-
公开(公告)号：CN113312105B
公开(公告)日：2023-05-02
申请号：CN202110619282.3
申请日：2021-06-03
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
IPC分类号： G06F9/445 , G06F9/50 , G06N20/00 , H04L67/1004 , H04L67/12
摘要： 本发明是一种基于Q学习的车辆任务部分卸载策略方法，该方法应用在车载自组织网络中，方法步骤如下：对于移动车辆终端所请求的任务，进行任务分类，排除两种极端的任务类型，将时延极其敏感的任务直接进行本地卸载，将需要计算资源量大的任务全部卸载到MEC服务器进行计算。其次，对于剩下的不容易判断类型的业务，定义任务分类因子为βn，筛选出其中一部分时延不大敏感，计算资源量也一般的任务，对筛选出的任务进行基于Q学习的部分卸载。最后，当所有移动车辆用户终端所请求任务的卸载决策确定后，将对每个MEC服务器中的用户进行计算资源的分配。本发明的策略方法充分利用本地资源和服务器资源，降低系统总开销。
-
公开(公告)号：CN113296845B
公开(公告)日：2022-10-14
申请号：CN202110619280.4
申请日：2021-06-03
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明公开一种边缘计算环境下基于深度强化学习的多小区任务卸载算法，提出了一种改进的双深度Q网络算法，并基于双深度Q网络算法进行任务卸载算法设计，并将MEC边缘控制平台作为智能体与车联网环境进行交互，旨在相同的资源下优化任务处理速率与任务执行时延，另外在复杂业务场景下，针对DQN算法中存在的过估计问题，对DQN算法中的Q值函数进行改进，提高模型选择最优卸载策略的能力，本方案可以显著的提高计算与存储资源的利用率、有效降低车辆终端的任务执行时延，大幅度提高边缘侧计算与存储资源的利用率，并且算法收敛效率高于传统的DQN算法，解决了任务的最佳卸载比例问题，能够更有效地降低任务的执行时延。
-
公开(公告)号：CN113312105A
公开(公告)日：2021-08-27
申请号：CN202110619282.3
申请日：2021-06-03
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明是一种基于Q学习的车辆任务部分卸载策略方法，该方法应用在车载自组织网络中，方法步骤如下：对于移动车辆终端所请求的任务，进行任务分类，排除两种极端的任务类型，将时延极其敏感的任务直接进行本地卸载，将需要计算资源量大的任务全部卸载到MEC服务器进行计算。其次，对于剩下的不容易判断类型的业务，定义任务分类因子为βn，筛选出其中一部分时延不大敏感，计算资源量也一般的任务，对筛选出的任务进行基于Q学习的部分卸载。最后，当所有移动车辆用户终端所请求任务的卸载决策确定后，将对每个MEC服务器中的用户进行计算资源的分配。本发明的策略方法充分利用本地资源和服务器资源，降低系统总开销。
-
公开(公告)号：CN113296845A
公开(公告)日：2021-08-24
申请号：CN202110619280.4
申请日：2021-06-03
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明公开一种边缘计算环境下基于深度强化学习的多小区任务卸载算法，提出了一种改进的双深度Q网络算法，并基于双深度Q网络算法进行任务卸载算法设计，并将MEC边缘控制平台作为智能体与车联网环境进行交互，旨在相同的资源下优化任务处理速率与任务执行时延，另外在复杂业务场景下，针对DQN算法中存在的过估计问题，对DQN算法中的Q值函数进行改进，提高模型选择最优卸载策略的能力，本方案可以显著的提高计算与存储资源的利用率、有效降低车辆终端的任务执行时延，大幅度提高边缘侧计算与存储资源的利用率，并且算法收敛效率高于传统的DQN算法，解决了任务的最佳卸载比例问题，能够更有效地降低任务的执行时延。
-
公开(公告)号：CN113344119B
公开(公告)日：2024-07-12
申请号：CN202110718610.5
申请日：2021-06-28
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
IPC分类号： G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/52
摘要： 本发明是一种工业物联网复杂环境下的小样本烟雾监测方法，该监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。本发明结合了生成对抗网络和迁移学习方法，前者通过扩充数据集来解决小样本的问题，后者通过迁移学习来解决，二者结合，使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。
