-
公开(公告)号：CN117939536A
公开(公告)日：2024-04-26
申请号：CN202410097317.5
申请日：2024-01-24
Applicant: 江苏大学
IPC: H04W28/084 , G06N3/04 , G06N3/092 , G06N3/098 , H04W28/082 , H04B17/391 , H04L67/12 , H04L67/10
Abstract: 本发明公开了一种基于强化学习的联邦边缘学习动态资源管理方法、模型及计算机设备，考虑移动边缘环境下的联邦学习服务器与参与FL的客户端之间的信道状态信息是不完美的以及动态时变的资源数据，导致FL在每一轮训练中产生的低能效情况。首先，构造基于能耗和训练精度的能效函数，并联合优化了客户端选择变量、上行传输功率和CPU频率，以最大化能效为目标。其次，使用深度强化学习辅助联邦学习的解决方案，提出基于softmax深度双确定性策略梯度的方法进行客户端选择和资源分配。最后，仿真结果表明，与现有的方法相比，本发明具有更高的能效和稳定性。本发明考虑了在实际环境中不完美的CSI和动态时变的资源，保证FL系统稳定的同时提高系统的能效。
-
公开(公告)号：CN111583039B
公开(公告)日：2023-05-05
申请号：CN202010384681.1
申请日：2020-05-09
Applicant: 江苏大学
Abstract: 本发明公开一种无管理者区块链交易的安全交互方法、激励方法及交易系统，本发明能够同时从安全性两方面来提高基于区块链的交易系统的质量。首先在买家注册阶段，引入同态加密算法，保证密钥安全性的前提下实现验证阶段的批量高效签名验证。另外在共识达成阶段，采用基于信誉的激励机制对任务进行排序，减少高信誉买家等待时间，提高交易速度。最后，在信誉更新阶段，周期性对所有节点的信誉值进行定量评估，增加交易系统的可靠性。
-
公开(公告)号：CN115913992A
公开(公告)日：2023-04-04
申请号：CN202211592847.4
申请日：2022-12-13
Applicant: 江苏大学
IPC: H04L41/14 , G06F18/214 , G06F18/2415 , G06F18/232 , G06N3/047 , G06N3/048 , G06N3/0464 , H04L47/2441
Abstract: 本发明公开一种基于小样本机器学习的匿名网络流量分类方法，将采集的流量数据与待分类的数据通过深度神经网络映射到特征空间，原始标注数据用于深度分类模型预训练，少量新采集的标注数据用于在特征空间中计算流量数据特征的类别中心，以该类别中心作为待分类目标流量数据的聚类中心进行聚类，对待分类的目标流量数据赋予伪标签，通过优化原始标注流量数据的和目标伪标注数据的分类损失函数，完成原始标注数据的知识迁移，从而降低数据时效对模型的影响，消除因数据时效性带来的训练数据和待分类数据分布差异问题。本发明解决了由于匿名系统更新而导致原始采集的流量序列数据时效性降低，从而使得匿名网络流量分类算法性能下降的问题。
-
公开(公告)号：CN111600875B
公开(公告)日：2022-03-22
申请号：CN202010405476.9
申请日：2020-05-14
Applicant: 江苏大学
Abstract: 本发明公开一种基于数据源和数据主隐藏的匿名数据共享方法及系统，在注册和发起请求阶段，用群签名实现有效的访问控制并完成匿名认证以保护用户身份隐私，同时利用洋葱路由隐藏用户IP地址解决用户IP地址泄露导致用户身份被关联的问题；在文件上传阶段，群管理员利用重加密技术对上传文件进行再次加密并生成密钥信息；在文件下载阶段，完成撤销验证和签名验证后，群管理员为用户生成授权信息以便用户从密钥信息中获取解密重加密的密钥，确保方案的前向安全性；在群组动态阶段，群管理员进行密钥更新并更新对云端的文件的加密，极大的降低了用户端开销。
-
公开(公告)号：CN111598568A
公开(公告)日：2020-08-28
申请号：CN202010396293.5
申请日：2020-05-12
Applicant: 江苏大学
Abstract: 本发明公开一种基于多交易客体多维信誉管理的异常交易识别方法，分别提取智能合约交易中多交易客体(多客户端和联盟节点)的异常行为特征，通过量化和建模多交易客体的行为特征综合评定各交易客体多维信誉值，从而有效监测各个异常交易客体，并依据智能合约交易中的异常交易客体进一步识别异常合约，具有较高的精确性。首先，分别提取多联盟节点和多客户端异常行为特征，然后用随机petri网对多行为特征进行量化和建模，通过多维信誉管理和模糊逻辑综合监测各个异常交易客体。最后依据交易过程中各个异常交易客体对该交易是否异常进行有效识别，提高交易可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111586052A
