-
公开(公告)号：CN113115260A
公开(公告)日：2021-07-13
申请号：CN202110442556.6
申请日：2021-04-23
Applicant: 长沙理工大学
Abstract: 本申请公开了一种区块链辅助云边协作车联网通信方法、设备及存储介质，包括：授权机构对中心处理机构和边缘服务基础设施进行初始化授权，以及对车辆进行区块链初始化授权并设置用于完成车辆授权与认证过程的区块链通信安全凭证，使中心处理机构分别与所有的边缘服务基础设施和车辆实时通信；车辆上路后在边缘服务基础设施的服务范围内与最近的边缘服务基础设施进行通信，以及车辆间进行通信；边缘服务基础设施通过对通信日志的处理和比对，对区块链通信安全凭证进行评定，并将冗余的通信日志上传至中心处理机构。这样能够快速高效完成车辆授权认证过程，保护自动驾驶中车辆网络不被攻击，解决了云计算时延高、边缘计算资源不足、冗余数据的问题。
-
公开(公告)号：CN109407997B
公开(公告)日：2021-04-23
申请号：CN201811332391.1
申请日：2018-11-09
Applicant: 长沙理工大学
Abstract: 本发明公开了一种数据处理方法，包括：接收客户端发送的访问请求；根据访问请求的类型、当前系统的配置信息和预设的数据处理模型，确定访问请求对应的目的节点，访问请求的类型至少包括读请求和写请求，数据处理模型通过稀疏降维方法和Q‑learning算法训练获得；将访问请求传输至目的节点进行相应处理。该方法依据Q‑learning算法处理访问请求，可以提高数据处理效率，且由于稀疏降维方法能够提高Q‑learning算法的收敛速度，降低延时时间，所以访问请求的响应时间也比较短，从而给用户带来了良好的服务体验。本发明公开的一种数据处理装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN112235425B
公开(公告)日：2021-03-09
申请号：CN202011461836.3
申请日：2020-12-14
Applicant: 长沙理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种区块链的矿池形成方法、装置、系统及计算机可读存储介质，该方法通过为一个社区内的所有用户节点和边缘服务器节点分配ID，用于用户节点与边缘服务器节点进行资源交易，根据各个用户节点在当前评分周期中针对相应的边缘服务器节点的初始评分得到每个边缘服务器节点的第一信誉值，根据每个用户节点在当前评分周期中的活跃度得到各个用户节点的第二信誉值，然后根据第一筛选条件和第二筛选条件对各个第一信誉值和各个第二信誉值进行筛选，筛选出满足要求的各个诚实服务器节点和各个诚实用户节点组成矿池，本发明有利于提高矿工质量及筛选效率，缩短优质矿池形成时间，提高矿池质量，有利于推进挖矿过程。
-
公开(公告)号：CN110851197A
公开(公告)日：2020-02-28
申请号：CN201910960318.7
申请日：2019-10-10
Applicant: 长沙理工大学
Abstract: 本发明公开了一种边缘计算多服务器任务选择卸载方法和系统，包括：若干边缘服务器分别获取与其相连的用户设备所产生的任务大小及工作负载数据；所述若干边缘服务器之间进行通信，由其中一个所述边缘服务器获取每一所述边缘服务器的服务率，以及每一所述边缘服务器获取的与其相连的所有所述用户设备的数据，计算与每一所述用户设备相连的边缘服务器组，计算用户设备在不同所述边缘服务器之间的卸载概率，优化用户设备的任务卸载比例和传输能量，优化结果通过各个所述边缘服务器返回给所述用户设备。该方法考虑了用户设备与多个服务器相连时的服务器选择问题，实现用户设备对任务处理的效用最大化。
-
公开(公告)号：CN109407997A
公开(公告)日：2019-03-01
申请号：CN201811332391.1
申请日：2018-11-09
Applicant: 长沙理工大学
Abstract: 本发明公开了一种数据处理方法，包括：接收客户端发送的访问请求；根据访问请求的类型、当前系统的配置信息和预设的数据处理模型，确定访问请求对应的目的节点，访问请求的类型至少包括读请求和写请求，数据处理模型通过稀疏降维方法和Q-learning算法训练获得；将访问请求传输至目的节点进行相应处理。该方法依据Q-learning算法处理访问请求，可以提高数据处理效率，且由于稀疏降维方法能够提高Q-learning算法的收敛速度，降低延时时间，所以访问请求的响应时间也比较短，从而给用户带来了良好的服务体验。本发明公开的一种数据处理装置、设备及可读存储介质，也同样具有上述技术效果。
-
Patent Agency Ranking
公开(公告)号：CN115604154B
公开(公告)日：2025-03-21
申请号：CN202211044759.0
申请日：2022-08-30
Applicant: 长沙理工大学
IPC: H04L43/0876 , H04L43/028 , H04L47/2483 , H04L69/22
