公开(公告)号：CN119584123A

公开(公告)日：2025-03-07

申请号：CN202411608803.5

申请日：2024-11-12

Applicant: 重庆邮电大学

Inventor： 陈乔松 ,  陈湘 ,  吴坷澄 ,  陈俊谕

IPC: H04W12/06 ,  H04W4/40 ,  H04L9/00 ,  G06F18/23213

Abstract: 本发明涉及车联网、区块链、共识算法等技术，并公开了一种面向车联网身份认证的PBFT算法改进方法。在该方法中，仅将动态的车辆节点作为共识节点，基于K‑Medoids聚类算法，预先设置k个固定可信的路侧单元作为聚类中心，根据车辆之间的通信距离将车辆划分到最近的分组中，并设置阈值使每组节点数相近，然后根据分组结果对共识流程进行改进，分为组内共识和组间共识，减少PBFT共识算法的通信消耗和通信时延以及网络中传播的消息的数量，降低网络负载和通信开销。

公开(公告)号：CN116452293A

公开(公告)日：2023-07-18

申请号：CN202310416927.2

申请日：2023-04-18

Applicant: 重庆邮电大学

Inventor： 邓江洲 ,  王永 ,  陈俊谕 ,  郭琦 ,  伍奇 ,  陈思彤 ,  张雪

IPC: G06Q30/0601 ,  G06F18/213 ,  G06F18/25 ,  G06N3/048

Abstract: 本发明提出一种融合物品受众特征的深度学习推荐方法及系统，属于推荐技术领域。包括有数据收集及数据清洗；转化评分为隐式反馈矩阵；获取物品的历史交互用户列表；运用注意力机制，自适应计算物品的个性化受众特征；通过线性回归与向量内积学习数据中的低阶特征；设计特征交互层以显式地进行特征交叉；利用多层全连接神经网络进一步学习高阶特征；融合低阶和高阶特征信息输出目标用户对物品的预测值；对预测集合排序，进行top‑N推荐；经过多次实验验证，本发明能够充分挖掘历史交互信息中的潜在价值，提高推荐质量，展现出良好的应用潜力。

公开(公告)号：CN117150135A

公开(公告)日：2023-12-01

申请号：CN202311126047.8

申请日：2023-09-01

Applicant: 重庆邮电大学

Inventor： 李昌兵 ,  陈思彤 ,  邓江洲 ,  王淞立 ,  陈俊谕 ,  李行健 ,  刘岽 ,  罗陈红

IPC: G06F16/9535 ,  G06Q10/0639

Abstract: 本发明提出的基于物品交互约束的自编码器推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据偏好特征模块从已有的评分信息中获取用户的偏好特征；根据物品特征获取模块从标签中获取物品特征；根据融合偏好特征模块，将两个特征融合到一起，用于后续对用户评分的预测；再根据融合特征处理模块对融合偏好特征进行处理，并输出预测评分；同时根据参数更新约束模块，对模型训练过程中的参数更新进行约束，以避免训练过程中产生的误差；根据推荐结果获取模块，对预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。

公开(公告)号：CN117009675A

公开(公告)日：2023-11-07

申请号：CN202310884977.3

申请日：2023-07-18

Applicant: 重庆邮电大学

Inventor： 王永 ,  陈俊谕 ,  邓江洲 ,  王河洺 ,  伍奇 ,  郑磊 ,  黑旭盛

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F17/16 ,  G06N3/043 ,  G06N3/048 ,  G06N3/08 ,  G06Q30/0601

Abstract: 本发明提出的基于图片模糊集的协同过滤推荐模型，包括从数据库中获取和清理数据信息，以获得原始评分矩阵；基于图片模糊集理论，将评分矩阵转换为四个代表用户不同偏好程度的矩阵，分別为隶属矩阵、中立矩阵、非隶属矩阵以及拒绝矩阵；利用BeMF模型对偏好矩阵进行拟合以学习用户和物品的特征向量信息，并通过特征向量的内积来获取用户对为评分物品的图片模糊数；借助打分函数，对图片模糊数进行打分；通过多层感知机学习历史评分中潜在的全局用户偏好；结合图片模糊数的打分(细粒度偏好)和多层感知机的输出值(全局偏好)，形成综合预测值并排序以生成推荐物品列表。

