-
公开(公告)号：CN118764868B
公开(公告)日：2025-05-13
申请号：CN202410975996.1
申请日：2024-07-19
Applicant: 北京交通大学
IPC: H04W12/121 , H04W12/122 , H04W28/08
Abstract: 本发明公开了一种联合安全和能量负载均衡的数据处理方法，包括以下步骤：每个用户终端将分配的导频序列发送给接入点AP‑ES，接入点AP‑ES为配备独立边缘服务器ES的接入点AP；接入点AP‑ES通过检测导频信号的异常情况来判断用户终端UE是否受到攻击者Eve攻击；若用户终端UE未被攻击，则标记为正常用户终端UE，否则，标记为遭受攻击的用户终端UE；接入点AP‑ES作为智能体分别在各自的本地观测上执行当前的服务策略H*；基于当前的服务策略H*的结果，用户终端UE计算出最优任务卸载比Λ*，并基于服务策略H*和最优任务卸载比Λ*得到最优干扰策略J*。提出了一种基于安全性和负载均衡性的数据处理方法，能够实现对抗上行无源窃听和下行导频污染攻击的高效安全传输方案。
-
公开(公告)号：CN118301626A
公开(公告)日：2024-07-05
申请号：CN202410387823.8
申请日：2024-04-01
Applicant: 北京交通大学
Abstract: 本发明提供了一种智慧交通系统中多目标优化的路侧单元组网部署方法。该方法包括：获取目标区域的路网数据；根据所述目标区域的路网数据对目标区域中的路侧单元RSU的通信性能进行分析，获取RSU覆盖距离数据；根据目标区域中的RSU覆盖距离数据构建基于成本和覆盖车辆总时间的基于MOP的RSU部署问题模型，采用NSGA‑II算法求解所述基于MOP的RSU部署问题模型，得到目标区域中的RSU组网部署策略。本发明设计了基于NSGA‑II算法的多目标RSU组网部署策略，可以以尽可能小的部署成本投入达到更高的车辆总覆盖时间，为RSU组网部署工程提供一系列满足要求的部署方案，以供选择和依据实际情况动态调整。
-
公开(公告)号：CN114692078A
公开(公告)日：2022-07-01
申请号：CN202210235406.2
申请日：2022-03-11
Applicant: 北京交通大学
Abstract: 本申请提供一种工业互联网女巫攻击检测方法、装置及电子设备，所述方法包括：获取工业互联网中每一个运动节点的行驶状态矩阵；计算所述行驶状态矩阵的特征值；选择预定个数的所述特征值作为节点特征值；将所有所述运动节点的所述节点特征值输入预先构建好的极限学习机模型，其中，所述极限学习机模型包括输入层、隐藏层、输出层，在所述隐藏层设有激励函数；通过所述极限学习机模型中的所述激励函数和所述隐藏层采用加权求和方法对所述节点特征值进行计算，得到所述运动节点的分类结果；将所述分类结果作为女巫攻击检测结果。通过利用极限学习机模型复杂度低、计算开销小的优势，提高了工业互联网中女巫攻击检测的效率。
-
公开(公告)号：CN118803783B
公开(公告)日：2025-05-13
申请号：CN202410975997.6
申请日：2024-07-19
Applicant: 北京交通大学
IPC: H04W12/121 , H04W12/122 , H04W28/08
Abstract: 本发明公开了一种联合安全和能量负载均衡的网络系统，包括：接入点AP：配备了Nt个天线，接入点AP包括L个，接入点AP通过有线回程链路连接到CPU，所有接入点AP服务于K个单天线的用户终端UE，所有接入点AP都配备独立的边缘服务器ES、且形成配备独立边缘服务器的接入点AP‑ES；单天线的攻击者Eve：用于拦截合法信息；接入点AP‑ES和攻击者Eve的工作模式为全双工模式，攻击者Eve通过被动窃听拦截上行传输和通过主动导频污染攻击拦截下行传输，接入点AP‑ES在上行任务卸载传输过程中向攻击者Eve发送人工噪声信号以抵抗被动窃听。
-
公开(公告)号：CN119251639A
公开(公告)日：2025-01-03
申请号：CN202411015347.3
申请日：2024-07-26
Applicant: 北京交通大学
IPC: G06V10/82 , G06V20/58 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/94 , G06V10/96 , G06N3/045 , G06N3/0464 , G06N3/098 , G06N3/091 , G06N3/0895
Abstract: 本发明公开了一种基于主动学习和半监督学习的车联网联邦学习方法，属于车联网联邦学习领域，该方法包括在云服务器端基于标记数据训练全局模型，更新全局模型参数；通过若干个路侧单元，将全局模型参数分发至各路侧单元信号覆盖范围内的自动驾驶汽车；基于自动驾驶汽车的未标记数据，根据全局模型参数和未标记数据更新车侧模型的参数；通过路侧单元将各自动驾驶汽车的车侧模型的参数发送至云服务器端；随机确定聚合客户端集合，并在云服务器端对聚合客户端集合中各自动驾驶汽车车侧模型的参数进行聚合，得到全局模型参数，将全局模型复制到云服务器端的教师学生网络，直至达到通信轮次。本发明解决了传统联邦学习应用于车联网时有效性太低的问题。
