-
公开(公告)号：CN109548029B
公开(公告)日：2021-10-22
申请号：CN201910019272.9
申请日：2019-01-09
Applicant: 重庆邮电大学
IPC: H04W12/121 , H04W84/18
Abstract: 本发明公开一种面向无线传感器网络的两级节点信任评估方法，针对行为数据模糊的节点进行信任评估，防止恶意节点对传感器网络的攻击。具体步骤如下：首先，对被评估节点直接监测得到的行为数据去模糊，以得到节点直接信任值；其次，结合直接、历史以及推荐信任数据评估节点最终信任值；接着，多次评估得到信任样本，并引入云模型建立正态信任云，作为节点最终信任等级评估依据；最后，根据实际需求划分标准信任云组，并采用精简分类方法匹配节点最佳标准信任云，从而确定节点信任等级。本发明分析行为数据模糊性对信任评估的影响，构建两级信任评估模型，包括模糊推理、多源信任智能融合以及信任云重构与分类，从而提高节点信任等级的评估精度。
-
公开(公告)号：CN119382861A
公开(公告)日：2025-01-28
申请号：CN202411499828.6
申请日：2024-10-25
Applicant: 重庆邮电大学
Abstract: 本发明属于区块链和车联网安全管理技术领域，涉及基于区块链与信任管理的车联网安全可信消息共享方法，包括：消息提供车辆记录并广播消息，消息接收车辆接收消息，对消息进行真实性评分，并广播给共识车辆；共识车辆对每个真实性评分s1,i进行有用性评分，当高有用性评分的数量大于阈值Q时，将数据(m,s1,i,s2,i,c,t)上传至记账节点，s2,i,c为共识车辆c对s1,i的高有用性评分；记账节点接收并验证数据(m,s1,i,s2,i,c,t)，将验证通过的数据打包成区块存储至区块链中；RSU计算区域内车辆的信任值并共享到RSU集群中；RSU集群根据车辆的信任值对车辆作出信任决策；本发明利用对消息进行真实性评分和有用性评分，提高了车联网中共享消息的可信度，并结合区块链技术确保消息的真实性和完整性。
-
公开(公告)号：CN117640497A
公开(公告)日：2024-03-01
申请号：CN202311611613.4
申请日：2023-11-29
Applicant: 重庆邮电大学
Abstract: 本申请提供一种时间敏感网络确定性路由及调度方法，所述方法包括：创建TSN网络模型；基于整数分拆理论，利用模糊逻辑控制器分析流特征的相似性；基于Dijkstra算法结合网络拓扑将“源‑目的”对相似且周期相似的业务流合并路由；调度前先获取TSN网络状态并保存现场；基于每跳最坏延迟容忍，使用偏移搜索的方式在满足时延要求的条件下为业务流预留时隙；对经过同一条链路的业务流进行无缝调度；将调度失败流加入失败流列表并恢复现场。本申请实施例提供技术方案，能够保证时间敏感网络中时间敏感流确定性传输，同时使剩余时隙资源更集中，从而提高网络剩余资源的可用性。
-
公开(公告)号：CN117596700A
公开(公告)日：2024-02-23
申请号：CN202311549238.5
申请日：2023-11-17
Applicant: 重庆邮电大学
IPC: H04W72/543 , H04W4/40 , G06F18/20 , G06F18/241 , G06N3/0499 , G06N3/0475 , G06N3/045 , G06N3/092 , G06N3/096 , G06N3/094
Abstract: 本发明属于通信技术领域，特别涉及一种基于迁移强化学习的车联网传输调度方法，包括在软件定义网络框架的控制平面中会收集网络中车辆的数据请求信息，以最小化数据包的传输时延、最大化系统的吞吐量为目标，建立车联网传输调度优化模型；将车联网资源调度的变化场景建模为马尔科夫模型，将软件定义网络中的控制平面作为智能体；构建强化学习模型，包括结合马尔科夫模型所定义的状态空间、行为空间、奖励函数构建DDPG模型中的Actor策略网络和Critic评价网络，并在原车联网环境下进行训练；智能体利用完成训练后的Actor策略网络选择执行的动作；本发明优化数据包传输的平均时延，明显提高车联网传输调度过程中的服务质量。
-
公开(公告)号：CN116132353A
公开(公告)日：2023-05-16
申请号：CN202211694211.0
申请日：2022-12-28
Applicant: 重庆邮电大学
IPC: H04L45/02 , H04L45/00 , H04L45/121
Abstract: 本申请提供了一种基于Dueling Deep Q Network(DDQN)的时间敏感网(TSN)路由选择方法，所述方法包括：基于多控制器软件定义网络(SDN)，根据工业现场将路由划分为多个区域，构建TSN网络的系统模型；构建路由选择问题的马尔可夫决策模型；获取拓扑和流信息，搜索可达路径生成候选路径表；为业务流初始化路由路径形成初始网络；以平均最小端到端时延为优化目标、流的时延要求为约束，利用DDQN算法对初始网络进行优化训练；当拓扑或业务流信息改变时，重新对模型进行训练；控制器为业务流分配路由路径并下发至转发平面。这是一种被数据驱动的集中式多控制器路由方法，可部署于工业TSN网络中，能够适应动态变化的业务和跨车间信号传输需求，并确保业务传输服务质量。
