-
公开(公告)号：CN119031369A
公开(公告)日：2024-11-26
申请号：CN202410373373.7
申请日：2024-03-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及车联网安全技术，特别涉及一种基于区块链的辅助轻量级匿名认证车联网数据共享方法，包括受信任的服务器为请求注册的路侧单元或者车辆机进行注册，完成注册后车辆向首次发起请求的路侧单元进行双向匿名认证；完成双向匿名认证后，路侧单元将训练任务分发给车辆，车辆根据分发的模型进行本地训练，得到本地模型，对本地模型进行签名，将签名发送给路侧单元；路侧单元对收到的签名进行验证，从通过验证的车辆节点中选择一个作为簇头节点，其他通过验证的节点将完成训练的模型数据发送到簇头节点；簇头节点将收集所有通过验证车辆节点的训练数据并转发给路侧单元，路侧单元将接收的数据生成区块发布到区块链中；本发明可以保护数据隐私，防止中间恶意的泄漏。
-
公开(公告)号：CN116170370B
公开(公告)日：2024-03-12
申请号：CN202310138290.5
申请日：2023-02-20
Applicant: 重庆邮电大学
IPC: H04L45/243 , H04L45/76 , H04L45/00 , H04L45/302 , H04L41/16 , H04L41/40
Abstract: 本发明属于工业互联网领域，具体涉及一种基于注意力机制和深度强化学习的SDN多路径路由方法，包括：利用SDN获取全局网络拓扑信息，并周期性采集网络中的实时链路信息和数据流量信息；计算待转发流从源到目的节点之间的多条备选转发路径；将待转发的数据流量从原本单路径承担的数据流量拆分为多条路径的网络数据流；采用基于CNN的注意力机制对多条备选转发路径的链路状态信息进行特征提取；根据提取的特征计算网络数据流的转发路径并传输。本发明将传统的多路径路由和SDN和深度强化学习结合在一起，可以满足用户对不同QoS业务流传输要求，并且在充分利用网络资源的同时也降低网络平均端到端传输时延，提升了网络性能和服务质量。
-
公开(公告)号：CN117058641A
公开(公告)日：2023-11-14
申请号：CN202311047537.9
申请日：2023-08-18
Applicant: 重庆邮电大学
IPC: G06V20/56 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/77 , G06V10/82
Abstract: 本发明属于智能驾驶领域，具体涉及一种基于深度学习的全景驾驶感知方法。所述方法包括为将待感知的驾驶图像经过一系列特征提取之后，利用混合注意力机制模块对驾驶图像的多尺度车道线语义特征和多尺度可行驶语义特征进行混合注意力处理，得到驾驶图像的混合注意力车道线语义特征和混合注意力可行驶语义特征；将特征图分别输入到目标检测头和语义分割头模块。得到的不同任务的输出图像经过后处理模块后，最后输出叠加之后的通行空间目标检测、车道线语义分割和可行驶区域语义分割输出图像。本发明提出的混合注意力机制模块能够有效地缓解背景对语义分割结果的干扰，可以更好地还原车道线和可行驶区域之间的边界几何信息。
-
公开(公告)号：CN114500325B
公开(公告)日：2023-07-18
申请号：CN202210102260.4
申请日：2022-01-27
Applicant: 重庆邮电大学
IPC: H04L43/0817 , H04L41/0631 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/084 , G06N3/088 , G06N3/096
Abstract: 本发明属于故障检测领域，特别涉及一种基于无监督迁移学习的SDN控制器故障自适应智能检测方法，包括构建GRU‑VAE模型，并将源领域数据作为训练数据对GRU‑VAE模型进行训练，将训练获取的领域知识进行知识迁移形成检测器；将待检测的数据作为目标领域数据，并将源领域数据和目标领域数据中的特征变换到Grassmann流形空间中并基于多核MMD的动态分布对该空间中特征进行对齐，计算对齐后源领域数据和目标领域数据的边缘分布差异；根据边缘分布差异更新检测器平衡因子；检测器对数据进行检测，并判断检测结果是否收敛，若收敛则输出检测结果，否则返回重新计算边缘分布差异；本发明减少故障检测中域之间的数据漂移问题。
-
公开(公告)号：CN116306229A
公开(公告)日：2023-06-23
申请号：CN202310066509.5
申请日：2023-01-16
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F113/04 , G06F119/02
Abstract: 本发明属于电力数据处理领域，具体涉及一种基于深度强化学习和迁移学习电力短期负荷预测方法；所述方法包括获取多组不同的源域电力负荷数据，并进行预处理；采用预处理后的多组源域电力负荷数据和相应的电力融合特征各自训练多个基于GRU网络的电力负荷源域预测模型；将目标域电力负荷数据作为输入，基于时间序列双深度Q网络选择源域预测模型；基于多核最大均值差异算法对源域电力负荷数据和目标域电力负荷数据进行动态分布对齐，并对选择的源域预测模型的模型参数进行调整；将调整后的源域预测模型的模型参数迁移到基于GRU网络的电力负荷目标域预测模型；将目标域电力负荷数据输入到目标域预测模型中，输出电力负荷在短期内的预测结果。