-
Patent Agency Ranking
公开(公告)号：CN118981701A
公开(公告)日：2024-11-19
申请号：CN202410877043.1
申请日：2024-07-02
Applicant: 北京交通大学
IPC: G06F18/2431 , G06F18/25
Abstract: 本申请提供一种工业物联网中的设备身份确定方法及相关设备，所述方法包括获取每个设备与服务器之间的通信数据，基于全部通信数据，确定全部设备对应的属性集合；将属性集合输入至预先训练的身份确定模型，在身份确定模型中执行如下操作：对属性集合进行特征提取，得到属性特征集合；基于属性集合，对属性特征集合中的每个属性特征分配权重，得到目标属性特征集合；将目标属性特征集合与属性集合进行融合，得到融合集合；对融合集合进行特征提取，得到融合特征；对融合特征进行分类，得到设备身份；通过身份确定模型输出每个设备对应的设备身份，解决了现有技术中确定设备对应的设备身份的准确度低的技术问题，提高了确定设备身份的准确度。
-
公开(公告)号：CN118714621A
公开(公告)日：2024-09-27
申请号：CN202410837153.5
申请日：2024-06-26
Applicant: 北京交通大学
Abstract: 本发明提供一种基于模糊逻辑的车联网联合切换方法及系统，属于车联网通信技术领域，获取需切换车辆的行驶速度及接收信号强度信息；根据行驶速度及接收信号强度，基于模糊逻辑得到需切换车辆的动态V2V通信范围；在动态V2V通信范围内，若存在已经连接在需切换车辆的目标RSU上的辅助车辆，且与需切换车辆的行驶方向相同，则需切换车辆与V2I链路信号质量最好的辅助车辆建立V2V链路；直至需切换车辆触发切换请求，断开V2V链路，需切换车辆连接到目标RSU。本发明当车辆终端无法及时切换到其他信号良好的路侧单元时，寻找能够建立车辆与车辆之间V2V通信链路的辅助车辆，协助车辆与基础设施之间V2I切换过程的顺利完成。
-
公开(公告)号：CN118316931B
公开(公告)日：2024-09-24
申请号：CN202410568630.2
申请日：2024-05-09
Applicant: 北京交通大学
Abstract: 本发明提供了一种信息非对称车联网场景中基于中介激励的可信卸载方法。该方法包括：信息非对称车联网场景中的RV产生若干任务，RV与所在区域内的IV建立通信连接，并向IV发送任务的属性信息，并存储在任务缓冲区中，根据任务属性、缓冲区中的队列情况及RSU的情况决定是将任务留在缓冲区中等待调度，还是继续上传至RSU，由RSU进行处理。IV将缓冲区内的单个任务划分为多个子任务，并将其分配给若干个服务车辆SV并行处理，每个SV完成任务后将处理结果发回至IV，由IV合并处理结果后返回至RV。本发明方法可以最大程度地在预期收益和熵之间进行权衡，可以防止策略过早收敛到不良的局部最优值，可以实现更高效可信的车联网任务卸载策略。
-
公开(公告)号：CN118316931A
公开(公告)日：2024-07-09
申请号：CN202410568630.2
申请日：2024-05-09
Applicant: 北京交通大学
Abstract: 本发明提供了一种信息非对称车联网场景中基于中介激励的可信卸载方法。该方法包括：信息非对称车联网场景中的RV产生若干任务，RV与所在区域内的IV建立通信连接，并向IV发送任务的属性信息，并存储在任务缓冲区中，根据任务属性、缓冲区中的队列情况及RSU的情况决定是将任务留在缓冲区中等待调度，还是继续上传至RSU，由RSU进行处理。IV将缓冲区内的单个任务划分为多个子任务，并将其分配给若干个服务车辆SV并行处理，每个SV完成任务后将处理结果发回至IV，由IV合并处理结果后返回至RV。本发明方法可以最大程度地在预期收益和熵之间进行权衡，可以防止策略过早收敛到不良的局部最优值，可以实现更高效可信的车联网任务卸载策略。
-
公开(公告)号：CN116911480A
公开(公告)日：2023-10-20
申请号：CN202310916825.7
申请日：2023-07-25
Applicant: 北京交通大学
IPC: G06Q10/047 , G06N3/04 , G06N3/092 , G06N7/01 , G06Q50/30
Abstract: 本发明提供一种基于信任共享机制的车联网场景下的路径预测方法及系统，属于基于车联网的路径预测技术领域，获取交通状况信息；利用预先训练好的行驶方向预测模型对获取的交通状况信息进行处理，得到下一步行驶方向预测结果；判断预测结果与簇首车辆的当前行驶方向是否一致，若一致，则继续保持当前簇结构，否则，簇成员车辆依靠路侧单元辅助完成信任信息共享。本发明采用部分可观察马尔可夫决策过程对车联网中的信任共享问题进行建模，更有效的匹配实际交通网络环境；基于深度强化学习的分布式路径预测算法，保证局部道路网络中车辆信任信息的一致性和透明性；考虑多种道路因素的综合奖励函数，使车辆能够根据预期需求选择合适的行驶方向。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.025 seconds)
