-
公开(公告)号：CN106503759A
公开(公告)日：2017-03-15
申请号：CN201610909384.8
申请日：2016-10-19
Applicant: 中国石油大学(华东)
IPC: G06K17/00
CPC classification number: G06K17/0029 , G06K2017/0051 , G06K2017/0077
Abstract: 本发明涉及一种匿名分组RFID系统的丢失标签检测方法，其步骤为：读头根据所有标签的组ID信息以及哈希函数采用匿名条件下的小组标签选择方法选择某一小组的标签进行丢失标签检测；读头采用组内丢失标签检测方法对选定的小组标签进行检测；当读头对上一组的标签检测完成后，则选定下一组标签利用组内丢失标签检测方法进行检测，直到所有小组的标签都被检测，则完成整个匿名分组RFID系统的丢失标签检测。本发明读头在不暴露标签ID信息隐私的前提下选择特定小组的标签，能够有效保护标签的信息，包括标签的ID和组ID信息，在保护标签信息的前提下，对每个小组分别进行检测，检测时间短，检测效率高。
-
公开(公告)号：CN117812072A
公开(公告)日：2024-04-02
申请号：CN202211140397.5
申请日：2022-09-20
Applicant: 中国石油大学(华东)
IPC: H04L67/10 , H04L67/1008 , H04L67/101 , G06N7/01 , G06N3/092 , G06F17/18
Abstract: 本发明公开了一种基于深度强化学习的云边端协同智慧油田边缘计算系统任务卸载策略。云边端协同智慧油田边缘计算系统通常由中心云服务器、多个边缘服务器以及大量装载有传感器的终端设备组成。终端设备需要处理计算密集或延迟敏感的任务，该任务可以被分解为多个具有依赖关系的子任务，而传统基于粗粒度的任务卸载策略无法应用于子任务间具有依赖关系的场景。此外，基于通信模型的任务卸载策略可扩展性较差，很难适用于通信环境日益复杂的智慧油田系统。与现有的基于通信模型的粗粒度任务卸载策略不同，本发明提出的卸载策略针对智慧油田中通信环境复杂多变、油田任务复杂多样等挑战，引入深度强化学习，通过与环境的交互来学习模型，代替预先定义通信模型的方式，实现基于无模型的任务卸载，在最大化系统效用的同时，有效提高卸载策略的动态适应能力。仿真结果显示本发明所提出的基于深度强化学习的云边端协同智慧油田边缘计算系统任务卸载策略在性能上优于基准方法。
-
公开(公告)号：CN113850095B
公开(公告)日：2023-10-20
申请号：CN202111111564.9
申请日：2021-09-23
Applicant: 中国石油大学(华东)
IPC: G06K7/10
Abstract: 本发明涉及一种多点选择的商用RFID系统的未知标签识别方法，其步骤为：阅读器首先构建一个掩码集，为了降低空时隙的比例，提高未知标签的识别效率，掩码集被均分为多批，每批包含多个Select命令用于未知标签的选择。此外，为了消除多个Select命令共同作用导致的时隙冲突问题，阅读器将产生冲突的Select命令进行分解。这时，阅读器在问询标签前，将一批Select命令广播出去。被这些Select命令选择的标签会向阅读器发送回应，若出现冲突，则将该批的Select命令分解重新选择，通过多点的选择方式，本方法能够在降低空时隙比例的基础上避免了多个Select命令导致的时隙冲突问题，大大提高了未知标签的识别效率。
-
公开(公告)号：CN107784247B
公开(公告)日：2020-12-15
申请号：CN201710991965.5
申请日：2017-10-23
Applicant: 中国石油大学(华东)
IPC: G06K7/10
Abstract: 匿名射频识别系统分阶段丢失关键标签的识别方法，基于射频识别系统而实现，所述射频识别系统包括服务器、读头及n个标签，所述服务器按标签ID将标签区分记录为关键标签和普通标签；所述关键标签丢失识别方法，包括以下步骤：首先进行普通标签的抑制，读头识别出所有的普通标签；待识别出所有普通标签后，使普通标签不再接收读头广播的识别消息，开始关键标签的识别过程，直至所有关键标签的状态被确认。本发明所提出的丢失关键标签识别方法，首先对普通标签进行抑制，保证所有的普通标签均被抑制不参与关键标签的识别过程，降低普通标签对识别过程的干扰，提高识别效率和准确率。
-
公开(公告)号：CN110378157A
公开(公告)日：2019-10-25
申请号：CN201910664783.6
申请日：2019-07-23
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于多种子的大规模RFID系统概率性克隆攻击识别方法，该方法中，在任意第i轮识别中，阅读器采用多种子构建选种向量VSi，并根据VSi构建期望时隙状态向量VEi；阅读器将VSi、帧的长度fi以及r个种子广播给所有真实标签，每个真实标签进行哈希计算并根据选种向量VSi选择一个时隙回复阅读器，阅读器构建实际时隙状态向量VAi；根据构建的VEi和VAi，阅读器依次对比每个时隙的期望状态与实际状态，并做出识别措施；当阅读器完成上一轮的识别后，改变fi以及r个种子继续对剩余未被失活的真实标签进行新一轮的识别，阅读器将执行多轮识别直至系统中所有的真实标签被识别完毕，则完成整个系统的概率性克隆攻击的识别。本发明能够提高克隆标签的识别精度和效率，缩短识别时间。
