-
公开(公告)号：CN104980952A
公开(公告)日：2015-10-14
申请号：CN201510253236.0
申请日：2015-05-15
Applicant: 东北大学
IPC: H04W24/02
CPC classification number: H04W24/02
Abstract: 本发明一种基于互信息量的监测路由器选择方法，属于通信网络技术领域；该方法首先获得每个路由器的桥连接系数，其次获得每个路由器与每个路由器所有相邻路由器的互信息总量，将互信息总量最大的路由器选定为网络拓扑中的监测路由器，最后确定每个监测路由器的监管区域；本发明所选取监测路由器的拓扑位置在网络中具有重要地位，便于互通监测信息，能够保证监测信息的准确性，不易受到攻击；本发明避免了基于簇的入侵监测系统监测方法忽略路由器在网络中的重要性差异以及网络路由器之间的相互联系，所导致的过度地消耗路由器的计算资源和能量，减少了冗余信息，避免资源消耗，减少系统监测开销，在很大程度上提高了网络性能。
-
公开(公告)号：CN104540208A
公开(公告)日：2015-04-22
申请号：CN201410835916.9
申请日：2014-12-29
Applicant: 东北大学
IPC: H04W52/26
CPC classification number: H04W52/26 , H04W52/262 , H04W52/267
Abstract: 本发明一种基于物理层网络编码的速率功率自适应方法，属于通信网络技术领域；该方法首先设定网络传输条件并发送信号，然后根据接收端接收到的信号构建解码后误比特率、发射功率和传输速率之间的关系，根据上述三者的关系，构建在信号传输第一时隙，当信号传输速率固定时，最优传输功率的约束条件，最后获得信号传输第一时隙，最优信号传输速率及发射端最优发射功率组和信号传输第二时隙的最优传输速率，设定为网络数据传输的固定值，本发明在合理时延的情况下，提高了网络吞吐量，降低了传输时延，节省了信号传输时间，保证了网络的有效性，适用于多种可以采用PNC的网络环境，在实际网络传输中具有较大应用价值。
-
公开(公告)号：CN104486811A
公开(公告)日：2015-04-01
申请号：CN201410748767.2
申请日：2014-12-09
Applicant: 东北大学
CPC classification number: Y02D70/00 , H04W40/10 , H04Q11/0005
Abstract: 本发明一种基于蚁群算法的深空光网络路由方法，属于通信网络技术领域；该方法首先初始化网络，随机设定深空光网络中一个路由器为源路由器，另一个路由器为目的路由器，根据设定的源路由器和目的路由器，设置深空光网络中的网络约束条件，然后根据网络约束条件，保留满足条件的路径和路由器，最后利用蚁群算法获取深空光网络的最优路径，本发明中的深空光网络路由方法充分利用单向路径资源，提高了网络资源的利用率，同时考虑节点路由器的剩余电量，控制路由器能耗速度，提高了网络的生存时间，此外，本发明保留路径信息素，加快了算法的收敛速度，计算更加方便。
-
公开(公告)号：CN104468050A
公开(公告)日：2015-03-25
申请号：CN201410842685.4
申请日：2014-12-29
Applicant: 东北大学
CPC classification number: H04L1/00 , H04L1/0001 , H04W28/18
Abstract: 本发明一种协作无线网络中期限感知的自适应数据包传输方法，属于通信网络技术领域；该方法首先构建初始动态传输拓扑，然后确定数据包的传输方式，选择传输效率最大的数据包或数据包组合进行传输，并更新数据包动态传输拓扑，直到所有数据包均传输完，最后将数据包和数据包组合的传输顺序，作为无线网络中的数据传输顺序，本发明着重关注了在无线网络中数据包在多速率传输和截止时间约束下的调度和传输，提高了传输效率，并支持支持4种传输方法：模拟网络编码ANC、传统网络编码CNC，普通路由传输PR和直接传输NR，基于动态图集，提出的方法降低了计算的复杂度。
-
公开(公告)号：CN118627593A
公开(公告)日：2024-09-10
申请号：CN202410669002.3
申请日：2024-05-28
Applicant: 东北大学
Abstract: 本发明属于通信与分布式环境下机器学习技术领域，提供了一种基于规则性DAG区块链的异步联邦学习方法，包括以下步骤：依据联邦学习训练过程特点，设计规则性DAG结构；参与节点共同构建并维护规则性DAG，并依照设计的训练规则进行联邦学习模型训练；在共识过程中采用提出的基于深度强化学习的两跳尖端选择算法进行尖端模型选择，最终得到联邦学习目标模型。本发明通过设计DAG结构与训练规则，实现在DAG中建立起基于模型间关系的高效有序联邦学习过程，且通过改进共识过程中尖端选择算法，保证联邦学习过程的安全性，并进一步提高共识过程效率，从而实现安全高效的联邦学习，对未来基于区块链的联邦学习的研究有一定的参考价值。
-
Patent Agency Ranking
公开(公告)号：CN118540694A
