-
公开(公告)号：CN116843400A
公开(公告)日：2023-10-03
申请号：CN202310333506.3
申请日：2023-03-30
Applicant: 北京邮电大学 , 国网数字科技控股有限公司
IPC: G06Q30/06 , G06N3/0455 , G06N3/042 , G06N3/08
Abstract: 本申请提供一种基于图表示学习的区块链碳排放交易异常检测方法和装置，方法包括：将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入基于自编码器和注意力机制的图表示学习模型，以输出重构邻接矩阵和重构属性矩阵；应用邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵确定区块链网络中各个节点的异常检测分值；根据异常检测分值确定区块链网络中存在碳排放交易异常风险的异常节点。本申请能够有效提高区块链碳排放交易异常检测的准确性及有效性，能够有效过滤异常节点的影响并提升获得节点正常特征的能力，进而能够有效保证区块链中碳排放交易的安全性及可靠性。
-
公开(公告)号：CN115414042A
公开(公告)日：2022-12-02
申请号：CN202211096131.5
申请日：2022-09-08
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于情感信息辅助的多模态焦虑检测方法及装置，该方法包括：获取文本数据集和语音信号集；将各文本数据分别输入至文本情感数据清洗模型，得到各情感类别，并清洗掉情感类别与第一情感不一致的文本数据，得到第二文本数据集；将各语音信号分别输入至语音情感数据清洗模型，得到各语音信号对应的情感类别，清洗掉情感类别与第一情感不一致的语音信号，得到第二语音信号集；将第二文本数据集输入至文本焦虑检测模型，得到文本模态特征，将第二语音信号集输入至语音焦虑检测模型，得到语音模态特征，将文本模态特征和语音模态特征进行特征融合，并基于融合后的特征得到被测者的焦虑分类结果。该方法可准确的检测被测者的焦虑状态。
-
公开(公告)号：CN113420323B
公开(公告)日：2022-06-03
申请号：CN202110626699.2
申请日：2021-06-04
Applicant: 国网河北省电力有限公司信息通信分公司 , 国网区块链科技(北京)有限公司 , 北京邮电大学 , 国家电网有限公司
Inventor： 杨会峰 , 郭少勇 , 黄镜宇 , 刘玮 , 王栋 , 李宁博 , 王建伯 , 国明 , 申培培 , 陈连栋 , 姜丹 , 程凯 , 王骏 , 刁首人 , 韩艳美 , 林静 , 蔡硕
Abstract: 本发明适用于数据交互技术领域，公开了一种数据共享方法及终端设备，上述方法包括：接收数据请求节点的共享请求，共享请求包括待请求模型信息；查询区块链网络中是否存在与待请求模型信息关联的可用模型；若区块链网络中存在可用模型，则将可用模型返回给数据请求节点；若区块链网络中不存在可用模型，则选取与数据请求节点合作的目标数据提供节点，开始联邦学习，将联邦学习结束后得到的全局模型返回给数据请求节点，并将目标数据提供节点以及联邦学习过程中的模型参数记录在区块链网络中。本发明通过将区块链和联邦学习相结合，可以实现数据共享过程中的隐私保护与安全可信，可以完全保证数据隐私，不存在数据泄露风险。
-
公开(公告)号：CN106385687A
公开(公告)日：2017-02-08
申请号：CN201610968112.5
申请日：2016-10-27
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种网络基带功能比例的分配方法及装置，其中方法包括：获取C-RAN网络的点到点结构的信息，点到点结构至少包括：拉远射频头RRH与基带处理单元BBU交互的点对点网络结构；根据点到点结构的信息，生成第一古诺双寡头博弈模型的建立元素；根据第一古诺双寡头博弈模型的建立元素，建立第一古诺双寡头博弈模型；根据第一古诺双寡头博弈模型，建立第一效用函数，第一效用函数为BBU在第一古诺双寡头博弈模型中的效用函数，并建立第二效用函数，第二效用函数为RRH在第一古诺双寡头博弈模型中的效用函数；计算第一效用函数和第二效用函数的最佳值，最佳值为基带功能比例，以使网络基带功能按照基带功能比例进行分配。
-
-
Patent Agency Ranking
公开(公告)号：CN101964780A
公开(公告)日：2011-02-02
申请号：CN201010103210.5
申请日：2010-01-28
Applicant: 北京邮电大学 , 北京正方兴通信技术有限公司