-
Patent Agency Ranking
公开(公告)号：CN109117687A
公开(公告)日：2019-01-01
申请号：CN201811140730.6
申请日：2018-09-28
Applicant: 中国石油大学(华东)
IPC: G06K7/10
CPC classification number: G06K7/10079
Abstract: 本发明涉及一种基于HZE的大规模分组RFID系统的丢失标签冰山查询方法，其步骤为：丢失标签查询包括w轮，在结束任意第k,1≤k≤w轮的查询时，读头得到当前轮估计下的各小组丢失标签估计值，并计算出其期望值和方差；在第k轮查询的估计过程结束后，读头将对之前k轮中每轮估计下得到的各小组丢失标签估计值进行求均值计算，作为当前轮估计结束时的各小组丢失标签估计值，并计算出其期望值和方差；在第w轮查询结束后，读头对标签小组进行分类，并对w轮的查询结果进行准确度验证，若查询准确度达到所需的可信度要求，则结束查询过程并得到标签组系列Γ'；否则继续需查询过程直至查询准确度达到所需的可信度要求。本发明能够提高丢失标签冰山查询效率，缩短查询时间。
-
公开(公告)号：CN107784247A
公开(公告)日：2018-03-09
申请号：CN201710991965.5
申请日：2017-10-23
Applicant: 中国石油大学(华东)
IPC: G06K7/10
CPC classification number: G06K7/10079
Abstract: 匿名射频识别系统分阶段丢失关键标签的识别方法，基于射频识别系统而实现，所述射频识别系统包括服务器、读头及n个标签，所述服务器按标签ID将标签区分记录为关键标签和普通标签；所述关键标签丢失识别方法，包括以下步骤：首先进行普通标签的抑制，读头识别出所有的普通标签；待识别出所有普通标签后，使普通标签不再接收读头广播的识别消息，开始关键标签的识别过程，直至所有关键标签的状态被确认。本发明所提出的丢失关键标签识别方法，首先对普通标签进行抑制，保证所有的普通标签均被抑制不参与关键标签的识别过程，降低普通标签对识别过程的干扰，提高识别效率和准确率。
-
公开(公告)号：CN107644185A
公开(公告)日：2018-01-30
申请号：CN201710991315.0
申请日：2017-10-23
Applicant: 中国石油大学(华东)
IPC: G06K7/10
Abstract: 匿名射频识别系统基于向量的丢失关键标签的识别方法，需要进行多轮标签识别，其中第i轮标签识别包括以下步骤：读头广播包含R和fi的信息，计算每个标签应答的预期时隙序号，读头基于所有标签的ID，计算每个标签的应答时隙，并估算每个时隙的预期状态，生成向量序列；向量序列中相邻的两位为一个时隙指标值，每种时隙指标对应一种标签读取类型；按向量序列中时隙指标顺序进行标签状态识别，判断标签在相应的识别时隙是否返回应答状态，未返回应答状态的关键标签为丢失关键标签。本发明所提出的丢失关键标签识别方法适用于匿名的RFID系统中。能够在识别过程中有效抑制普通标签，降低普通标签对识别过程的干扰，提高识别效率和准确率。
-
公开(公告)号：CN116011478A
公开(公告)日：2023-04-25
申请号：CN202310152344.3
申请日：2023-02-23
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于大规模RFID系统的未知标签识别方法，属于射频识别和物联网技术领域，其步骤为：首先阅读器通过标签的EPC构建一个期望帧向量，在该期望帧向量的基础上，筛选出所有“0”片段的大小，并将所有“0”片段的长度构建一个指示向量。通过该指标向量来同时标记未知标签和失活已知标签，极大提高了未知标签的失活效率。当系统中的已知标签全部被失活后，阅读器通过曼彻斯特编码解码所有收到的未知标签回应，通过筛选出所有的“0”片段构建另一个指示向量。阅读器通过该指示向量使未知标签在特定的时隙内回复他们的EPC。该指示向量不但可以减少阅读器的广播成本，还能有效跳过空时隙，提高未知标签的识别效率。
-
公开(公告)号：CN110378157B
公开(公告)日：2023-03-28
申请号：CN201910664783.6
申请日：2019-07-23
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于多种子的大规模RFID系统概率性克隆攻击识别方法，该方法中，在任意第i轮识别中，阅读器采用多种子构建选种向量VSi，并根据VSi构建期望时隙状态向量VEi；阅读器将VSi、帧的长度fi以及r个种子广播给所有真实标签，每个真实标签进行哈希计算并根据选种向量VSi选择一个时隙回复阅读器，阅读器构建实际时隙状态向量VAi；根据构建的VEi和VAi，阅读器依次对比每个时隙的期望状态与实际状态，并做出识别措施；当阅读器完成上一轮的识别后，改变fi以及r个种子继续对剩余未被失活的真实标签进行新一轮的识别，阅读器将执行多轮识别直至系统中所有的真实标签被识别完毕，则完成整个系统的概率性克隆攻击的识别。本发明能够提高克隆标签的识别精度和效率，缩短识别时间。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.066 seconds)