公开(公告)日：2020-08-25
申请号：CN202010384813.0
申请日：2020-05-09
Applicant: 江苏大学
Abstract: 本发明公开一种基于多层级的群智合约异常交易识别方法及识别系统，在多层级交易流量抓取和特征提取阶段，提出客户端与相关节点之间序列特征和属性特征双特征集的方法，量化交易特征，并提高对各节点交易描述的精确性。其次在特征选择阶段，提出“多删少补”和信息增益率，删除冗余特征，降低交易流量数据特征空间，从而减少时间消耗、提高效率；最后在训练检测模型阶段，采取自适应k值异常点检测算法对所述特征选择后的数据进行分析，获得交易流量数据的分析结果，以实现对群智合约中异常交易的检测。并且异常交易检测方法对提取的序列特征和属性特征进行处理和分析，大大提高了当前检测系统的性能和适用性。
-
公开(公告)号：CN116775279A
公开(公告)日：2023-09-19
申请号：CN202310599839.0
申请日：2023-05-24
Applicant: 江苏大学
Abstract: 本发明公开了一种面向多任务边缘联邦学习的移动算力交易系统、交易方法及决策方法，用以解决边缘智能场景中，移动车载设备的机会移动性问题及激励机制设计。提出了一种半同步联邦学习聚合方式，能够避免单点故障、设备离线以及等待较慢节点的空闲时间较长的问题，同时能够保证模型的收敛性。理性移动车载设备结合有限信息，基于马尔科夫决策模型进行决策，以获得最大期望效用。并且考虑到移动车载设备具有不同算力和数据，本发明设计了合理的激励机制，以吸引更多理性移动车载设备参与联邦学习任务，提供更多的移动算力资源及数据。
-
公开(公告)号：CN116015969A
公开(公告)日：2023-04-25
申请号：CN202310021965.8
申请日：2023-01-07
Applicant: 江苏大学
Abstract: 本发明公开一种基于流量前域对抗混淆的网站指纹防御方法，针对网络用户产生的网络流量，基于对抗学习方法，在网络流量前域填充虚拟数据包，生成网络流量对抗样本，混淆网络流量模式信息，成功抵御了基于深度神经网络的网站指纹攻击。首先采集网络用户的非敏感网站访问流量作为目标流量集，然后随机选取目标流量集中某个非敏感流量，针对敏感流量，基于对抗学习技术在流量前域填充虚拟数据包，让敏感流量和非敏感流量无法被判别器分辨出来，使得敏感流量模式趋向于非敏感流量，以此来混淆深度网站指纹攻击分类器。本发明能够实现网站流量的智能混淆，解决了匿名网络中网页访问的隐私保护问题。
-
公开(公告)号：CN111953670B
公开(公告)日：2022-11-15
申请号：CN202010751908.1
申请日：2020-07-30
Applicant: 江苏大学
Abstract: 本发明公开一种基于Meek传输插件的自适应混淆方法、系统及计算机存储介质，它包括采集模块、分析模块、变形模块和转发模块。采集模块用于收集用户各种行为流量；分析模块用于分析和选择目标流量；变形模块将目标流量按照模拟混淆器进行预混淆，并通过分类器评估；转发模块按照最优变形策略进行实际处理，并将处理完毕的匿名流量转发至网络。通过本发明，在Tor代理系统与其匿名网络之间，以相对最小的开销，混淆Meek传输插件产生的流量的数据包特征，以此将其流量伪装变形成另一类流量，使恶意攻击者很难采用统计分析来区分更改后的匿名流量和普通流量，从而在网络性能影响较小的情况下，有效提升数据信息的匿名效果。
-
公开(公告)号：CN115129447A
公开(公告)日：2022-09-30
申请号：CN202210710663.7
申请日：2022-06-22
Applicant: 江苏大学
Abstract: 本发明公开了一种工业互联网中计及条件风险价值的边缘计算任务卸载方法及计算机设备，考虑边缘计算中由于信道不确定性及可供任务卸载的MEC集不确定性，导致任务可能出现的高时延风险，建立计算任务的本地计算模型，边缘计算模型和时延风险值模型。以时延及时延风险值之和最小化为优化目标，考虑任务是否卸载约束和时延约束，通过基于一阶矩二阶矩分布鲁棒模糊集方法，将时延问题近似成一个半定规划问题(SDP)。提出一种基于分支定界法改进的时延优化卸载算法，将任务卸载问题进行合理化的分配，通过实现边缘计算更低卸载时延为用户提供更优质的服务。最后指定置信水平β的值，通过改变条件风险价值(CVaR)的权重，来规避高时延风险。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