Abstract: 本发明公开了一种IMS网络脆弱性分析方法，为IMS网络建立脆弱性分析模型，设置IMS网络的脆弱性扫描插件库；方法包括：解析用户输入的描命令，并发送给核心扫描引擎；核心扫描引擎接收到客户端发来的扫描命令后，根据各扫描引擎节点的能力选择相应的扫描引擎去执行扫描命令，所选择的扫描引擎根据扫描命令选择相应的扫描插件，调用扫描插件对目标主机或者子网进行扫描；并将扫描结果通过核心扫描引擎发送给客户端；客户端解析核心扫描模块返回的消息，确定IMS目标网络中存在的脆弱性，并将扫描得到的脆弱性信息存入系统脆弱性信息数据库，同时生成相应的脆弱性扫描结果报表。本发明公开了一种实现上述方法的系统。本发明技术方案实现简单且实用。
-
公开(公告)号：CN118211970A
公开(公告)日：2024-06-18
申请号：CN202410107015.1
申请日：2024-01-25
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
Abstract: 本申请提供一种基于异构图卷积网络的欺诈交易账户检测方法，所述方法包括：将多个目标交易账户分别作为账户节点，将各个目标交易账户各自关联的多个订单分别作为订单节点，并将各个目标交易账户与各自关联的各个订单之间的关联关系作为订单边，构建二部图；其中，订单边包括：订单提交边和订单撤销边；基于异构图卷积网络对所述二部图进行卷积处理得到账户节点对应的账户节点隐藏状态、订单提交边隐藏状态和订单撤销边隐藏状态；将账户节点隐藏状态、订单提交边隐藏状态和订单撤销边隐藏状态输入预先获取的分类模型，以使该分类模型输出得到账户节点的账户异常检测结果数据。本申请能够有效提升交易欺诈账户检测的准确性及检测效率。
-
公开(公告)号：CN117114886B
公开(公告)日：2024-04-09
申请号：CN202311375071.5
申请日：2023-10-23
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网北京市电力公司 , 国网江苏省电力有限公司
Abstract: 本发明提供一种基于双层共识机制的区块链碳交易方法及系统，涉及信息处理技术领域，区块链接收边缘服务器提供的各企业碳配额数据，更新链上数据，并定期向边缘服务器发送各企业的交易数据，更新边缘服务器数据；边缘服务器比较各企业的碳排放数据与碳配额数据；若碳排放数据大于碳配额数据，则企业需在区块链上向其他企业购买碳配额，以达到碳中和；若碳排放数据不大于碳配额数据，则企业可以在区块链上向其他企业出售剩余的碳配额，以实现碳交易；在系统中，构建了基于哈希图的分片区块链双层共识架构，在各分片中区块链采用有向无环图结构。本发明提供的方法及系统提高了区块链的吞吐量、共识效率以及性能，适用于大规模的高并发碳交易场景。
-
公开(公告)号：CN117313901B
公开(公告)日：2024-04-02
申请号：CN202311597925.4
申请日：2023-11-28
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: G06N20/00
Abstract: 本发明提供一种基于多任务聚类联邦个性学习的模型训练方法及装置，中央服务器向各客户端下发上一轮训练得到的各客户端所属簇的簇模型参数和其他簇的专家层模型参数，并接收各客户端采用本地数据训练得到的本地模型参数和自适应权重；根据各客户端的本地模型参数对各客户端进行聚类分簇；将同一簇中各客户端的本地模型参数进行联邦平均聚合，形成本轮训练得到的簇模型；各客户端基于自适应权重聚合各簇模型的专家层模型参数，并连接个性化层模型参数，得到预测模型；将本地数据输入预测模型，得到预测结果；构建预测结果和真实标签的损失，以最小化损失为目标，重复训练步骤。本发明提供的训练方法能够解决数据异质性带来的偏差和难以收敛的问题。
-
公开(公告)号：CN117313901A
公开(公告)日：2023-12-29
申请号：CN202311597925.4
申请日：2023-11-28
Applicant: 北京邮电大学 , 国网数字科技控股有限公司 , 国网江苏省电力有限公司
IPC: G06N20/00
Abstract: 本发明提供一种基于多任务聚类联邦个性学习的模型训练方法及装置，中央服务器向各客户端下发上一轮训练得到的各客户端所属簇的簇模型参数和其他簇的专家层模型参数，并接收各客户端采用本地数据训练得到的本地模型参数和自适应权重；根据各客户端的本地模型参数对各客户端进行聚类分簇；将同一簇中各客户端的本地模型参数进行联邦平均聚合，形成本轮训练得到的簇模型；各客户端基于自适应权重聚合各簇模型的专家层模型参数，并连接个性化层模型参数，得到预测模型；将本地数据输入预测模型，得到预测结果；构建预测结果和真实标签的损失，以最小化损失为目标，重复训练步骤。本发明提供的训练方法能够解决数据异质性带来的偏差和难以收敛的问题。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.036 seconds)