Abstract: 本发明公开了一种支持流量抖动的网络大流弹性测量方法，方法包括：首先对网络分组解析，提取五元组作为流标识符；然后设计一种基于可伸缩Sketch循环链的小流过滤器，进而提出可根据网络分组速率的动态变化，适应性调整循环链中Sketch数量的过滤器扩展与收缩策略，以确保记录给定时间周期内的所有分组，从而持续精确过滤小流；接着结合多分段可拓展哈希算法设计了一种基于可伸缩哈希表的大流记录器，可根据所记录的网络大流数量的动态变化扩展或收缩分段，以尽可能记录所有大流，同时提高存储空间利用率；根据本发明的方案，有效解决了在高速网络链路上流量激增时大流测量的查询精准性不足问题和无法实现自适应测量问题，进一步提高了大流测量精度和范围。
-
公开(公告)号：CN119342534A
公开(公告)日：2025-01-21
申请号：CN202411468010.8
申请日：2024-10-21
Applicant: 长沙理工大学
IPC: H04W28/084 , H04W28/088 , H04W28/08 , H04W4/44
Abstract: 本发明提供一种基于车辆集群的任务卸载方法及装置，筛选出任务相似度和预计通信时长符合阈值的目标任务车辆组成簇头，基于簇头和筛选出的目标算力车辆组成车辆集群，将车辆集群内的待卸载任务分解成多个子任务，将重复的子任务去除，在保证子任务间拓扑依赖关系不变的前提下，将剩下的子任务合并得到有向无环图，对有向无环图进行逻辑上的分层，逐层将每一层中的子任务进行卸载至空闲算力车辆或云服务器。在本方案中，与传统的卸载方案不同，构建车辆间预计通信时长满足阈值的车辆集群，合并了车辆集群中重复的子任务，大大减少了需要传输的数据量和任务处理的计算量，进而减少任务处理的时长，从而解决了车辆的高速移动导致任务不完全卸载问题。
-
公开(公告)号：CN119336469A
公开(公告)日：2025-01-21
申请号：CN202411468009.5
申请日：2024-10-21
Applicant: 长沙理工大学
Abstract: 本发明提供一种基于自适应时间片调整的任务调度方法及装置，包括自适应时间片调整机制和任务的接入调度机制，自适应时间片调整机制通过滑动窗口检测第一优先级缓冲队列中数据量分布的变化区域，并据此重新调整缓冲区中各个时间片的大小，从而实现时间片的自适应优化。任务的接入调度机制综合考虑任务剩余所需处理数据量、截止日期需求、实时网络条件和任务的原位置等多种因素，动态制定不同的调度策略，增强边缘服务器自身在高负载条件下的任务处理能力，显著提高了边缘服务器的吞吐效率，保证关键任务得到及时处理，并提升了任务的平均服务质量。使得本发明所提出的基于自适应时间片调整的任务调度方法及装置能够更有效地适应复杂的现实场景。
-
公开(公告)号：CN118260689A
公开(公告)日：2024-06-28
申请号：CN202410334702.7
申请日：2024-03-22
Applicant: 长沙理工大学
IPC: G06F18/2433 , G06F18/214 , G06N3/045 , G06N3/0499 , G06N3/084 , G06F17/16
Abstract: 本发明属于日志异常检测领域，涉及一种基于自适应低秩参数高效微调的日志异常检测方法。与已有的方法相比，本发明使解决了预训练模型训练开销大、预定义微调网络层的问题，将AdaLoRA参数调优策略用在BERT的所有层，通过自适应选择作用层，减少训练开销和参数的数量，最终以更少的标签数据和更少的训练时间实现可靠的异常检测性能。因此，本项目可以使用基于自适应低秩参数高效的日志异常检测方法检测日志中的异常。采用预训练模型BERT，降低训练时标签数据量的需求。通过冻结预训练模型参数，将BERT模型的所有层与自适应低秩参数高效策略相结合，联合网络层选择、低秩旁路矩阵学习和日志分类任务训练，完成参数高效日志异常检测任务，减少模型训练开销。
-
公开(公告)号：CN114912500A
公开(公告)日：2022-08-16
申请号：CN202111429926.9
申请日：2021-11-29
Applicant: 长沙理工大学
Abstract: 本申请公开的基于预训练模型的无监督日志异常检测方法，包括：收集来自不同系统产生的日志数据集；将日志数据集进行预处理；源系统日志集调用LSTM与全连接层模型，构建预训练模型；混合模型投票伪标签：通过预训练模型中的LSTM提取出无标签目标系统日志向量序列的深度特征向量表示；基于层次聚类HDBSCAN的分类器辅助预训练模型的全连接层，投票预测筛选出置信度高的日志向量序列作为带伪标签目标系统日志集；微调预训练模型；将目标系统日志向量序列输入到微调后的预训练模型中，进行异常检测。本发明涉及的技术方案，进行日志序列异常检测时，其能够利用已知的源系统数据集，在不使用目标系统日志标签的前提下保障检测效果，降低标签标记成本。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.061 seconds)
