公开(公告)号：CN117580132B

公开(公告)日：2024-04-12

申请号：CN202410064548.6

申请日：2024-01-16

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 王滨 ,  赵海涛 ,  王星 ,  王琴 ,  刘颖

IPC: H04W48/16 ,  H04W48/18 ,  H04W72/0457 ,  H04W72/044 ,  H04W4/30 ,  G06N3/092

Abstract: 本申请提供一种基于强化学习的移动设备异构网络接入方法、装置及设备，该方法包括：获取多个候选参数集合，所述候选参数集合包括一个候选网络、一个候选带宽和一个候选功率；针对每个候选参数集合：基于所述候选参数集合确定移动设备对应的用户奖励值和候选网络对应的网络奖励值；基于所述用户奖励值和所述网络奖励值确定所述候选参数集合对应的目标奖励值；基于每个候选参数集合对应的目标奖励值，从多个候选参数集合中选取一个候选参数集合，基于该候选参数集合确定移动设备接入的目标网络、移动设备采用的目标功率、目标网络为移动设备分配的目标带宽。通过本申请的技术方案，通过异构网络支持物联网设备的连接，满足物联网设备的需求。

公开(公告)号：CN116016610B

公开(公告)日：2024-01-09

申请号：CN202310283893.4

申请日：2023-03-21

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 王滨 ,  赵海涛 ,  陈思 ,  倪艺洋 ,  谢瀛辉 ,  王琴 ,  郝晴 ,  王伟

IPC: H04L67/12 ,  H04L9/40 ,  H04L41/142 ,  H04L41/16

Abstract: 本申请提供一种基于区块链的车联网数据安全共享方法、装置及设备，该方法包括：将初始全局模型参数发送给多个终端设备，以使每个终端设备基于初始全局模型参数获取局部模型参数；获取多个终端设备发送的局部模型参数；从区块链下载终端设备对应的信誉特征，或基于终端设备对应的车联网数据交互信息确定终端设备对应的信誉特征；基于信誉特征确定终端设备为第一类终端或第二类终端；基于所有第一类终端发送的局部模型参数生成目标全局模型参数；若目标全局模型参数已收敛，则将目标全局模型参数确定为已训练模型参数。通过本申请技术方案，能够保护终端设备的数字资产，保证数据安(56)对比文件Haoyu Chen.RepBFL: Reputation BasedBlockchain-Enabled Federated LearningFramework for Data Sharing in Internet ofVehicles《.Parallel and DistributedComputing, Applications and Technologies:22nd International Conference》.2022,全文.

公开(公告)号：CN116029370A

公开(公告)日：2023-04-28

申请号：CN202310281737.4

申请日：2023-03-17

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 王滨 ,  王星 ,  谢瀛辉 ,  王琴 ,  赵海涛 ,  张为聪 ,  史心玥 ,  王伟

IPC: G06N3/098 ,  G06F21/64

Abstract: 本申请提供一种基于区块链的联邦学习的数据共享激励方法、装置及设备，包括：将初始全局模型参数添加至目标区块链，以使终端设备从目标区块链下载初始全局模型参数，基于初始全局模型参数获取局部模型参数，将局部模型参数添加至目标区块链；从目标区块链下载局部模型参数，基于局部模型参数确定目标全局模型参数；若目标全局模型参数已收敛，则将目标全局模型参数确定为已训练参数，已训练参数用于对数据进行处理；在得到目标全局模型参数后，基于局部模型参数对应的预测准确率确定终端设备对应的目标奖励率。通过本申请方案，提高模型训练过程的效率，模型训练的收敛速度更快。

公开(公告)号：CN117544513B

公开(公告)日：2024-04-02

申请号：CN202410015996.7

申请日：2024-01-02

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 王滨 ,  赵海涛 ,  王星 ,  王琴 ,  宁洛函

IPC: H04L41/0895 ,  H04L41/044 ,  H04L67/60 ,  H04L67/2866

Abstract: 本申请提供一种基于雾资源的新型物联网定制化服务提供方法及装置，该方法包括：接收物联网终端发送的服务请求；其中，所述服务请求中携带有时延容忍度及资源需求，所述服务请求对应一组有序的虚拟网络功能VNF；所述时延容忍度用于指示最大容忍时延；依据所述时延容忍度及资源需求，以最小化延迟和负载为原则，确定所述服务请求的服务路径；其中，所述服务路径以接收所述物联网终端发送的服务请求的主雾节点为源节点，以次雾节点为目标节点；所述服务路径的总延迟小于等于所述最大容忍时延；依据所述服务路径，对所述服务请求对应的VNF进行映射。该方法可以提升雾架构的计算性能，以及，数据处理的灵活性。

公开(公告)号：CN117499491B

公开(公告)日：2024-03-26

申请号：CN202311840771.7

申请日：2023-12-27

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 王滨 ,  赵海涛 ,  王星 ,  王琴 ,  杨德贤 ,  徐波 ,  谢瀛辉

IPC: H04L67/60 ,  G06N3/092

Abstract: 本申请提供一种基于双智能体深度强化学习的物联网服务编排方法及装置，该方法包括：依据历史时间段的服务请求到达率，利用预先训练的神经网络模型，确定下一时间段的服务请求到达率；依据所述下一时间段的服务请求到达率，利用深度强化学习算法，确定下一时间段到达的服务请求的目标划分比例和目标VNF编排方案；依据所述目标划分比例和目标VNF编排方案，对下一时间段到达的服务请求进行处理。该方法可以实现物联网环境下的服务请求的合理分配，降低物联网环境下的服务请求的计算成本。