-
公开(公告)号：CN118695300A
公开(公告)日：2024-09-24
申请号：CN202410737095.9
申请日：2024-06-07
Applicant: 南京邮电大学
IPC: H04W28/08 , H04B17/391 , H04W4/44 , H04L67/12
Abstract: 本发明涉及一种NOMA辅助的车联网系统下任务卸载和资源分配联合优化方法，将NOMA技术和基于MEC的车联网系统结合，基于车联网的多用户应用的场景，构建车联网系统模型，然后建立任务卸载模型，接着以车辆用户发射功率、MEC服务器计算资源为约束条件，同时考虑车辆用户的任务优先级，改变SIC解码顺序，以最小化系统总时延为优化目标，建立数学模型；再采用混沌映射、自适应莱维飞行策略和鲸鱼算法对AHA算法进行改进，同时考虑对蜂鸟位置的约束修正，实现对任务卸载和资源分配问题的联合优化求解，得到最优的卸载策略。与现有技术相比，该方法不仅实现了车辆任务的科学卸载，而且提升了车辆用户的体验，有效降低了系统时延。
-
公开(公告)号：CN118536154A
公开(公告)日：2024-08-23
申请号：CN202410594123.6
申请日：2024-05-14
Applicant: 南京邮电大学
IPC: G06F21/62 , G06N3/0455 , G06N3/098 , G06N3/084
Abstract: 本发明涉及多模态联邦学习、差分隐私、大数据技术领域，公开了一种面向跨域异质多模态联邦学习的差分隐私防御机制性能评估方法，通过获取跨域异质场景下的数据集，搭建联邦学习任务和联邦学习模型，配置模态特征融合，得到跨域异质场景下的多模态联邦学习模型；确定梯度泄露风险，选择面向不同模态数据的模拟攻击模型；构建不同机制的差分隐私防御；从面向防御下模型质量的代价、面向重构成功率、面向重构质量三个方面，对差分隐私防御机制进行多维度性能评估；能够综合考虑不同差分隐私机制下的防御性能的优劣，有助于用户选择添加的差分隐私的机制，从而降低隐私泄露的风险，能普遍适用于联邦学习任务和图像文本数据集。
-
公开(公告)号：CN118297337A
公开(公告)日：2024-07-05
申请号：CN202410460373.0
申请日：2024-04-17
Applicant: 南京邮电大学
IPC: G06Q10/0631 , G06N3/098
Abstract: 本发明公开了多维资源联合优化的空域联邦学习客户端激励调度方法，包括无人机和模型所有者，步骤一，发布联邦学习任务和合同项：模型所有者根据其神经网络模型训练的任务需求和激励预算设计联邦学习的合同项，用于激励无人机采集图像数据，并为其提供模型训练服务，并向无人机广播其合同项和联邦学习任务邀请；步骤二，无人机进行合同项选择：无人机选择合同项后向模型所有者返回所选合同项信息，并入选联邦学习任务的模型训练无人机候选池；本方案可以使模型所有者在不了解无人机客户端信息的情况下，根据无人机的数据质量和数据代表性，选择使模型收敛最快的无人机，该方法节省了模型训练的激励成本，加快了模型的收敛速度和训练精度。
-
公开(公告)号：CN116701618A
公开(公告)日：2023-09-05
申请号：CN202310447611.X
申请日：2023-04-24
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/284 , G06N20/00 , G06F21/62 , H04L9/40
Abstract: 本发明涉及联邦学习、工业互联网技术领域，公开了一种面向工业终端网络流量检测的图谱联邦学习隐私增强方法，包括：配置联邦学习环境，包括数据集、联邦学习任务和联邦学习模型；根据所述联邦学习模型的分类学习结果进行知识图谱构建；根据联邦学习环境评估联邦学习过程的隐私性风险；根据隐私性风险添加隐私增强方法以增强联邦学习客户端。本发明提供的方法，结合联邦学习和知识图谱将流量分类和网络流量异常检测相结合，既降低了流量数据隐私泄露的风险，也使得基于联邦学习的检测结果能够反映流量数据和恶意行为间更深层次的因果关联性，进一步提高判断终端是否存在恶意倾向的准确性，并减少人工干预带来的人因误差和人力开销。
-
公开(公告)号：CN116310712A
公开(公告)日：2023-06-23
申请号：CN202310097882.7
申请日：2023-02-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环生成对抗网络的图像水墨风格迁移方法及系统，包括：获取包含水墨风格图像、现实拍照图像的数据集；利用所述数据集对基于循环生成对抗网络的图像水墨风格迁移模型进行训练，得到训练好的图像水墨风格迁移模型；其中所述基于循环生成对抗网络的图像水墨风格迁移模型包括两个生成器和两个判别器；将待迁移的现实图像输入到训练好的图像水墨风格迁移模型中，得到相对应的水墨风格迁移图像。对循环生成对抗网络中的两个生成网络进行了改进，在两个生成器中分别加入自适应归一化结构和置换注意力机制。本发明能够快速有效可靠的合成真实感更强的水墨风格图像，提高合成图像的真实感和视觉质量，扩大应用范围与应用场景。
