公开(公告)号：CN118316587A

公开(公告)日：2024-07-09

申请号：CN202410111044.5

申请日：2024-01-25

Applicant: 武汉大学

Inventor： 吴黎兵 ,  霍丽娟 ,  张壮壮 ,  李春朔

IPC: H04L9/00 ,  H04L9/08 ,  H04L67/104 ,  H04L67/12

Abstract: 本发明公开了一种基于区块链的可验证外包服务计算方法，包括：用户发布外包计算任务，任务被分为多个子任务，根据服务器的计算能力按顺序为其分配相应的子任务；服务器通过秘密共享的方式获得分配的子任务，并完成对子任务的计算获得计算结果，再对计算结果的承诺和证明进行计算，之后构建包含所有子任务的区块链交易以将所有子任务的计算结果的承诺和证明储存在区块链上；验证器提取区块链交易中同一任务的所有子任务计算结果的承诺和证明，并进行计算以验证服务器是否正确地完成了计算任务。本发明将计算结果存储在链下，将承诺和证明存储在链上，以保证计算结果的安全性和隐私性，并且能高效可靠地验证外包任务的计算结果是否准确。

公开(公告)号：CN117908374A

公开(公告)日：2024-04-19

申请号：CN202311845358.X

申请日：2023-12-28

Applicant: 武汉大学

Inventor： 吴黎兵 ,  刘坤 ,  张壮壮 ,  霍丽娟 ,  赵雨

IPC: G05B13/04

Abstract: 本发明公开了一种基于强化学习的自动控制系统奖励优化方法及系统，将自动控制系统的动作空间作为卷积神经网络的输入，经过卷积神经网络的处理后，进入强化学习中的actor和critic网络；使用已有的专家演示对网络进行预训练；并用重新定义的QCAAC值代替在传统强化学习算法中使用的时序差分QTD来训练critic网络，QCAAC值由蒙特卡洛和时序差分两种方式计算出来的Q值按照不同权重进行加和得到，两者之间的权值随着训练过程的进行，按照余弦函数的方式进行衰减，这样能够更加有效的结合蒙特卡洛和时序差分两种方式的优点；改进了现有的自动控制系统中存在的稀疏奖励问题，提高了工作的效率。

公开(公告)号：CN117014190A

公开(公告)日：2023-11-07

申请号：CN202310828083.2

申请日：2023-07-06

Applicant: 武汉大学

Inventor： 吴黎兵 ,  丁福东 ,  张壮壮 ,  霍丽娟 ,  曹书琴

IPC: H04L9/40 ,  H04L9/00 ,  H04L9/08 ,  H04L9/32 ,  H04L67/1097 ,  G06F21/64

Abstract: 本发明公开了一种动态云存储数据完整性验证方法、电子设备及存储介质，本发明提出了一种新颖的安全云存储协议，只使用基本的代数操作而不是密码哈希函数来生成数据标签，仅将标签存储到云服务器中而不是同时存储数据和标签。本发明同时提出了一种新颖的云存储完整性验证协议，仅利用基本的代数运算进行标签计算，从而最大限度地减少计算开销；在CSP中只存储标签，而不是同时存储数据和标签，以减少存储开销和增强对用户隐私数据的保护。此外，本发明还提出了动态索引跳跃表(DIST)来支持索引转换，大大降低了数据动态算法的时间复杂度。