-
公开(公告)号：CN117201319A
公开(公告)日：2023-12-08
申请号：CN202311461056.2
申请日：2023-11-06
Applicant: 三峡高科信息技术有限责任公司 , 华中科技大学
Inventor： 张晨 , 文皓 , 彭凯 , 徐家祥 , 郭佳璐 , 陈云鹏 , 陈昊轩 , 王建东 , 邱生顺 , 何建文 , 胡佳星 , 姚毅 , 杨晓东 , 覃会知 , 魏岚 , 邓天平 , 胡梦兰
IPC: H04L41/0894 , H04L41/0823 , H04L41/5051 , H04L41/142 , H04L67/51 , H04L67/10
Abstract: 本发明涉及一种基于边缘计算的微服务部署方法及系统，其方法包括：将多个微服务形成微服务组聚类，并形成记忆池；通过每个微服务组内的微服务相互关系，计算评价函数；根据所述评价函数和排队模型，对记忆池中的一个或多个微服务组的处理顺序进行调整；基于每个微服务组所需的计算资源和总时延，对调整后一个或多个微服务组进行部署；基于变邻域搜索算法对部署后的微服务组进行优化，并将其加入到记忆池中；重复上述步骤，对所述记忆池进行持续迭代，得到最终的部署方案。本发明通过微服务聚类和贪婪启发式进行部署，并以请求路由结果对部署方案进行评价，再通过持续的记忆和优化，降低网络时延与能耗，应对海量请求，提升用户的应用体验。
-
公开(公告)号：CN117082004A
公开(公告)日：2023-11-17
申请号：CN202311104790.3
申请日：2023-08-30
Applicant: 湖北省楚天云有限公司 , 华中科技大学 , 武汉思为同飞网络技术股份有限公司
IPC: H04L47/2441 , H04L9/40 , G06F21/60 , G06F18/214 , G06F18/24 , G06F18/25 , G06N3/045 , G06N3/08 , G06F16/955
Abstract: 本发明涉及一种基于蒸馏表征模型的轻量级加密流量分析方法及系统，包括：获取加密网络流量原始数据集，对原始数据集中的数据进行统一化处理后按照设定比例划分后生成各个样本数据集；将预训练样本输入基于表征学习的BERT模型进行预训练得到预训练模型，将微调样本输入预训练模型进行细致化任务训练，得到流量分类教师模型；采用多层跳跃融合学习的知识蒸馏方法提取流量分类教师模型的教师信息，将微调样本输入轻量级流量分析模型进行训练；将测试样本输入轻量级流量分析模型，实现端到端的目标网络加密流量分类任务；在保证分类精确度的同时降低了分析资源需求，有助于在时延敏感资源受限的网络场景节点中实现在线低耗的加密流量分类功能。
-
公开(公告)号：CN116915720A
公开(公告)日：2023-10-20
申请号：CN202311170072.6
申请日：2023-09-12
Applicant: 武汉烽火凯卓科技有限公司 , 华中科技大学
IPC: H04L47/2483 , H04L67/12 , G06V10/764 , G06V10/82 , G06V10/72 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/0895
Abstract: 本发明提供一种物联网设备流量识别方法，方法包括：对获取到的物联网设备流量数据进行特征抽取和再生核希尔伯特空间核嵌入，生成初始预训练图像样本、初始微调图像样本和初始目标图像样本；基于初始预训练图像样本对预设自监督VIT表征模型进行训练，得到预训练VIT编码器；基于预训练VIT编码器和线性分类器构建待微调物联网流量分析模型，基于初始微调图像样本对待微调物联网流量分析模型，得到物联网流量分析模型；基于物联网流量分析模型对初始目标图像样本进行识别。本发明在保证分类精确度的同时降低了冗余计算资源需求，有助于在标签数据信息局限的物联网场景中实现多任务作业的物联网流量解析功能。
-
公开(公告)号：CN116582374B
公开(公告)日：2023-09-26
申请号：CN202310865786.2
申请日：2023-07-14
Applicant: 湖北省楚天云有限公司 , 华中科技大学
IPC: H04L9/40
Abstract: 本发明提供一种基于流量识别的零信任动态访问控制方法，包括：S1，发送第一个SPA认证包与身份认证数据包，根据第一个SPA认证包与身份认证数据包获取当前用户的访问控制策略，并根据访问控制策略打开数据交互通道；S2，持续发送SPA认证包，同时通过数据交互通道与内网进行数据交互；S3，镜像SPA认证包和数据包，对镜像的SPA认证包和数据包分别计算信任评分；S4，根据静态算法计算镜像的SPA认证包和数据包的加权信任评分；S5，根据加权信任评分更新访问控制策略，并根据访问控制策略动态调整用户的访问权限。本发明利用SPA认证包和基于流量识别的数据包完成双通道的动态访问控制检测，提升了零信任动态访问控制中的实时性和准确性。
-
公开(公告)号：CN116233262B
公开(公告)日：2023-07-21
申请号：CN202310504377.X
申请日：2023-05-07
Applicant: 湖北省楚天云有限公司 , 华中科技大学
IPC: H04L67/63 , H04L67/1004
