-
公开(公告)号：CN106961428A
公开(公告)日：2017-07-18
申请号：CN201710151899.0
申请日：2017-03-15
Applicant: 苏州大学
CPC classification number: H04L63/1425 , H04L63/1441 , H04L67/10
Abstract: 本发明是一种基于私有云平台的集中式入侵检测系统，包括以下步骤：步骤1）搭建私有云平台，并创建需要的虚拟主机，在每台虚拟主机上部署Logstash及Elasticsearch集群，配置好Logstash的配置文件，收集每台虚拟主机的系统日志，并将日志按自定义的格式写入到Elasticsearch集群，集中式存储、管理；步骤2）对日志数据进行预处理，将刚收集到的日志数据通过过滤规则进行过滤，过滤掉普通用户的正常行为；步骤3）将预处理后的日志数据进行算法分析，根据预先训练出来的决策树模型，区分出异常行为；步骤4）根据步骤3）分析出来的结果，向各台虚拟主机反馈。本发明通过将各台虚拟机上的日志信息统一收集，集中式处理，有效地减少了各台主机的资源消耗，提高的系统资源使用率。
-
公开(公告)号：CN103903325A
公开(公告)日：2014-07-02
申请号：CN201310282964.5
申请日：2013-07-08
Applicant: 苏州大学
Abstract: 本发明公开了一种基于身份签名的安全电子投票系统，包括注册机构，公证机构，选民，验票中心和机票中心，所述投票系统包括基于身份的签名方案、矩阵同态加密方案、矩阵全同态加密方案以及矩阵委托计算方案，包括以下步骤：公正机构选举前的一系列初始化工作；选民完成投票的一系列操作；计票机构验票并统计选票；公证机构解密统计结果并公布选举结果。采用本发明技术方案，首先本电子投票方案是一个安全的电子投票方案，其次是选票大小可自由确定、可以用于大规模的网络投票选举，还有就是选举的各个环节更加公开透明。
-
公开(公告)号：CN103259643A
公开(公告)日：2013-08-21
申请号：CN201210287976.2
申请日：2012-08-14
Applicant: 苏州大学
IPC: H04L9/00
Abstract: 本发明在于公开了一种矩阵全同态加密算法，包括初始化模块、加密模块、解密模块和矩阵全同态模块，1）初始化模块：根据待加密矩阵的维数、加密类型和矩阵元素值的范围，来生成加密、解密所需的密钥；2）加密模块：根据给定的明文矩阵，使用加密算法和密钥对明文矩阵进行加密，输出密文矩阵；3）解密模块：根据给定的密文矩阵，使用密钥和解密算法对密文矩阵进行解密，输出明文矩阵；4）矩阵全同态模块：矩阵的加法和乘法运算都满足矩阵同态的性质，矩阵加法和乘法产生的输出仍然满足同态的性质，即满足矩阵全同态的性质。本发明的优点一是能够满足安全性需求；二是满足矩阵全同态的要求；三是明显提高了密文矩阵的运算速度。
-
公开(公告)号：CN101800704A
公开(公告)日：2010-08-11
申请号：CN201010126042.1
申请日：2010-03-17
Applicant: 苏州大学
Abstract: 本发明公开了一种基于混合动态优先队列的P2P流媒体系统数据请求调度方法，在数据发送结点分别建立调度时限优先队列和调度稀缺度优先队列；由数据接收结点发出的数据请求中，包含有播放时限信息和稀缺度信息；在每个数据请求到达数据发送结点时，根据调度时限和稀缺度将数据请求分别插入调度时限优先队列和调度稀缺度优先队列的相应位置；数据调度时，优先调度调度时限将在下一个调度周期中过期的请求，其次按稀缺度优先调度，在每一数据调度完成时，从两个队列中删除已调度数据请求，并调整调度时限优先队列中各数据请求的调度时限。本发明的方法可以得到更高的平均数据块按时到达率和结点上传带宽利用率，从而具有更好的媒体回放质量。
-
公开(公告)号：CN101753456A
公开(公告)日：2010-06-23
申请号：CN200910264669.0
申请日：2009-12-25
Applicant: 苏州大学
Abstract: 本发明公开了一种对等网络流量检测的方法和系统。初级过滤设备从网络转发设备上获取全部的数据包，经初级过滤后进行已知P2P应用的明文特征串检测，将包含某个明文特征串的数据包送入明文处理模块，统计以明文方式传输的P2P流量；将未包含任何明文特征串的数据包送入待检处理模块向被探测目标发送根据不同P2P应用所约定的密钥信息所构造的主动探测数据包，根据被探测目标回复的响应数据包，检测出按密文方式传输的P2P流量或者其他未知流量。本发明提供的技术方案能有效减少流量检测的处理工作量，提高系统的效率，且单个模块的故障、更新均不会影响整个系统。该项技术对现有网络的拓扑和性能不会造成任何影响，便于部署和实施。
-
Patent Agency Ranking
公开(公告)号：CN116106174A
公开(公告)日：2023-05-12
申请号：CN202310142141.6
申请日：2023-02-21
Applicant: 苏州大学