-
Patent Agency Ranking
公开(公告)号：CN116304598A
公开(公告)日：2023-06-23
申请号：CN202211549230.4
申请日：2022-12-05
Applicant: 南京邮电大学
Abstract: 本发明涉及联邦学习技术领域，公开了一种联邦学习安全性测评方法，其以评测联邦学习架构在受到恶意对手攻击后的安全风险程度为目标，首先明确联邦学习网络框架，详细描述在密文域下安全聚合梯度的过程；接着定义漏洞、威胁攻击，明确联邦学习任务；然后采用层次分析法，以漏洞、任务、客户端的顺序展开对联邦学习模型的安全性的评估，最后结合模型分类准确率对联邦学习模型进行综合评价。本发明解决了研究联邦学习框架中无法测评架构运行安全性的问题。
-
公开(公告)号：CN115952507A
公开(公告)日：2023-04-11
申请号：CN202211549244.6
申请日：2022-12-05
Applicant: 南京邮电大学
Abstract: 本发明涉及联邦学习隐私评测技术领域，公开了一种跨域异质场景下的联邦学习隐私性评估方法，包括：确定联邦学习在跨域异质场景下的任务和数据集，并根据算法确定潜在攻击风险；根据任务对数据集进行关联度筛选；将客户端发送给联邦学习中央服务器的数据采用设定的隐私加强技术进行加密处理；根据具有代表性的攻击模型计算客户端的隐私性指标；根据设置的阈值判定客户端参与联邦学习时所上传数据的隐私泄露风险。本发明提供的跨域异质场景下的联邦学习隐私性评估方法，通过在客户端模拟攻击，计算攻击结果来判断隐私性的安全程度，对联邦学习模型和数据都没有要求，适用于大部分实际情况。
-
公开(公告)号：CN115915456A
公开(公告)日：2023-04-04
申请号：CN202211391991.1
申请日：2022-11-08
Applicant: 南京邮电大学
IPC: H04W72/53 , H04W72/542 , H04W72/1268 , H04W48/20 , H04W74/08
Abstract: 本发明涉及一种基于WIFI6的变电站数据上传方法，属于电力物联网技术领域，该方法包括：选择数据采集设备对应的最佳WIFI6接入点，进行链路连接；获取与对应的WIFI6接入点进行链路连接的各个数据采集设备的吞吐量；将与对应的WIFI6接入点进行链路连接的数据采集设备进行分组，对分组完成的数据采集设备分类处理；获取吞吐量最大时经过分类处理的数据采集设备的单位执行所有调度；WI FI6接入点发送休眠时间参数至对应的数据采集设备，数据采集设备定时唤醒，周期性地上传或接收数据。本申请提供的方法通过控制同时活跃的数据采集设备数确定分组调度策略，提升信道利用率的同时提高了密集部署情境下的整体网络吞吐率及能效，实现了高效、低功耗的变电站数据传输。
-
公开(公告)号：CN115544873A
公开(公告)日：2022-12-30
申请号：CN202211184157.5
申请日：2022-09-27
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N20/00 , G06Q10/06 , G06F111/16
Abstract: 本发明属于个性化联邦学习领域，尤其是个性化联邦学习的训练效率与个性化效果量化评估方法，包括以下步骤：S1、创建一个Non‑IID的跨域数据集，作为评测数据集；S2、选择合适的模型，作为个性化联邦学习的初始全局模型；S3、进行联邦学习的全局神经网络训练，聚合出一个收敛的全局神经网络模型；S4、各个客户端利用本地的数据集对下发的全局模型进行优化，收敛并形成个性化的本地神经网络模型；本发明充分考虑了跨域异质的场景，实现了模型的个性化功能，在现有研究的基础上，针对个性化联邦学习训练效率和个性化效果给出定性定量的评价指标，为在跨域异质场景下，为衡量不同个性化联邦学习算法与架构提供了一种具体方法。
-
公开(公告)号：CN113203439A
公开(公告)日：2021-08-03
申请号：CN202110495621.1
申请日：2021-05-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于水信息检测的主从动边缘传感器自组网系统，该系统包括多传感器模块、电源管理模块、边缘计算平台及中心计算机；其中，多传感器模块，用于实时对水信息进行检测、储存与传输；电源管理模块，用于对多传感器模块进行供电；边缘计算平台，用于对多传感器模块进行监测，并对水源区域进行实时监控；中心计算机，用于对多传感器模块传输的水信息进行分析与反馈。有益效果：本发明不同于常规的“边缘传感器‑中心计算机”的组网方式，提出了一种主从动边缘传感器自组网，通过设置具有独立处理数据能力的主动传感器，可以减少中心计算机的计算压力，并且可以通过过滤掉许多冗余信息及错误信息，进一步节省传输成本。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.108 seconds)