Abstract: 本发明公开了一种基于边缘网络架构的微服务部署与请求路由方法及系统，所述方法包括：基于边缘网络架构确定微服务部署策略和路由请求策略，边缘网络架构包括多个基站和多台边缘服务器，任一基站连接多台边缘服务器，多种微服务部署在任一边缘服务器上，根据微服务部署策略和路由请求策略确定微服务部署与请求路由方法。相较于现有技术服务部署和请求路由被认为是两个独立部分，会使服务质量的提升陷入局部最优，对全局性能优化是不利的，本发明基于边缘网络架构确定微服务部署策略和路由请求策略，并充分利用二者的强耦合关系，使系统在一定约束下能支持不同类型的请求业务，同时应对海量的移动用户请求，从而有效降低系统对用户请求的响应延迟。
-
Patent Agency Ranking
公开(公告)号：CN115271833A
公开(公告)日：2022-11-01
申请号：CN202211191739.6
申请日：2022-09-28
Applicant: 湖北省楚天云有限公司 , 华中科技大学
Abstract: 本发明提供一种共享单车需求量预测方法及预测系统，方法包括：获取各共享单车站点的历史需求量数据，得到历史需求量特征矩阵，以及根据历史订单数据，生成表示站点邻接关系的邻接矩阵；将历史需求量特征矩阵和邻接矩阵输入图卷积神经网络，获取包含邻居站点需求量信息的特征矩阵，输入深度自注意力网络，提取共享单车需求量时域信息矩阵；将共享单车需求量时域信息矩阵输入卷积神经网络、残差结构和全连接层，输出下一时间段各个共享单车站点的需求量预测值。本发明中深度自注意力网络原生的多头注意力机制对时域特征和空域特征中的目标兴趣特征做更好的学习，在一定程度上提升需求量预测的准确率，更好地解决短时共享单车需求量预测问题。
-
公开(公告)号：CN114240937A
公开(公告)日：2022-03-25
申请号：CN202210168866.8
申请日：2022-02-24
Applicant: 武汉烽火凯卓科技有限公司 , 华中科技大学
Abstract: 本发明提供一种基于CT切片的肾结石检测方法及系统，该方法包括：获取CT扫描设备扫描得到的肾脏CT断层切片，解析所述CT断层切片；通过三维区域生长法获取CT断层切片中所有包含肾结石的区域；根据肾结石的体积约束筛选所述包含肾结石的区域；对所述CT断层切片基于二维区域生长跟踪得到肾脏区域的第一掩膜，并基于深度学习模型得到肾脏区域的第二掩膜；根据肾脏的第一掩膜、第二掩膜从包含肾结石的区域中筛选出肾结石，得到肾结石的CT坐标。通过该方案可以实现肾结石的精准定位，为智能体外碎石机提供可靠的技术支持。
-
公开(公告)号：CN113642029B
公开(公告)日：2021-12-24
申请号：CN202111188034.4
申请日：2021-10-12
Applicant: 华中科技大学
IPC: G06F21/60
Abstract: 本发明公开了一种度量数据样本与模型决策边界相关性的方法及系统，属于物联网数据保护领域，方法包括：从物联网中获取待评估模型的输入样本后，首先在模型决策边界处生成初始对抗样本，并进行梯度估计，得到垂直与决策边界的法向量，并求出输入样本到初始对抗样本的差异向量与法向量的相关性，进行决策边界上样本的更新，最后通过计算最终样本与输入样本的距离，得到各个样本到深度学习训练过程中各个模型决策边界的距离矩阵，以此来度量各个数据样本与模型决策边界的相关性。如此，本发明在无需深度学习模型内部信息及对模型训练流程进行修改的条件下，能够实现数据的隐私保护，具有极高的实用性和通用性。
-
公开(公告)号：CN113094758B
公开(公告)日：2021-08-13
申请号：CN202110635849.6
申请日：2021-06-08
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于梯度扰动的联邦学习数据隐私保护方法及系统，属于数据隐私保护领域，方法包括：利用联邦学习训练后的本地模型对数据参与方中的样本进行类别预测，得到原始预测概率向量；对原始预测概率向量进行扰动，以得到预测标签与原始预测概率向量的预测标签相同、且预测损失函数的梯度相对于原始预测概率向量的预测损失函数的梯度的角偏差最大的扰动预测概率向量；以各本地模型的原始预测概率向量与扰动预测概率向量之间的差异最小为目标，重新训练各本地模型；聚合重新训练后的各本地模型以得到全局模型。受保护的联邦学习全局模型，可在维持模型的可用性的前提下，有效降低模型预测输出和模型梯度泄露用户参与方隐私的风险。
-
公开(公告)号：CN113051620B
公开(公告)日：2021-08-03
申请号：CN202110596832.4
申请日：2021-05-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种机器学习中训练数据隐私度量的方法和系统，属于人工智能领域中的隐私安全领域。本发明针对实际场景下的机器学习模型黑盒接口查询机制，在评估过程中无需模型内部信息，仅计算并利用雅可比矩阵评估模型对数据样本和特征的敏感度，避免了评估过程中的隐私泄露；从基于梯度优化的理论出发，结合模型输出‑输入之间的关系，有效量化了模型中的数据隐私信息泄露的可能性；本发明不依赖单种隐私攻击，对大部分隐私攻击尤其是依赖模型梯度与预测输出的攻击极为有效。本发明在不需了解模型内部信息的条件下即可进行模型隐私泄露风险的评估，在评估过程中保证了模型和训练集的隐私的安全，为人工智能行业的蓬勃发展提供稳定保障。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.107 seconds)
