公开(公告)号：CN118381657B

公开(公告)日：2024-08-20

申请号：CN202410778267.7

申请日：2024-06-17

Applicant: 湘江实验室

Inventor： 李沁 ,  李海青 ,  刘利枚 ,  史庆宇 ,  黄璜 ,  张军号

IPC: H04L9/40 ,  G06F18/213 ,  G06F18/241 ,  G06F18/25

Abstract: 本发明实施例中提供了一种基于多评估项互影响同更新的算网融合系统安全评估方法，属于通信技术领域，具体包括：获取算网融合系统安全评估数据，其中，所述算网融合系统安全评估数据包括前T个时刻的威胁项数据、脆弱项数据和基础运行项数据；提取威胁项数据、脆弱项数据和基础运行项数据的隐含特征并进行融合，得到算网融合系统安全评估特征；将算网融合系统安全评估特征输入由非线性层构建的分类器得到安全评估结果并进行安全防控。通过本发明的方案，基于互影响同更新机制充分利用三类数据彼此之间的影响来进行隐含特征更新并进行多项互感融合，以发现潜在的安全风险并进行预警，提高了算网安全性、预警效率、精准度和适应性。

公开(公告)号：CN118381657A

公开(公告)日：2024-07-23

申请号：CN202410778267.7

申请日：2024-06-17

Applicant: 湘江实验室

Inventor： 李沁 ,  李海青 ,  刘利枚 ,  史庆宇 ,  黄璜 ,  张军号

IPC: H04L9/40 ,  G06F18/213 ,  G06F18/241 ,  G06F18/25

Abstract: 本发明实施例中提供了一种基于多评估项互影响同更新的算网融合系统安全评估方法，属于通信技术领域，具体包括：获取算网融合系统安全评估数据，其中，所述算网融合系统安全评估数据包括前T个时刻的威胁项数据、脆弱项数据和基础运行项数据；提取威胁项数据、脆弱项数据和基础运行项数据的隐含特征并进行融合，得到算网融合系统安全评估特征；将算网融合系统安全评估特征输入由非线性层构建的分类器得到安全评估结果并进行安全防控。通过本发明的方案，基于互影响同更新机制充分利用三类数据彼此之间的影响来进行隐含特征更新并进行多项互感融合，以发现潜在的安全风险并进行预警，提高了算网安全性、预警效率、精准度和适应性。

公开(公告)号：CN119990497A

公开(公告)日：2025-05-13

申请号：CN202510459004.4

申请日：2025-04-14

Applicant: 湘江实验室

Inventor： 朱伍洋 ,  彭晗 ,  徐雪松 ,  徐洪奎 ,  黄璜

IPC: G06Q10/047 ,  G06N3/126 ,  G06N5/01 ,  G01C21/20

Abstract: 本申请涉及无人机路径规划技术领域，提供了一种双层优化的无人机路径规划方法及相关设备。该方法包括：获取目标无人机的基站位置、多个巡检目标点的位置；基于基站位置、所有巡检目标点的位置构建目标无人机的路径优化函数；利用遗传算法和禁忌搜索算法对路径优化函数进行求解，得到目标无人机的最优路径规划方案；根据最优路径规划方案控制目标无人机对所有巡检目标点进行巡检。本申请的方法能够提高无人机路径规划的精确度。

公开(公告)号：CN119493669B

公开(公告)日：2025-04-08

申请号：CN202510072225.6

申请日：2025-01-17

Applicant: 湘江实验室

Inventor： 詹敏 ,  宋金可 ,  史庆宇 ,  黄璜 ,  廖欣

IPC: G06F9/50 ,  G06N3/092 ,  H04L67/10

Abstract: 本发明公开了一种基于深度强化学习的算力网络调度方法、装置及介质，该方法包括：获取算力网络环境信息；基于算力网络环境信息和初始调度模型信息，确定出目标调度模型信息；目标调度模型信息包括M个目标资源调度模型；目标资源调度模型包括第一目标资源调度模型，和/或，第二目标资源调度模型；基于目标调度模型信息和算力网络环境信息，确定出目标算力网络资源调度结果信息；目标算力网络资源调度结果信息包括算力调度类型和算力参数信息。本发明的算力网络调度方法能够基于深度强化学习方式来对算力网络资源进行调度，可提高调度效率和精度，进而提高用户使用体验感。

公开(公告)号：CN119493669A

公开(公告)日：2025-02-21

申请号：CN202510072225.6

申请日：2025-01-17

Applicant: 湘江实验室

Inventor： 詹敏 ,  宋金可 ,  史庆宇 ,  黄璜 ,  廖欣

IPC: G06F9/50 ,  G06N3/092 ,  H04L67/10

Abstract: 本发明公开了一种基于深度强化学习的算力网络调度方法、装置及介质，该方法包括：获取算力网络环境信息；基于算力网络环境信息和初始调度模型信息，确定出目标调度模型信息；目标调度模型信息包括M个目标资源调度模型；目标资源调度模型包括第一目标资源调度模型，和/或，第二目标资源调度模型；基于目标调度模型信息和算力网络环境信息，确定出目标算力网络资源调度结果信息；目标算力网络资源调度结果信息包括算力调度类型和算力参数信息。本发明的算力网络调度方法能够基于深度强化学习方式来对算力网络资源进行调度，可提高调度效率和精度，进而提高用户使用体验感。

公开(公告)号：CN118802593A

公开(公告)日：2024-10-18

申请号：CN202411273542.6

申请日：2024-09-12

Applicant: 湘江实验室

Inventor： 黄璜 ,  曹嘉建 ,  刘利枚 ,  曹文治 ,  史庆宇

IPC: H04L41/149 ,  H04L41/0896

Abstract: 本申请涉及算力网络带宽预测技术领域，提供了一种算力网络的带宽预测方法、装置、设备及介质。该方法包括：获取目标算力网络在T个时刻的带宽值；根据所有带宽值获取带宽时域信息和带宽频域信息，并将带宽时域信息和带宽频域信息进行拼接，得到融合信息；将融合信息线性投影到隐藏维度，得到融合信息的第一投影和第二投影，对第一投影和第二投影进行下采样的特征提取，得到局部特征，并对第一投影和第二投影进行上采样的特征提取，得到全局特征；将局部特征和全局特征进行融合，得到最终特征；对最终特征进行预测，得到当前时刻目标算力网络的预测带宽值。本申请的带宽预测方法能够提高带宽预测的准确性。