-
Patent Agency Ranking
公开(公告)号：CN110855508B
公开(公告)日：2023-04-28
申请号：CN201911211225.0
申请日：2019-12-02
IPC: H04L41/084 , H04L41/082 , H04L41/00 , H04L43/0805 , H04L43/10 , H04L1/1607
Abstract: 本发明涉及计算机技术领域，特别涉及一种基于区块链技术的分布式SDN同步方法，包括在分布式的SDN环境中，让每一个交换机连接超过3f+1个控制器；主节点发送需要同步的数据给其他节点；其他节点接收到同步SYN数据消息，并检查同步SYN数据消息的正确性，若正确则发送确认ACK消息；若节点在发送关于同步SYN数据消息的确认ACK消息后一段时间未收到FIN信息、或者收到的FIN信息的数据部分不足f+1、或者收到的FIN信息的数据部分有错误，则触发副主节点协议；本发明逐步降低有恶意节点情况的通信量，并对恶意节点进行有效管控，使其不再作恶。
-
公开(公告)号：CN110784366B
公开(公告)日：2022-08-16
申请号：CN201911097117.5
申请日：2019-11-11
IPC: H04L41/082 , H04L41/0894 , H04L67/1008 , H04L67/1097 , H04L41/12 , H04L49/15 , H04L47/125
Abstract: 本发明属于软件定义网络技术领域，特别涉及一种SDN中基于IMMAC算法的交换机迁移方法，包括获取每个控制器的负载信息以及软件定义网络的网络拓扑；根据每个控制器的负载信息计算单个控制器负载以及控制集群负载的平均值；若控制集群负载平均值大于控制集群负载阈值且单个控制器负载小于单个控制器的负载阈值则根据软件定义网络的网络拓扑制定交换机迁移策略；利用IMMAC算法对制定的交换机迁移策略进行优化，并完成交换机的迁移；本发明不仅可以减少邻近控制器容易出现过载的概率，也能降低高负载控制器响应交换机请求的时间，而且本文提出的IMMAC算法，相较于引入传统的遗传等智能算法来说，可以提高算法时间效率、求解精度。
-
公开(公告)号：CN114567598A
公开(公告)日：2022-05-31
申请号：CN202210179936.X
申请日：2022-02-25
Applicant: 重庆邮电大学
IPC: H04L47/125 , H04L47/10 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机网络领域，具体涉及一种基于深度学习和跨域协作的负载均衡方法及装置，包括：获取流表参数和端口参数计算各链路带宽占用率；根据参数构建各链路的特征向量矩阵和邻接矩阵；构建关联时空的链路负载状态预测模型，根据特征向量矩阵和邻接矩阵预测下一周期的当前链路负载状态值；将当前链路负载状态值与对应链路带宽占用率融合，得到当前链路的最终可选度；结合各个链路的最终可选度建立流量调度数学模型，采用改进人工蜂群算法来计算流量的传输路径并下发流表到各交换机；构建控制平面资源管理模块控制流量跨域实现负载均衡；本发明通过跨域协作方式降低控制平面资源消耗，提高数据平面传输性能，达到网络整体的负载均衡。
-
公开(公告)号：CN114553963A
公开(公告)日：2022-05-27
申请号：CN202210176655.9
申请日：2022-02-24
Applicant: 重庆邮电大学
IPC: H04L67/5682 , H04L67/52 , H04L67/1097 , H04W4/029 , H04W28/14 , G06N3/08 , G06N3/04 , G06N3/00 , G06F17/16
Abstract: 本发明属于缓存技术领域，具体涉及一种移动边缘计算中基于深度神经网络的多边缘节点协作缓存方法，包括构建基于深度神经网络的移动终端行动轨迹的预测系统，通过该预测系统预测下一时刻用户的位置；构建热点服务预测系统，通过该系统预测热点数据；根据预测的热点数据，通过预测的用户位置与节点之间的关系以及根据各边缘节点之间缓存的差异来迭代更新缓存；相较于传统的LRU以及LFU，本发明能提前感知到流行度最高的内容，并提高缓存系统资源利用率。
-
公开(公告)号：CN114449629A
公开(公告)日：2022-05-06
申请号：CN202210082401.0
申请日：2022-01-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及无线网络通信领域，涉及一种边缘智能驱动的无线多跳网络信道资源优化方法；所述方法包括将系统时间划分为多个连续的超帧，每个超帧包括控制周期和数据传输周期；在控制周期内，所有无线节点工作在同一信道以获取或传输控制消息，并按照集中式学习者反馈的模型参数配置出本地信道分配决策模型进行信道分配；在数据传输周期内，需进行数据传输的无线节点根据基于接入编号的自适应休眠唤醒机制被唤醒，按照交错调度机制将数据在从K个非重叠信道中选择的信道上进行并行数据传输；本发明将边缘计算与深度强化学习算法相结合，在保证低功耗、低时延、高准确率和隐私安全性的同时，使资源受限的终端节点拥有执行智能算法的能力。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.023 seconds)