公开(公告)日：2024-08-23
申请号：CN202410624177.2
申请日：2024-05-20
Applicant: 东北大学
IPC: H04W12/02 , H04W12/63 , H04W24/02 , H04B7/04 , H04B17/391
Abstract: 本发明属于无线通信技术领域，公开了一种RIS辅助ISAC系统的物理层安全优化方法，包括如下步骤：S1：初始化通信参数；S2：根据通信参数，构建智慧城市下RIS辅助ISAC系统模型；S3：基于所述RIS辅助ISAC系统模型，建立基于用户保密率优化问题的数学模型；S4：将基于用户保密率优化问题的数学模型解耦成三个子问题，分别对基站接收波束、RIS相位和基站发送波束这三个决策变量进行交替优化；S5：将所述子问题转化为确定性凸优化模型进行求解。本发明能够有效提升用户通信保密率，满足未来6G对于感知和通信融合的发展需求，对各领域智慧环境中的物理层安全研究具有重要意义。
-
公开(公告)号：CN117896763A
公开(公告)日：2024-04-16
申请号：CN202311668953.0
申请日：2023-12-07
Applicant: 东北大学
Abstract: 本发明提供了一种回程容量限制下的空中RIS辅助JP‑CoMP技术研究，涉及通信领域与RIS相移技术领域，包括如下步骤：S1：对研究内容进行场景预部署；S2：构建回程容量限制下的空中RIS辅助JP‑CoMP技术研究系统模型；S3：基于所述空中RIS辅助JP‑CoMP系统模型得到优化问题，所述优化问题为最大化用户经过RIS服务占用的基站回程链路总容量；S4：将所述优化问题分为用户关联优化和RIS的相移优化两个子问题进行求解，得到最优决策方案。本发明可在通信领域与RIS领域广泛推广，可以应用于大规模用户海量数据场景下的问题解决，对未来回程容量限制下的空中RIS辅助JP‑CoMP技术研究有一定的参考价值。
-
公开(公告)号：CN112765892B
公开(公告)日：2023-09-26
申请号：CN202110109945.7
申请日：2021-01-27
Applicant: 东北大学
IPC: G06F30/27 , G06N3/0464 , G06N3/044 , G06N3/084 , G06N7/01
Abstract: 一种异构车联网中的智能切换判决方法，属于车联网通信技术领域，包括：步骤1、搭建问题模型；步骤2、搭建DCRQN架构，主要分为网络环境和决策大脑两部分；决策大脑从网络环境中获得网络的状态信息，即网络接入点接收到的车辆终端的SINR，并对网络状态信息进行处理，然后决策大脑制定决策，并执行决策指令，实现对网络的管理操作，即将车辆终端切换到目标网络；所述决策大脑由三个部分组成，分别为：智能体模块、特征提取模块和决策模块；步骤3、基于DCRQN进行切换决策。本发明方法能够学习车辆终端所处的状态，做出最佳的切换决策，使得车辆终端在整个覆盖范围内的平均吞吐量最高，提高车辆终端的服务质量。
-
公开(公告)号：CN113193999A
公开(公告)日：2021-07-30
申请号：CN202110475268.0
申请日：2021-04-29
Applicant: 东北大学
IPC: H04L12/24 , H04L12/721
Abstract: 本发明提供一种基于深度确定性策略梯度的虚拟网络映射方法，包括以下步骤：S1：将虚拟网络映射问题建模为马尔科夫过程；S2：对当前网络状态，使用深度确定性策略梯度算法进行物理节点的选择，进行虚拟节点映射；S3：对步骤S2中映射的虚拟节点相邻的虚拟链路使用最短路径算法进行链路映射，并在进行链路映射时满足虚拟链路的时延要求；S4：返回当前网络状态对应的奖励值及下一个网络状态，将经验存储到经验库中；深度确定性策略梯度算法智能体从经验库中抽取一批经验进行训练，对深度确定性策略梯度算法中目标网络的参数进行更新。本发明解决了现有技术中的在大规模网络上进行虚拟资源分配时资源利用率有限、不够智能的问题。
-
公开(公告)号：CN110351286B
公开(公告)日：2021-05-18
申请号：CN201910643617.8
申请日：2019-07-17
Applicant: 东北大学
IPC: H04L29/06 , H04L12/26 , H04L12/801
Abstract: 本发明提供一种软件定义网络中链路洪泛攻击检测响应机制，包括：潜在目标链路识别模块、链路拥塞监控模块、流量工程模块以及恶意主机识别模块，包括以下步骤：所述潜在目标链路识别模块通过SDN控制器通过头部空间分析获取网络拓扑中的流路径，分析识别网络拓扑中攻击者的目标链路；所述链路拥塞监控模块对识别的所述攻击者的目标链路进行实时监控；所述流量工程模块获知拥塞链路的情况之后通过对网络的链路拓扑信息以及负载分布信息进行收集与分析，通过多次重路由对拥塞链路进行缓解，同时源主机信息被记录下来恶意主机识别模块分析出源主机中的恶意主机。本发明提出的链路洪泛攻击的检测响应系统能够适用于各种规模的网络场景。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.024 seconds)