Abstract: 本发明公开了一种微纳材料的连续流动测试方法及装置，可以定量研究微纳材料的溶解释放行为，获取有关生物/环境安全性及其降解命运的关键信息。现有的微纳材料的连续流动测试存在系统稳定性差，测试结果不准确的问题，此外，现有系统没有合适的方式平衡溶解单元内超滤膜带来的强大阻力，实现介质的稳定流动。本发明公开的测试系统中，压力系统操作简便，能够实现100 kPa范围内的稳定压力驱动。一个压力源，多组独立压力输出端，可与流速控制系统协同作用维持多组平行测试流速相同。全新开发的溶解单元，能够实现较大压力范围内的性能稳定性，独特的漏斗形内腔能够实现死体积最小化。测试结果证明，系统的稳定性和实验结果的可重复性大大提高。
-
公开(公告)号：CN113158243A
公开(公告)日：2021-07-23
申请号：CN202110414068.4
申请日：2021-04-16
Abstract: 本发明公开了一种分布式图像识别的模型推理方法及系统，方法包括构建卷积神经网络图像分类模型并按层切分，获取模型的层信息、各个层的权重参数矩阵和计算量；根据层信息确定边缘设备的数量，并结合边缘设备的存储空间和计算能力、根据各个层的权重参数矩阵尺寸和计算量将模型分布部署到边缘设备上；边缘设备使用线性编码的分布式卷积神经网络图像分类推理方案对图像进行分类识别，通过图像推理计算得到识别结果。系统包括部署有权重参数矩阵的边缘设备，边缘设备之间通过线性编码的方式互相通信。本发明通过合理部署保证了图像识别过程的稳定性，避免掉队者问题；通过使用线性编码的分布式图像分类推理方案进行分类识别，保护了数据安全。
-
公开(公告)号：CN106161204B
公开(公告)日：2019-05-10
申请号：CN201610400278.7
申请日：2016-06-08
Applicant: 苏州大学
IPC: H04L12/58 , H04L12/701 , H04L12/721 , H04L12/725
Abstract: 本发明是一种基于群体智能的移动社交网络中的数据传输方法，该方法包括以下步骤：A：针对移动社交网络中的数据分发问题，对其进行模型化分析，归纳出移动社交网络的一般模型；B：在归纳出移动社交网络一般模型的基础上，利用蚁群优化算法在处理优化问题上的高效性采用基于蚁群优化的移动社交网络算法ACOMSNet；C：针对ACOMSNet算法容易陷入局部最优的缺陷，将粒子群算法与ACOMSNet融合，得到改进后的ACOMSNet算法；D：针对网络中的自私节点基于节点声誉值采用适用于移动社交网络的激励机制算法。本发明方法利用群体智能理论中的蚁群优化、粒子群优化思想来优化路由，使得移动社交网络中能有较高的数据传输成功率以及较低的时延。
-
公开(公告)号：CN105338067B
公开(公告)日：2018-09-11
申请号：CN201510651423.4
申请日：2015-10-10
Applicant: 苏州大学
IPC: H04L29/08
Abstract: 本发明公开了一种车联网数据传输方法及系统，该方法包括：数据源车辆使用网络编码将待发送数据转换为编码块，向路径共享服务器请求数据转发路径；所述路径共享服务器接收所述数据转发路径的请求；获取各个车辆发送的规划路径信息，确定到达数据目的车辆的数据转发路径，将所述数据转发路径返回至所述数据源车辆；所述数据源车辆接收到所述数据转发路径后，将所述数据转发路径上各个路径中间车辆的身份信息标识在所述编码块上，向外发送；所述路径中间车辆将接收到的所述编码块转发至所述数据目的车辆。本发明将网络编码技术引入到车联网中，利用网络编码的抗干扰能力，大大提高了车联网数据传输的可靠性。
-
公开(公告)号：CN106161204A
公开(公告)日：2016-11-23
申请号：CN201610400278.7
申请日：2016-06-08
Applicant: 苏州大学
IPC: H04L12/58 , H04L12/701 , H04L12/721 , H04L12/725
CPC classification number: H04L51/32 , H04L45/00 , H04L45/14 , H04L45/302 , H04L51/38
Abstract: 本发明是一种基于群体智能的移动社交网络中的数据传输方法，该方法包括以下步骤：A：针对移动社交网络中的数据分发问题，对其进行模型化分析，归纳出移动社交网络的一般模型；B：在归纳出移动社交网络一般模型的基础上，利用蚁群优化算法在处理优化问题上的高效性采用基于蚁群优化的移动社交网络算法ACOMSNet；C：针对ACOMSNet算法容易陷入局部最优的缺陷，将粒子群算法与ACOMSNet融合，得到改进后的ACOMSNet算法；D：针对网络中的自私节点基于节点声誉值采用适用于移动社交网络的激励机制算法。本发明方法利用群体智能理论中的蚁群优化、粒子群优化思想来优化路由，使得移动社交网络中能有较高的数据传输成功率以及较低的时延。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
