一种基于物联网场景下的边缘计算卸载方法

    公开(公告)号:CN116827992A

    公开(公告)日:2023-09-29

    申请号:CN202310792578.4

    申请日:2023-06-30

    Abstract: 本发明公开了一种基于物联网场景下的边缘计算卸载方法,属于物联网任务卸载技术领域,构建云边协同的物联网边缘计算系统模型;初始化边缘计算系统模型相关参数;针对云端和边缘服务器建立时延模型和能耗模型;根据移动设备卸载方式的不同构建系统效益函数;使用改进的麻雀搜索算法不断迭代更新麻雀位置并获得最佳的卸载策略和系统效益值。本方法引入正余弦算法思想提高算法跳出局部最优解的能力。引入Levy飞行策略和随机游走策略可以在搜索空间中全面地进行探索,保证系统模型中每个用户设备都能将任务卸载到云端或边缘服务器,提高系统效益,减少任务丢弃的比率。

    一种基于云边端协同的安全高效数据传输方法及其系统

    公开(公告)号:CN116980194A

    公开(公告)日:2023-10-31

    申请号:CN202310916537.1

    申请日:2023-07-24

    Abstract: 本发明公开了一种基于云边端协同的数据传输方法及其系统,属于信息安全技术领域;步骤为:数据清洗模块对数据进行去冗余;将消冗数据发送到数据加密模块;数据加密模块对传入的明文数据进行加密处理;数据加密模块输出的密文传送到云端数据中心;用户向信任机构提供用户ID和密码以及云端数据中心的交互权限;用户输入的登录信息与信息库比对成功后,开启数据初级访问权限;用户获得相应的访问权限,获取到解密密钥对需要查看的数据进行解密处理。本发明通过数据清洗模块对引入的数据进行去冗余,保证数据的清洁度;通过数据加密模块中的Rijndael加密算法、Blowfish算法和Enyo算法三种轻量级加密算法,根据需求自适应选择加密算法,提高加密的安全性和高效性。

    一种基于联邦学习的多协作频谱感知分类方法

    公开(公告)号:CN116667955A

    公开(公告)日:2023-08-29

    申请号:CN202310893080.7

    申请日:2023-07-20

    Abstract: 本发明公开了一种基于联邦学习的多协作频谱感知分类方法,属于无线通信技术领域;该方法包括以下步骤:数据预处理;对每个次用户信道中的历史传输信号,通过格拉姆角场算法将其转换为图像,得到子数据集,作为联邦学习模型的输入;构建联邦学习模型;联邦学习模型包括一个主用户、M个次用户和一个中央聚合器;对构建联邦学习模型进行训练;采用门限判决算法对数据集进行判决,输出最终的判决结果。本发明通过基于残差块的联邦学习模型,解决模型训练时间长、信号特征提取不完全的问题;通过设置门限判决使感知结果利用空闲频谱,最大限度地减少对主用户的干扰;解决单用户感知结果的不可靠性,得到频谱占用状态的正确判断,提高频谱感知的准确性。

Patent Agency Ranking