-
公开(公告)号：CN116528295A
公开(公告)日：2023-08-01
申请号：CN202310350799.6
申请日：2023-04-04
Applicant: 同济大学
Abstract: 本发明提出了一种基于多智能体强化学习的车联网雾计算分层任务卸载方法，其主要内容包括：在服务区域内部构建车对车的计算任务卸载架构、不同的区域之间形成协作组进行计算资源共享、服务车辆对计算资源信息的收集与广播、区域内分布式车辆任务卸载决策，车辆根据自身信息与接收到的资源信息应用多智能体深度强化学习算法协作实现最大化全局收益。同时本发明给出了基于聚类的分层雾计算框架和多智能体深度强化学习算法，车辆在满足自身意愿前提下加入服务区域共享自身资源或者卸载任务，多个服务区域之间共享空闲资源，有效地提升广域车联网的任务完成率和计算能力。
-
公开(公告)号：CN113709698A
公开(公告)日：2021-11-26
申请号：CN202111048766.3
申请日：2021-09-08
Applicant: 同济大学
Abstract: 本发明涉及一种基于任务块的车联网雾计算协作任务卸载控制方法，不同车辆形成的联盟之间的资源在路边中心单元的控制和调度下实现共享，路边中心单元根据车辆周期反馈的可用计算资源、位置信息与联盟结构做出资源调度决策，不同的联盟依照路边中心单元的资源调度决策进行协作计算，每一个车辆可以在一定约束条件下自发地选择加入或离开多个联盟，每一个联盟自发选出一个首领车辆，首领车辆与路边中心单元进行通信，先由路边中心单元分配任务块至联盟，再由联盟组织内部的首领车辆对任务块进行进一步地分配。与现有技术相比，本发明具有提升本地车联网对任务的吞吐量，避免传输任务至远程服务器端，降低服务时延和传输开销等优点。
-
公开(公告)号：CN113361881A
公开(公告)日：2021-09-07
申请号：CN202110576290.4
申请日：2021-05-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于车辆雾计算架构的可重叠组织协作控制方法，其特征在于，目标区域内的每个车辆节点按照需求生成需要协作计算的任务信息，并将任务信息传输给对应服务区内的路边中心单元，同一服务区内的车辆节点形成联盟，每个车辆节点同时加入多个联盟，使联盟之间重叠，每一个联盟在路边中心单元的控制和调度下实现计算资源共享，路边中心单元根据车辆周期反馈的计算资源和位置信息生成最优资源调度决策，联盟根据最优资源调度决策进行竞争计算。与现有技术相比，本发明具有有效提升本地车联网对任务的计算效率，避免传输任务至远程服务器端，降低服务时延和传输开销等优点。
-
公开(公告)号：CN119484521A
公开(公告)日：2025-02-18
申请号：CN202411283689.3
申请日：2024-09-13
Applicant: 同济大学
IPC: H04L67/10 , H04L67/12 , H04L67/1074 , H04L9/00
Abstract: 本发明提供一种基于区块链的零信任车联网协作计算方法，包括：任务卸载请求车辆将相关任务信息与车辆信息发送至最近的路侧单元；路侧单元从区块链中读取各个提供计算的服务车辆的评分，根据各个服务车辆的评分及多属性任务卸载算法，选择任务执行车辆；任务执行车辆与任务卸载请求车辆建立交易，交易记录在路侧单元中；任务执行后，任务执行车辆将计算结果传输给任务卸载请求车辆和路侧单元；路侧单元选择验算车辆组对执行任务进行重复计算，得到计算结果；通过比较任务执行车辆和验算车辆组的计算结果，确定任务执行车辆计算结果的正确性；智能合约根据任务执行车辆计算结果的正确性自动执行支付或处罚。本发明的方法提高了车辆的资源利用率。
-
Patent Agency Ranking
公开(公告)号：CN115099858B
公开(公告)日：2024-08-23
申请号：CN202210734752.5
申请日：2022-06-27
Applicant: 同济大学
IPC: G06Q30/0201 , G06Q10/0631 , G06F9/445 , G06F9/48 , G06F9/50
