-
公开(公告)号：CN112911408A
公开(公告)日：2021-06-04
申请号：CN202110097764.7
申请日：2021-01-25
Applicant: 电子科技大学
IPC: H04N21/647 , H04N7/18 , H04L12/863 , G06N3/06
Abstract: 本发明公开了一种基于深度学习的智能视频码率调整及带宽分配方法，构建码率分配神经网络，其输入为包括可用带宽归一化值、用户缓存视频时长归一化值和用户活跃状态的状态向量，其输出为每个用户的码率分配方案向量；设置若干用户状态和可用带宽场景以获取训练样本，对码率分配神经网络进行训练；在每个决策时隙到来时，获取状态向量输入至训练好的码率分配神经网络，得到码率分配方案，再根据码率分配方案和当前可用带宽确定每个用户所占用的带宽，完成带宽分配。本发明利用神经网络推断过程执行速度快的特点，快速求解码率和带宽分配方案，提高时效及准确性。
-
公开(公告)号：CN116390129A
公开(公告)日：2023-07-04
申请号：CN202310379847.4
申请日：2023-04-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于无人机辅助的无线传感网络能量效率优化方法，通过旧路由方案对网络状态进行收集，再将状态输入到智能体的决策网络中，对悬停节点进行决策；基于悬停节点的位置，决策出网络新的多跳路由方案，并通过旧路由方案进行新路由方案的分发；在所有传感器节点都收到新路由方案之后，所有传感器再按照新路由方案传输收集的数据到悬停节点，无人机飞向悬停节点接收数据，进而完成对整个无线传感器网络的数据收集。本发明考虑到由于转发的数据量不同，节点能量消耗也就速率不同，所以数据收集方案的决策采用在线的方式，在节点能量相对变化达到一定程度后，无人机需要根据当前网络状态进行再次决策下一个悬停节点和新的多跳路由方案，这样通过无人机和传感器节点的相互配合，实现了最大化网络存活时间的目的。
-
公开(公告)号：CN116471645A
公开(公告)日：2023-07-21
申请号：CN202310443061.4
申请日：2023-04-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度强化学习的无线传感网络路由算法的自适应选择方法，在执行无线传感网络数据收集的过程中，部署在汇聚节点上的智能体将各个传感器节点的位置、剩余能量和缓存队列长度归一化后输入决策网络，对路由算法进行决策；考虑到传感器节点能量受限，新决策出的路由算法，由能量和计算资源充裕的汇聚节点告知网络中的各个传感器节点。考虑到由于转发的数据量不同，传感器节点的能量消耗速率和排队状态也不同，所以路由算法决策采用在线的方式，在节点状态的相对变化达到一定程度后，智能体的决策网络将再次进行决策，选择新的路由算法。本发明能够随着传感器节点的能量和排队状态变化，为其提供适时的路由算法调整，实现能量效率和QoS的双重优化。
-
公开(公告)号：CN113395333B
公开(公告)日：2022-03-25
申请号：CN202110599821.1
申请日：2021-05-31
Applicant: 电子科技大学
IPC: H04L67/5682 , H04W16/18 , H04W24/02 , G06N20/00
Abstract: 本发明公开了一种基于多智能体深度增强学习的多边缘基站联合缓存替换方法，在边缘缓存系统运行时，通过网络控制器统计所有边缘基站接收到的用户内容请求数量，当用户内容请求达到一定数量后，网络控制器提取这些用户内容请求的流行度特征，并实时检测流行度特征是否发生变化，当流行度特征未发生变化时，则边缘基站使用当前智能体进行缓存替换，当流行度特征发生变化时，则清空历史到达的用户内容请求，并使用LFU替代当前智能体并重新训练智能体决策网络，通过新的智能体进行缓存替换决策。
-
公开(公告)号：CN113395333A
公开(公告)日：2021-09-14
申请号：CN202110599821.1
申请日：2021-05-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多智能体深度增强学习的多边缘基站联合缓存替换方法，在边缘缓存系统运行时，通过网络控制器统计所有边缘基站接收到的用户内容请求数量，当用户内容请求达到一定数量后，网络控制器提取这些用户内容请求的流行度特征，并实时检测流行度特征是否发生变化，当流行度特征未发生变化时，则边缘基站使用当前智能体进行缓存替换，当流行度特征发生变化时，则清空历史到达的用户内容请求，并使用LFU替代当前智能体并重新训练智能体决策网络，通过新的智能体进行缓存替换决策。
