的样本客户端下发全局共享模型，被选中的样本客户端进行本地训练并上传更新参数，平台将上传的更新模型参数按照聚合算法进行聚合并对全局模型中的模型参数进行更新。以完成联邦学习平台发布的学习任务，此方法在实现联邦学习参与用户的动态竞价的同时缓解了模型的过拟合，解决了现有基于拍卖的激励机制由于用户提交竞价策略后，用户竞价策略在后续训练过程中不会发生改变而导致联邦学习公平性缺失以及模型过拟合的问题。
-
公开(公告)号：CN113472597A
公开(公告)日：2021-10-01
申请号：CN202110936232.8
申请日：2021-08-16
Applicant: 东北大学
IPC: H04L12/24
Abstract: 本发明实施例公开一种分布式卷积神经网络细粒度的参数传输调度方法及装置，包括：根据分布式卷积神经网络底层计算图依赖关系、资源关联图及网络属性确认接收操作的优先执行顺序，并生成操作‑优先级映射表，资源关联图为与每个操作相关联的资源标签的计算图，资源标签包括通信与计算；根据操作与优先级映射表、以及每个接收操作相关联的通信/计算依赖关系，生成参数‑优先级映射表；建立参数服务器与每个计算节点之间的至少一个数据流，并为每个数据流分配唯一标识信息，根据标识信息生成通道‑优先级映射表；基于接收到的参数发送请求，分别查找参数‑优先级映射表和通道‑优先级映射表，根据参数的优先级分配相应优先级的网络流，将参数发送至网络结构中。
-
公开(公告)号：CN118433786A
公开(公告)日：2024-08-02
申请号：CN202410554453.2
申请日：2024-05-06
Applicant: 东北大学
IPC: H04W28/084 , H04W28/088 , H04W28/08 , H04L9/00
Abstract: 本发明公开了一种基于区块链云际计算服务的动态进出机制方法，属于云际计算技术领域。该方法包括：建立动态任务卸载和资源分配系统模型，包括：局部执行模型、边缘服务器的计算模型和通信模型；分析动态任务卸载和资源分配问题的约束条件以及系统问题的表述；基于区块链和密码学相结合的加入退出机制，设计动态任务卸载和资源分配策略。本发明采用上述的一种基于区块链云际计算服务的动态进出机制方法，考虑了任务到达的随机性以及云际计算服务提供商的数量、位置和资源供应的潜在可变性，能够根据环境状态的变化学习和优化其性能，通过动态Dueling DDQN算法最小化系统延迟和能耗，能够感知动态变化的环境，提供更灵活稳定的性能。
-
Patent Agency Ranking
公开(公告)号：CN117786566A
公开(公告)日：2024-03-29
申请号：CN202311638529.1
申请日：2023-12-01
Applicant: 东北大学
IPC: G06F18/2433 , G06F18/15 , G06F18/2131 , G06F18/2135 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06F123/02
Abstract: 本申请公开一种负载预测模型的训练方法、服务器的负载预测方法及装置，该模型包括编码器和解码器，编码器包括第一图卷积神经网络、第一前馈神经网络、第一多头注意力机制网络、第二前馈神经网络，解码器包括第二图卷积神经网络、第三前馈神经网络、第二多头注意力机制网络、第四前馈神经网络，方法包括：将每个训练样本中每个图结构依次输入编码器中各个网络，获得每个训练样本卷积计算后的第一路网时空特征，将每个真值样本中每个图结构依次输入第二图卷积神经网络、第三前馈神经网络，获得卷积计算后的第二路网空间特征，将第一路网时空特征和第二路网空间特征依次输入第二多头注意力机制网络和第四前馈神经网络后，通过调整训练获得最终模型。
-
公开(公告)号：CN116471300A
公开(公告)日：2023-07-21
申请号：CN202310318592.0
申请日：2023-03-28
Applicant: 东北大学
IPC: H04L67/12 , G06N3/045 , G06N3/0464 , G06N3/092 , H04L41/14 , H04L41/142
Abstract: 本发明公开一种基于DQN的云际资源接入的决策方法及系统，涉及云计算领域，包括设定动作；初始化评估网络；设置目标网络；采集状态信息；评估网络执行动作；迭代训练评估网络；更新目标网络；将状态信息输入新目标网络，得到初步接入决策；根据初步接入决策判断是否接入，若接入，云商提供待接入资源；若不接入，云商判断是否改变待接入资源信息，若是，将改变后的状态信息输入新目标网络，再次判断是否接入，若否，不接入资源；将接入情况反馈至平台，状态信息st更新后，跳转至采集状态信息st步骤。本发明应用深度强化学习中的DQN算法进行接入决策，能够节约大量人力成本，同时极大程度提高资源接入的效率。
-
公开(公告)号：CN113472597B
公开(公告)日：2022-07-22
申请号：CN202110936232.8
申请日：2021-08-16
Applicant: 东北大学
IPC: H04L41/0823 , H04L41/14
Abstract: 本发明实施例公开一种分布式卷积神经网络细粒度的参数传输调度方法及装置，包括：根据分布式卷积神经网络底层计算图依赖关系、资源关联图及网络属性确认接收操作的优先执行顺序，并生成操作‑优先级映射表，资源关联图为与每个操作相关联的资源标签的计算图，资源标签包括通信与计算；根据操作‑优先级映射表、以及每个接收操作相关联的通信/计算依赖关系，生成参数‑优先级映射表；建立参数服务器与每个计算节点之间的至少一个数据流，并为每个数据流分配唯一标识信息，根据标识信息生成通道‑优先级映射表；基于接收到的参数发送请求，分别查找参数‑优先级映射表和通道‑优先级映射表，根据参数的优先级分配相应优先级的网络流，将参数发送至网络设备中。
-
公开(公告)号：CN118349036A
公开(公告)日：2024-07-16
申请号：CN202410515114.3
申请日：2024-04-26
Applicant: 东北大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明实施例公开一种无人机编队控制方法、装置、设备及介质，其中，该方法包括：获取历史时间段无人机的历史飞行状态信息；基于已训练完成的无人机编队攻击补偿模型，并根据历史飞行状态，确定当前时刻受攻击无人机的检测结果和下一时刻受攻击无人机的补偿控制命令，其中，无人机编队控制模型建立了无人机编队中各个无人机的历史飞行状态与当前时刻受攻击无人机的检测结果以及下一时刻受攻击无人机的补偿控制命令之间的关联关系；将补偿控制命令发送给与对应编号的受攻击无人机，并将目标位置命令发送给未受到攻击的无人机。通过采用上述技术方案，解决了多无人机场景下GCS受到恶意软件劫持时的攻击检测与路径补偿问题。
-
公开(公告)号：CN116051784A
公开(公告)日：2023-05-02
申请号：CN202310028532.5
申请日：2023-01-09
Applicant: 东北大学
Abstract: 本发明公开了一种基于网格形变的单目三维重建方法及装置，本发明涉及基于机器学习的三维重建技术领域，其中包括：获取目标物体的第一点集和初始三维网格的第二点集；计算第一点集与第二点集之间的最近距离关系；根据最近距离关系，确定第二点集中各点对应的查询频率；基于查询频率，分别对第二点集和第一点集进行更新，得到更新后的第二点集和更新后的第一点集；计算更新后的第一点集与更新后的第二点集之间的倒角距离，并基于计算的倒角距离，对初始三维网格进行形变；重复对初始三维网格的形变迭代过程，直至达到预设迭代次数时，输出最终的三维网格数据。通过应用本申请的技术方案，能够减少三维网格的自相交情况，保证网格拓扑结构的合理性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.015 seconds)
