-
公开(公告)号：CN117294460A
公开(公告)日：2023-12-26
申请号：CN202211503349.8
申请日：2022-11-28
摘要： 本发明涉及边缘计算下的隐私保护领域，特别是涉及边缘计算下的一种边缘计算下的轻量级联邦学习隐私保护方法。目的在于解决联邦学习过程中隐私泄露的风险的方案，需消耗大量的时间和空间，不适用于边缘计算下实时性的应用场景的问题。主要方案包括采用不同的终端设备负责进行神经网络模型训练，而边缘服务器和云服务器进行神经网络模型参数聚合；在终端设备训练得到神经网络模型参数后，对其进行差分扰动，再上传给边缘服务器，边缘服务器迭代训练得到神经网络模型参数后，对神经网络模型参数进行同态加密后传输到云服务器进行聚合；在终端设备上、边缘服务器，设置一个阈值，当训练次数达到阈值时，神经网络模型参数上传到云服务器进行聚合更新。
-
公开(公告)号：CN115712972A
公开(公告)日：2023-02-24
申请号：CN202211453973.1
申请日：2022-11-21
IPC分类号： G06F30/18 , G06F30/27 , G06F119/02
摘要： 本发明属于网络安全领域，提供了一种基于深度学习的边缘计算环境下的DDos检测方法。主旨在于解决因为边缘节点算力受限、存储空间小、网络波动大的环境问题，无法部署应用的问题。主要方案包括搭建了预处理层，对输入的网络流量数据依次进行过滤脏数据、归一化处理、攻击类型标签统计分析，利用Smote算法上采样稀疏类、对稠密类进行下采样以此平衡标签类别；模型构建；将预处理后的网络流量数据划分得到训练集和测试集，通过训练集和测试集输入到模型中进行训练，得到训练好的模型；将训练好的模型部署到边缘节点中，搜集节点中的网络流量数据，使用预处理层来处理流量数据后送入部署的模型进行实时DDos预测。
-
公开(公告)号：CN115712467B
公开(公告)日：2024-10-01
申请号：CN202211452770.0
申请日：2022-11-21
IPC分类号： G06F9/445 , G06F9/48 , G06F16/215 , G06F21/64 , G06N3/0442 , G06N3/08
摘要： 本发明涉及边缘计算领域，特别是涉及一种边缘计算PLD任务卸载方法、装置及存储介质。目的在于解决上述现有技术存在的缺点会影响任务卸载策略的效率，在数据量较大时往往存在较大的误差与资源消耗，为系统带来较大负担的问题。主要方案包括获取集群中系统整体的历史任务卸载情况数据，并对数据进行清洗；构建PLD模型所需的三大空间，采用LSTM模型与DQN模型构建PLD模型，并将清洗后的历史数据通过三大空间输入到PLD模型中完成预测模型训练；将即将到来的任务数据输入训练好的PLD模型，得到集群系统对每个任务的任务卸载策略。
-
公开(公告)号：CN117332846A
公开(公告)日：2024-01-02
申请号：CN202211503708.X
申请日：2022-11-28
摘要： 本发明涉及边缘计算下的隐私保护领域，特别是涉及一种体联网环境下的边缘智能协同隐私保护方法。目的在于解决应用在边缘计算场景下的联邦学习需要耗费大量的通信成本，同时面临各种攻击手段会影响隐私保护的效率以及安全性的问题。主要方案包括定义轻量级边缘智能协同联邦学习框架EdgeFL，对神经网络模型的层次分为不同块，然后分别在用户移动设备和机构私有服务器训练，然后云数据中心进行模型参数聚合；云数据中心得到本轮私有服务器上传的模型参数后，计算差值添加差分扰动后更新云数据中心的模型参数，并将更新后的模型参数用作下一轮训练，下发给私有机构进行下一轮训练。
-
公开(公告)号：CN115712467A
公开(公告)日：2023-02-24
申请号：CN202211452770.0
申请日：2022-11-21
IPC分类号： G06F9/445 , G06F9/48 , G06F16/215 , G06F21/64 , G06N3/0442 , G06N3/08
摘要： 本发明涉及边缘计算领域，特别是涉及一种边缘计算PLD任务卸载方法、装置及存储介质。目的在于解决上述现有技术存在的缺点会影响任务卸载策略的效率，在数据量较大时往往存在较大的误差与资源消耗，为系统带来较大负担的问题。主要方案包括获取集群中系统整体的历史任务卸载情况数据，并对数据进行清洗；构建PLD模型所需的三大空间，采用LSTM模型与DQN模型构建PLD模型，并将清洗后的历史数据通过三大空间输入到PLD模型中完成预测模型训练；将即将到来的任务数据输入训练好的PLD模型，得到集群系统对每个任务的任务卸载策略。
-
公开(公告)号：CN117294460B
公开(公告)日：2024-09-27
申请号：CN202211503349.8
申请日：2022-11-28
摘要： 本发明涉及边缘计算下的隐私保护领域，特别是涉及边缘计算下的一种边缘计算下的轻量级联邦学习隐私保护方法。目的在于解决联邦学习过程中隐私泄露的风险的方案，需消耗大量的时间和空间，不适用于边缘计算下实时性的应用场景的问题。主要方案包括采用不同的终端设备负责进行神经网络模型训练，而边缘服务器和云服务器进行神经网络模型参数聚合；在终端设备训练得到神经网络模型参数后，对其进行差分扰动，再上传给边缘服务器，边缘服务器迭代训练得到神经网络模型参数后，对神经网络模型参数进行同态加密后传输到云服务器进行聚合；在终端设备上、边缘服务器，设置一个阈值，当训练次数达到阈值时，神经网络模型参数上传到云服务器进行聚合更新。
-
公开(公告)号：CN116046041A
公开(公告)日：2023-05-02
申请号：CN202310222642.5
申请日：2023-03-03
申请人： 杭州电子科技大学
IPC分类号： G01D11/24
摘要： 本发明涉及一种传感器外壳，与设备安装面接触安装，包括外壳，所述外壳表面安装有与设备安装面接触的支撑块，所述外壳四角处设置有用于安装沉头螺栓的安装孔和与所述安装孔相通且用于安装触发推杆的触发槽，所述触发推杆一端伸入所述安装孔内与沉头螺栓配合实现触发推杆的内移，相对的另一端固定连接有挤压杆；所述挤压杆上固定连接有挤压块，所述挤压块位于所述支撑槽内部所述挤压块设在所述支撑块的一侧且随触发推杆内移从而挤压支撑块增加所述支撑块的稳固性，整个结构能够使壳体在弧面位置进行安装时在壳体无变形的情况下完成安装，并保证安装强度，从而壁面内部封胶的PCB板与元器件因壳体变形而在胶体作用下损坏板路与其上的电子元器件。
-
公开(公告)号：CN116198922A
公开(公告)日：2023-06-02
申请号：CN202310209995.1
申请日：2023-03-03
申请人： 杭州电子科技大学
摘要： 本发明涉及一种垂直式电容器无损上料设备，包括放置盘，所述放置盘内部为呈向中心倾斜的斜坡，抬升送料机构通过多层伸缩件的设计，使得电容器逐级向上抬升，且抬升过程不会导致其余处电容进行大角度的翻滚或者移动，从而一改传统通过振动盘进行送料时器件磨损高、损耗较大的问题，进而降低了降低了器件的损坏比例，使得后续工序更加高效；送出机构通过上推的方式使器件在转盘、电容放置架之间交错移动进而送出，相较于传统振动盘通过轨道向前移动的方式来说，其移动位置较为固定，更加容易对器件进行定位。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.047 秒)