-
Patent Agency Ranking
公开(公告)号：CN117176386A
公开(公告)日：2023-12-05
申请号：CN202310899351.X
申请日：2023-07-20
Abstract: 本发明涉及网络安全技术领域，并公开了一种自动化渗透测试方法、装置、设备及存储介质，该方法包括：收集可执行攻击代码，并基于可执行攻击代码生成攻击武器库；将真实网络环境对应的真实网络信息输入至自动化渗透测试决策模型中，得到真实攻击子动作，自动化渗透测试决策模型为基于深度强化学习技术对初始渗透测试模型进行训练而获得的模型；基于攻击武器库和真实攻击子动作，对真实网络环境进行自动化渗透测试。由于本发明通过自动化渗透测试决策模型得到适用于真实网络环境的真实攻击子动作，再结合真实攻击子动作以及攻击武器库中的可执行攻击代码对真实网络环境进行渗透测试，从而能够快速准确地对网络环境进行自动化渗透测试。
-
公开(公告)号：CN117014988A
公开(公告)日：2023-11-07
申请号：CN202310762750.1
申请日：2023-06-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多智能体强化学习的分布式WSN能量效率路由优化方法，分布式地在每个传感器节点部署具有决策模块的智能体，构建路由协作决策系统，所有智能体采用同步决策的方式，每个智能体的决策模块周期性地根据本地观察值向量和位置向量在本地计算得路由策略向量；决策模块采用多智能体强化学习算法进行训练，然后对无线传感网络进行部署，部署完成后周期性地采用路由协作决策系统更新路由方案。本发明综合考虑能量消耗和能量均衡性，以完全分布式的方式实现数据包的无环转发路径联合规划，提高网络存活时间。
-
公开(公告)号：CN114827931B
公开(公告)日：2023-03-10
申请号：CN202210378218.5
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多智能体增强学习的WSN能量效率优化路由方法，首先对无线传感网络进行预定义，构建路由协作决策系统，包括A个决策网络和1个汇聚模块，A个决策网络分别部署在A个传感器节点的智能体上，汇聚模块部署在汇聚节点上，其中决策网络根据本地观察值向量和位置向量得到概率向量，汇聚模块汇总A个概率向量通过概率采样的方式生成整个无线传感网的路由方案并将其重新部署给传感器；采用多智能体增强学习算法对路由协作决策系统中的A个智能体决策网络进行训练；然后对无线传感网络进行部署，部署完成后周期性地使用路由协作决策系统更新路由方案。本发明对跳数和节点剩余能量进行综合考虑，提高网络存活时间。
-
公开(公告)号：CN114827931A
公开(公告)日：2022-07-29
申请号：CN202210378218.5
申请日：2022-04-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多智能体增强学习的WSN能量效率优化路由方法，首先对无线传感网络进行预定义，构建路由协作决策系统，包括A个决策网络和1个汇聚模块，A个决策网络分别部署在A个传感器节点的智能体上，汇聚模块部署在汇聚节点上，其中决策网络根据本地观察值向量和位置向量得到概率向量，汇聚模块汇总A个概率向量通过概率采样的方式生成整个无线传感网的路由方案并将其重新部署给传感器；采用多智能体增强学习算法对路由协作决策系统中的A个智能体决策网络进行训练；然后对无线传感网络进行部署，部署完成后周期性地使用路由协作决策系统更新路由方案。本发明对跳数和节点剩余能量进行综合考虑，提高网络存活时间。
-
公开(公告)号：CN119675938A
公开(公告)日：2025-03-21
申请号：CN202411787349.4
申请日：2024-12-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于博弈强化学习的网络安全防御方法，首先通过确定关键资产及重要性权重、确定攻击者动作空间、动作发生概率以及影响程度、确定防御者动作空间、动作发生概率以及成本，进而确立攻防博弈目标，然后，设定博弈环境。在此基础上，创建两个PPO智能体、网络搭建仿真环境，在攻防动态变化场景下，通过强化学习和博弈论的相互配合，交替训练攻击者策略和防御者策略，得到最优的网络安全防御策略，以更好地应对网络安全领域的各种挑战，提升整体的网络安全防御能力。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