Abstract: 本发明公开一种基于多智能体深度强化学习的车辆协作计算系统。该系统包括远程服务器所处的云层、本地雾服务器所处的小云朵层以及车辆所处的雾层。在该系统中，本地雾服务器的区域内部构建车对车的计算资源购买架构、不同的车辆间形成联盟进行协同计算和信息传输、联盟与本地雾服务器间进行任务交付与信息传输、本地雾服务器根据区域内部的计算资源供需进行资源定价与资源买卖、车辆根据激励机制和自身状态应用多智能体深度强化学习算法最大化自身收益来采取资源买卖策略。利用本发明，车辆在满足自身意愿前提下以较低的复杂度在不同路况环境形成稳定的协作联盟进行计算资源共享和任务卸载，有效提升了边缘雾节点的任务完成率和计算能力。
-
公开(公告)号：CN116866022A
公开(公告)日：2023-10-10
申请号：CN202310791498.7
申请日：2023-06-30
Applicant: 同济大学
Abstract: 本发明提供了一种基于深度强化学习的工业物联网切片安全服务配置方法。基于深度强化学习的工业物联网切片安全服务配置方法包括：搭建工业物联网架构，工业物联网架构包含终端设备、网络切片模块、虚拟安全网络功能模块、编排模块和物理网络；在虚拟安全网络功能模块中，基于软件定义网络和网络功能虚拟化技术，对用户的安全服务请求进行建模，得到安全服务请求模型；基于安全服务网络功能实例和安全服务功能链进行模型训练，得到安全服务功能链部署方案；基于网络切片的切片特征、网络切片的请求分布和简化的动作空间，将安全服务功能链嵌入工业物联网架构。本发明的方法在面对大量的网络切片和业务请求时，可制定出有效的安全策略和资源优化方案。
-
公开(公告)号：CN119420510A
公开(公告)日：2025-02-11
申请号：CN202411430888.2
申请日：2024-10-14
Applicant: 同济大学
IPC: H04L9/40 , G06F16/36 , G06N3/092 , G06F18/214
Abstract: 本发明提供一种自适应多类型业务场景的工业网络安全服务提供方法，包括：基于生产业务的场景特征之间的空间和时间关联关系，构建知识图谱；在知识图谱的基础上，结合关系图卷积网络、门控循环单元、多头注意力机制和近端策略优化算法进行模型训练，得到基础网络安全服务供应模型；根据元强化学习算法，对基础网络安全服务供应模型进行元训练，得到标准网络安全服务供应模型；通过标准网络安全服务供应模型对不同类型的业务场景提供工业网路安全服务。本发明的方法显著提升了工业网络的安全性和灵活性。
-
公开(公告)号：CN118573401A
公开(公告)日：2024-08-30
申请号：CN202410510493.7
申请日：2024-04-26
Applicant: 同济大学
IPC: H04L9/40
Abstract: 本发明提供一种基于蜜网的网络协同制造多维安全等级的服务部署方法，包括：根据网络协同制造的需求，针对不同的生产业务场景部署蜜网系统；通过蜜网系统诱导和收集针对性的网络攻击数据；以生产业务类型和安全功能类型为双重索引，基于网络攻击数据构建综合性网络攻击数据库；基于综合性网络攻击数据库制定多维安全等级和防御策略；根据多维安全等级制定并实施安全等级协议；基于安全等级协议确定特定生产场景下不同终端或系统的安全等级需求，并选择和部署满足或超过安全等级需求的安全服务。本发明的方法确保安全服务不仅能够满足当前的安全需求，也能够适应生产环境中的快速变化和新出现的威胁，从而显著提高网络协同制造系统的整体安全水平。
-
公开(公告)号：CN115099858A
公开(公告)日：2022-09-23
申请号：CN202210734752.5
申请日：2022-06-27
Applicant: 同济大学
Abstract: 本发明公开一种基于多智能体深度强化学习的车辆协作计算系统。该系统包括远程服务器所处的云层、本地雾服务器所处的小云朵层以及车辆所处的雾层。在该系统中，本地雾服务器的区域内部构建车对车的计算资源购买架构、不同的车辆间形成联盟进行协同计算和信息传输、联盟与本地雾服务器间进行任务交付与信息传输、本地雾服务器根据区域内部的计算资源供需进行资源定价与资源买卖、车辆根据激励机制和自身状态应用多智能体深度强化学习算法最大化自身收益来采取资源买卖策略。利用本发明，车辆在满足自身意愿前提下以较低的复杂度在不同路况环境形成稳定的协作联盟进行计算资源共享和任务卸载，有效提升了边缘雾节点的任务完成率和计算能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.013 seconds)