公开(公告)号：CN116910351A

公开(公告)日：2023-10-20

申请号：CN202310627922.4

申请日：2023-05-30

Applicant: 重庆邮电大学

Inventor： 邓江洲 ,  王淞立 ,  王永 ,  陈俊谕 ,  李行健 ,  陈思彤 ,  王河洺

IPC: G06F16/9535 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提出的基于生成对抗网络的评分可信推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据基于用户偏好一致性的噪声识别规则，将不同偏好程度的用户和项目分类后，并识别原始评分矩阵中的噪声；根据设计的评分可靠性矩阵生成模块生成初始评分可靠性矩阵；根据设计的正样本填充规则，填充评分可靠性矩阵中非交互区域，以平衡数据；利用生成对抗网络去训练所获取的评分矩阵以及可靠性矩阵，以预测出各空白区域的评分值以及可靠性概率；通过与系统设定的可靠性阈值进行比较，将可靠性概率低于阈值的预测评级进行过滤，保留较高可靠性概率的评级；对过滤后的预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。

公开(公告)号：CN119743277A

公开(公告)日：2025-04-01

申请号：CN202411608797.3

申请日：2024-11-12

Applicant: 重庆邮电大学

Inventor： 陈乔松 ,  陈俊谕 ,  陈湘 ,  吴坷澄

IPC: H04L9/40 ,  H04L41/16 ,  G06F18/15 ,  G06F18/2131 ,  G06F18/25 ,  G06F18/2415 ,  G06Q20/06 ,  G06Q20/22 ,  G06Q20/38 ,  G06Q20/40 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/088 ,  G06N3/0895 ,  G06N3/0985

Abstract: 本发明提出了一种基于高低频融合Transformer的对比学习以太坊钓鱼识别方法，用于识别以太坊中的钓鱼诈骗地址。该方法结合区块链交易数据构建交易序列，利用基于Transformer模型的掩码地址预测和对比学习框架进行无监督预训练，通过高低频信息的融合捕捉交易数据中的局部和全局特征。在预训练的基础上，使用多层感知机进行微调，并最终对交易地址进行分类判断。该方法结合掩码地址预测任务和对比学习方法，能够充分利用自监督学习预训练方式进行高效的特征表示学习，不依赖于图结构，注重交易的序列信息和账户行为模式，有效提升了模型的泛化能力与鲁棒性，提升以太坊网络钓鱼和欺诈行为的识别精度以及用户交易的安全性。

公开(公告)号：CN117349520A

公开(公告)日：2024-01-05

申请号：CN202311277027.0

申请日：2023-09-28

Applicant: 重庆邮电大学

Inventor： 王永 ,  李博 ,  邓江洲 ,  陈俊谕 ,  李行建 ,  张一帆 ,  张子尧

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F21/62 ,  G06F17/16

Abstract: 本发明涉及一种基于目标扰动的逻辑回归矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户对项目的交互信息转为数值1，再对未交互的数据负采样转为数值0，得到隐式反馈矩阵；使用逻辑回归建模构造目标函数L(P,Q)，梯度下降法求解L(P,P)，用户隐因子矩阵P加密存储；将加密存储的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为二次多项式作为近似损失函数，降低目标函数敏感度的分析难度，同时只需对一次多项式加入噪声，使用少量Laplace噪声对目标函数的一次项系数进行扰动；对所有加噪的目标函数 直接求解，得到满足差分隐私的项目隐因子向量聚合所有的得到项目隐因子矩阵本发明在隐私保护性和模型有效性上均有良好的效用。