-
公开(公告)号：CN113344119A
公开(公告)日：2021-09-03
申请号：CN202110718610.5
申请日：2021-06-28
申请人： 南京邮电大学 , 杭州海康威视数字技术股份有限公司
摘要： 本发明是一种工业物联网复杂环境下的小样本烟雾监测方法，该监测方法利用两条并行分支实现烟雾检测，具体包括如下步骤：S1、第一条分支利用条件生成对抗网络生成数据集，将生成的数据集输入卷积神经网络中进行训练，将参数固定；S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练，S3、将步骤S1和S2得到的概率进行加权得到新的概率，概率最高的标签即为所属类别，从而实现小样本下的烟雾检测。本发明结合了生成对抗网络和迁移学习方法，前者通过扩充数据集来解决小样本的问题，后者通过迁移学习来解决，二者结合，使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。
-
公开(公告)号：CN118972165A
公开(公告)日：2024-11-15
申请号：CN202411404078.X
申请日：2024-10-08
申请人： 杭州海康威视数字技术股份有限公司
IPC分类号： H04L9/40 , G06F18/213 , G06F18/214
摘要： 本申请实施例提供了一种零信任威胁检测方法、装置和系统。其中，方法包括：获取目标零信任架构中实体设备的行为产生的行为数据对应的原始行为特征；其中，原始行为特征包括原始上下文特征、原始结构特征以及原始关键特征中至少一个特征；将原始行为特征输入至威胁检测模型中，得到威胁检测模型输出的编码行为特征；将编码行为特征与各预设威胁事件的编码事件特征进行匹配，得到编码事件特征与编码行为特征的威胁事件，作为实体设备发生的威胁事件；其中，各预设威胁事件的编码事件特征为通过威胁检测模型分别对各预设威胁事件的标签进行编码得到的。提高对零信任网络中各实体设备的行为威胁检测的准确性。
-
公开(公告)号：CN118944981A
公开(公告)日：2024-11-12
申请号：CN202411412766.0
申请日：2024-10-10
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请提供一种基于行为基线的物联网设备安全防护方法、设备及系统，该方法包括：在所述物联网设备运行过程中，对目标行为进行监测；其中，所述目标行为包括与可执行文件的执行相关的行为；在监测到目标行为的情况下，确定该目标行为关联的目标可执行文件，并利用预设算法，确定所述目标可执行文件的唯一性校验值；对所述目标可执行文件的唯一性校验值与所述物联网设备的设备固件中存储的可执行文件的唯一性校验值进行匹配；在匹配成功的情况下，允许所述目标行为发生；在匹配失败的情况下，对所述目标行为进行阻断。该方法可以在提高物联网设备安全性的情况下，减少资源消耗，并减少误报发生。
-
公开(公告)号：CN118869357A
公开(公告)日：2024-10-29
申请号：CN202411327891.1
申请日：2024-09-23
申请人： 杭州海康威视数字技术股份有限公司
IPC分类号： H04L9/40 , G06F18/2433 , G06N3/0455
摘要： 本申请实施例提供了零信任行为异常检测方法、装置、电子设备及存储介质。方法包括：获取各实体设备在测试时间段内的测试特征数据，其中，测试特征数据包括：全局特征数据、统计特征数据、序列特征数据；全局特征数据用于表征请求实体和资源实体之间的关联关系；统计特征数据用于表征请求实体和资源实体之间的行为的行为类型和行为结果，序列特征数据用于表征请求实体和资源实体之间的行为的关联顺序；将测试特征数据输入至自编码器模型中，计算得到自编码器模型输出的解码数据；若解码数据与测试特征数据之间的差异大于预设阈值，则确定实体设备行为异常。可以实现对实体设备的异常检测。
-
公开(公告)号：CN118862135A
公开(公告)日：2024-10-29
申请号：CN202411354124.X
申请日：2024-09-26
申请人： 杭州海康威视数字技术股份有限公司
摘要： 本申请实施例提供了轻量化数据安全聚合方法、装置及系统，涉及联邦学习技术领域，该方法应用于目标用户端，包括：对目标用户端的第一份额值，以及其他用户端分别共享给目标用户端的第二份额值进行求和处理，得到目标用户端的目标掩码；获取目标用户端的待上报的当前梯度；将目标用户端的目标掩码与待上报的当前梯度进行求和处理，得到目标用户端的加密梯度；将加密梯度发送至服务器，以使服务器对各个用户端发送的加密梯度进行聚合，并从聚合的结果中剔除全局掩码，得到梯度聚合后的、用于下发至各个用户端的全局梯度。通过本申请可以针对联邦学习的安全聚合，提高数据安全性。
-
-
-
-
-
-
-
-
-
搜索结果
471 条记录 (耗时 0.078 秒)
