-
公开(公告)号：CN112085417A
公开(公告)日：2020-12-15
申请号：CN202011013334.4
申请日：2020-09-24
Applicant: 北京工业大学
Abstract: 本发明提供一种基于区块链的工业互联网标识分配和数据管理方法。在基于区块链的标识分配过程中增加了对企业资质进行上链认证的机制，以验证企业是否具备准入资格，同时判断企业的行业归属，将同行业的企业划归在同一局部域中，完成资质认证的企业会获得分配的标识前缀，同时系统将包含企业ID、企业前缀、企业公钥和操作权限等内容的摘要信息写入区块链，增强数据安全性。在数据管理方法中增加了企业权限验证功能，通过从区块链中获取用户的公钥及操作权限信息，与用户发起数据管理操作的加密信息进行签名验证，根据用户权限判断是否可以进行当前操作；在标识解析流程中，系统通过比对保存在区块链中的映射信息，保证关键数据不被非法篡改。
-
公开(公告)号：CN118916125A
公开(公告)日：2024-11-08
申请号：CN202410590767.8
申请日：2024-05-13
Applicant: 北京工业大学
IPC: G06F9/48 , G06F9/50 , G06F18/23213 , G06F18/214 , G06N3/092
Abstract: 本申请涉及无人机调度技术领域，特别涉及一种智能电网场景中多无人机协作巡检规划与调度方法及装置，其中，方法包括：获取智能电网场景的至少一个巡检任务和执行巡检任务的多个无人机；识别每个巡检任务的状态信息和任务优先级以及每个无人机的状态信息；根据每个巡检任务的状态信息和任务优先级以及每个无人机的状态信息生成每个无人机的调度指令，基于每个无人机的调度指令调度多个无人机执行至少一个巡检任务。由此，解决了相关技术中无人机任务规划需要根据不同场景所要求的约束条件或威胁的不同选择合适的算法来对任务进行分配，造成计算量剧增、结果难收敛、适用性较低，且由于任务分配不合理，导致时间长、鲁棒性差等问题。
-
Patent Agency Ranking
公开(公告)号：CN116760718A
公开(公告)日：2023-09-15
申请号：CN202310574479.9
申请日：2023-05-21
Applicant: 北京工业大学
IPC: H04L41/122 , H04L43/0876 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N20/00
Abstract: 本发明提供了一种基于机器学习分类预测的SDN流量调度方法，消除了传统调度方法的滞后性。设计了基于卷积神经网络CNN的用户设备UE分类模块，通过对流量图像进行低分辨率降维后，设计了基于CNN的滑动窗口读取网络流量图像特征，建立起流量特征到类别的映射关系，输出UE分类。设计了基于长短期记忆的分类流量预测模块，克服复杂场景中用户的流量分布差别较大，预测性能低的问题。本模块根据上一个分类模块输出的结果，针对每个种类的流量，训练一个单独的LSTM预测模块，以提高对分布接近的同类流量的预测准确度。针对预测流量，设计了基于DRL的调度模块和综合了用户级别以及网络级别的奖励函数，实现自学习的动态流量调度。
-
公开(公告)号：CN115941579A
公开(公告)日：2023-04-07
申请号：CN202211408095.1
申请日：2022-11-10
Applicant: 北京工业大学
IPC: H04L45/00 , H04L47/125
Abstract: 本发明提供了一种基于深度强化学习的混合路由方法。该算法利用任务信息和链路状态信息，筛选当前负载率较低的满足多路径传输的子链路，产生逐跳的混合路由。这种混合路由在路径选择上是单路径和多路径的融合。从网络整体看，具有更好的负载均衡性能。混合路由优化算法优化了传输路径，减少了参与数据传输的链路数量，缩短了由于多路径传输带来了传输效率的损失。这种方法在SDN场景中，还可以减少交换机与控制器通信的频率，对降低网络内部的通信成本起到了很好的作用。考虑到对数据流细粒度的流量分割，本发明设计了一种基于DRL的流量分割模型，该模型输出链路权重，并根据链路可用性以及softmax函数产生分流比，实现逐跳的流量分割，使网络负载更均衡。
-
公开(公告)号：CN115941579B
公开(公告)日：2024-04-26
申请号：CN202211408095.1
申请日：2022-11-10
Applicant: 北京工业大学
IPC: H04L45/00 , H04L47/125
Abstract: 本发明提供了一种基于深度强化学习的混合路由方法。该算法利用任务信息和链路状态信息，筛选当前负载率较低的满足多路径传输的子链路，产生逐跳的混合路由。这种混合路由在路径选择上是单路径和多路径的融合。从网络整体看，具有更好的负载均衡性能。混合路由优化算法优化了传输路径，减少了参与数据传输的链路数量，缩短了由于多路径传输带来了传输效率的损失。这种方法在SDN场景中，还可以减少交换机与控制器通信的频率，对降低网络内部的通信成本起到了很好的作用。考虑到对数据流细粒度的流量分割，本发明设计了一种基于DRL的流量分割模型，该模型输出链路权重，并根据链路可用性以及softmax函数产生分流比，实现逐跳的流量分割，使网络负载更均衡。
-
公开(公告)号：CN113395207B
公开(公告)日：2022-12-23
申请号：CN202110663396.8
申请日：2021-06-15
Applicant: 北京工业大学
Abstract: 本发明提出了一种SDN架构下基于深度强化学习的路由优化架构及方法，用于解决传统方法基于静态规则，无法适应当前动态变化的网络环境，导致数据传输低的问题。本方法在SDN架构下，考虑到由于转发设备中流表项数量的增加而对数据包转发效率的影响，通过设计神经网络估计设备转发性能，并将该估计值和网络参数作为变量，利用Actor‑Critic算法产生更合理的路由规划方案。本发明还设计了专家样本产生模块以引导和加速模型训练，以及与当前网络链路可用性紧密相关的过滤层，增强该算法的健壮性。本发明更好的适应现代网络环境具有高度复杂和动态的特点，实现了合理的流量调度，达到了平衡网络链路负载，提高数据传输效率的目的。
-
公开(公告)号：CN113395207A
公开(公告)日：2021-09-14
申请号：CN202110663396.8
申请日：2021-06-15
Applicant: 北京工业大学
IPC: H04L12/721 , H04L12/24
Abstract: 本发明提出了一种SDN架构下基于深度强化学习的路由优化架构及方法，用于解决传统方法基于静态规则，无法适应当前动态变化的网络环境，导致数据传输低的问题。本方法在SDN架构下，考虑到由于转发设备中流表项数量的增加而对数据包转发效率的影响，通过设计神经网络估计设备转发性能，并将该估计值和网络参数作为变量，利用Actor‑Critic算法产生更合理的路由规划方案。本发明还设计了专家样本产生模块以引导和加速模型训练，以及与当前网络链路可用性紧密相关的过滤层，增强该算法的健壮性。本发明更好的适应现代网络环境具有高度复杂和动态的特点，实现了合理的流量调度，达到了平衡网络链路负载，提高数据传输效率的目的。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