-
Patent Agency Ranking
公开(公告)号：CN112689281B
公开(公告)日：2022-08-05
申请号：CN202011518969.X
申请日：2020-12-21
Applicant: 重庆邮电大学
IPC: H04W12/00 , H04W12/03 , H04W12/122 , H04W12/60 , H04W84/18
Abstract: 本发明属于网络信息安全的信任管理机制领域，特别涉及一种基于二型模糊系统的传感网恶意节点判定方法，该方法包括：构建二型模糊系统，通过行为数据模糊化、推理、降型和去模糊化处理得到节点的信任值；再对节点信任值进行两级融合，并提取数据特征，最后利用均值漂移方法对信任值进行聚合和离群分析，从而判别无线传感器网络中的恶意节点；本发明通过构建二型模糊系统，并对节点的多源信任进行融合、信任值特征提取以及离群分析，从而提高节点信任值评估精度和无线传感器网络的安全性能。
-
公开(公告)号：CN109934304B
公开(公告)日：2022-03-29
申请号：CN201910228715.5
申请日：2019-03-25
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于超限隐特征模型的盲领域图像样本分类方法，该方法采用了跨领域数据生成与增广策略，高效地降低不同数据领域之间的偏差。具体地说，超限隐特征模型将ELM和ELM‑AE(基于ELM的自编码器)纳入统一的优化模型，继承了ELM和ELM‑AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果，具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度。本发明利用超限隐特征模型解决盲领域适配问题，融合跨领域知识，有效降低不同领域数据之间的领域偏差，提高了盲领域数据分类准确率。
-
公开(公告)号：CN112689281A
公开(公告)日：2021-04-20
申请号：CN202011518969.X
申请日：2020-12-21
Applicant: 重庆邮电大学
IPC: H04W12/00 , H04W12/03 , H04W12/122 , H04W12/60 , H04W84/18
Abstract: 本发明属于网络信息安全的信任管理机制领域，特别涉及一种基于二型模糊系统的传感网恶意节点判定方法，该方法包括：构建二型模糊系统，通过行为数据模糊化、推理、降型和去模糊化处理得到节点的信任值；再对节点信任值进行两级融合，并提取数据特征，最后利用均值漂移方法对信任值进行聚合和离群分析，从而判别无线传感器网络中的恶意节点；本发明通过构建二型模糊系统，并对节点的多源信任进行融合、信任值特征提取以及离群分析，从而提高节点信任值评估精度和无线传感器网络的安全性能。
-
公开(公告)号：CN109548029A
公开(公告)日：2019-03-29
申请号：CN201910019272.9
申请日：2019-01-09
Applicant: 重庆邮电大学
Abstract: 本发明公开一种面向无线传感器网络的两级节点信任评估方法，针对行为数据模糊的节点进行信任评估，防止恶意节点对传感器网络的攻击。具体步骤如下：首先，对被评估节点直接监测得到的行为数据去模糊，以得到节点直接信任值；其次，结合直接、历史以及推荐信任数据评估节点最终信任值；接着，多次评估得到信任样本，并引入云模型建立正态信任云，作为节点最终信任等级评估依据；最后，根据实际需求划分标准信任云组，并采用精简分类方法匹配节点最佳标准信任云，从而确定节点信任等级。本发明分析行为数据模糊性对信任评估的影响，构建两级信任评估模型，包括模糊推理、多源信任智能融合以及信任云重构与分类，从而提高节点信任等级的评估精度。
-
公开(公告)号：CN119810666A
公开(公告)日：2025-04-11
申请号：CN202510009762.6
申请日：2025-01-03
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于双解码器双Transformer背景增强重建网络的高光谱遥感图像异常目标检测方法。该方法引入和设计了一种新颖的背景特征净化解码任务，通过聚焦注意力于背景特征来减小重建过程中异常像素的影响。考虑到异常和背景不同的特点，设计了一个异常剥离屏蔽辅助分支模块，对异常特征进行弱化，为解码阶段补充更丰富的没有异常的背景信息。此外，为进一步引导纯净背景的重建，还设计了一种新颖的交叉引导Transformer模块，用于全局集成多尺度背景属性特征。最后，通过使用协同优化损失函数，对空间光谱和频域中的潜在异常进行双重约束学习，完成异常目标的精确检测。在高光谱数据集上实验结果表明，本发明能够显著提升异常检测的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.025 seconds)
