公开(公告)号：CN103580746B

公开(公告)日：2016-05-04

申请号：CN201210283059.7

申请日：2012-08-09

Applicant: 北京邮电大学

Inventor： 李新 ,  黄善国 ,  赵永利 ,  胡楠 ,  张杰 ,  顾畹仪

IPC: H04B10/032 ,  H04L12/24

Abstract: 本发明公开了一种基于多面体结构的光网络多故障保护方法，该方法包括：根据所述光网络的物理拓扑和预计将出现并发故障的链路的数目，构建所述多面体保护结构；以及在所构建的多面体保护结构的每一条链路上分配保护资源。通过上述技术方案，根据光网络的物理拓扑和预计将出现并发故障的链路的数目，构建所述多面体保护结构并利用所构建的多面体保护结构来对光网络进行保护，能够实现对多故障光网络进行有效地保护。

公开(公告)号：CN118631494A

公开(公告)日：2024-09-10

申请号：CN202410621413.5

申请日：2024-05-20

Applicant: 国网辽宁省电力有限公司 ,  国网辽宁省电力有限公司信息通信分公司 ,  国网智能电网研究院有限公司 ,  国家电网有限公司 ,  北京邮电大学

Inventor： 周小明 ,  唱友义 ,  乔林 ,  张文杰 ,  胡楠 ,  李广翱 ,  胡非 ,  刘碧琦 ,  于鹏飞 ,  魏思佳 ,  罗晨 ,  杨正球 ,  修佳鹏 ,  郭少勇 ,  刘大禾

IPC: H04L9/40

Abstract: 一种电力数据中台的攻击溯源方法、系统、设备及介质，包括：基于预先确定的高风险用户利用鲁汶社区检测算法划分为若干社区；对各社区利用任一节点的直接连接数、任一节点到其它节点的平均距离、任一节点在其它节点对之间最短路径上出现的频率和任一节点及其相邻节点的重要性，确定各社区的中心重点用户作为攻击风险用户；其中，鲁汶社区检测算法基于合谋概率、合谋次数、合谋的时间间隔及相关数据的敏感等级识别高风险用户中的社区结构并划分；利用社群检测技术可以实时追踪用户的行为，捕捉潜在威胁；根据中心性度量计算从电力数据网络中挖掘出关键用户，识别潜在风险并提升数据中台的数据安全性；利用贝叶斯网络模型计算和评估用户的风险水平。

公开(公告)号：CN103378903A

公开(公告)日：2013-10-30

申请号：CN201210115207.4

申请日：2012-04-18

Applicant: 北京邮电大学

Inventor： 尹珊 ,  黄善国 ,  胡楠 ,  张杰 ,  顾畹仪

IPC: H04B10/07

Abstract: 本发明公开了一种光网络评估方法，包括：基于需要使用的评估因素、影响目标的因素和准则以及综合评价算式来构建基于层次分析法的网络评估模型；填写成对比较矩阵A＝(aij)n×n，其中aij为第n层中第i个因素与第j个因素对上层因素的影响之比；确定成对比较矩阵的特征向量w和最大特征根λ；进行一致性检验，如果通过一致性检验，则进行到步骤五，如果不能通过一致性检验，则回到步骤二；根据特征向量w计算组合权向量w(s)并进行组合一致性检验；根据组合权向量w(s)对网络进行综合评价。该光网络评估方法准确、灵活机动、适应性强的特点。

公开(公告)号：CN103580746A

公开(公告)日：2014-02-12

申请号：CN201210283059.7

申请日：2012-08-09

Applicant: 北京邮电大学

Inventor： 李新 ,  黄善国 ,  赵永利 ,  胡楠 ,  张杰 ,  顾畹仪

IPC: H04B10/032 ,  H04L12/24

Abstract: 本发明公开了一种基于多面体结构的光网络多故障保护方法，该方法包括：根据所述光网络的物理拓扑和预计将出现并发故障的链路的数目，构建所述多面体保护结构；以及在所构建的多面体保护结构的每一条链路上分配保护资源。通过上述技术方案，根据光网络的物理拓扑和预计将出现并发故障的链路的数目，构建所述多面体保护结构并利用所构建的多面体保护结构来对光网络进行保护，能够实现对多故障光网络进行有效地保护。

公开(公告)号：CN114626298A

公开(公告)日：2022-06-14

申请号：CN202210246271.X

申请日：2022-03-14

Applicant: 北京邮电大学

Inventor： 秦晓琦 ,  胡楠 ,  马楠 ,  张治

IPC: G06F30/27 ,  G06F30/15 ,  G06N3/08 ,  H04L67/12 ,  H04W4/40 ,  G06F111/08 ,  G06F111/10

Abstract: 本发明公开了一种无人机辅助车联网中高效缓存和任务卸载的状态更新方法，首先，为达到全方面保证自动驾驶的安全性的目的，同时考虑计算使用的缓存模型的新鲜度与计算卸载过程的新鲜度，作为车辆的状态更新的信息新鲜度，其次，结合车辆边缘计算、缓存和无人机三种技术，设计了一个通过在动态环境中对缓存更新、用户关联、资源分配做出决策，来解决最小化系统能量消耗，保证信息时效性的策略。最后，使用深度强化学习算法，采用以深度确定性策略梯度为基础的算法，将经验缓存池进行划分，从两个不同的缓存池中按比例选取经验训练神经网络，从而加快了收敛速度，减小了收敛后的奖励震荡，提高了收敛后的奖励值，提升算法性能。