-
公开(公告)号：CN112583575A
公开(公告)日：2021-03-30
申请号：CN202011413354.0
申请日：2020-12-04
Abstract: 本发明提供一种车联网中基于同态加密的联邦学习隐私保护方法，将基于同态加密的联邦学习引入车联网中，通过改进具有加法同态行的Paillier算法和具有乘法同态性的RSA算法，并结合AES算法和步长混淆的方式，同时采用分层加密技术，使加法同态在边缘端完成，而乘法同态在云端完成以提高加密效率，从而有效防止联邦学习恶意攻击，并有效降低加密导致的延迟的方法；该发明可以应用在车联网中进行隐私保护将联邦学习引入IoV中以解决用户隐私泄露问题。为了进一步地增强数据安全性，在联邦学习中引入高效的同态加密；而且改进了具有加法同态性的Paillier算法和具有乘法同态性的RSA算法，并结合AES算法和步长混淆的方式，构建一个具有全同态加密性的联邦学习架构。
-
公开(公告)号：CN112507606A
公开(公告)日：2021-03-16
申请号：CN202011223450.9
申请日：2020-11-05
Applicant: 华侨大学
IPC: G06F30/27 , G06K9/62 , G06N3/08 , G06F111/04 , G06F119/14
Abstract: 本发明提供一种基于RBF网络的欠定工作模态参数识别方法、检测方法、设备和介质，方法包括：通过获取限定个传感器测点的时域响应信号，在利用其在频率的稀疏性估计混合矩阵得到模态振型的基础上，结合压缩感知算法，使用径向基函数逼近L0范数最小化恢复源信号识别出高于传感器个数的模态坐标响应，进而得到系统的固有频率和阻力比，实现欠定工作模态参数的识别，能够有效提高现有技术的识别精度，还能够有效监测线性工程系统的工作模态参数，可用于振动控制、设备故障诊断、健康监测以及系统结构分析与优化。
-
公开(公告)号：CN112486652A
公开(公告)日：2021-03-12
申请号：CN202011380029.9
申请日：2020-11-30
Applicant: 华侨大学
Abstract: 本发明涉及一种非抢占固定优先级混合关键任务能耗优化调度方法，包括以下步骤:建立非抢占固定优先级混合关键任务调度模型；给出系统处于低模式下调度可行的充分条件；给出系统处于高模式下调度可行的充分条件；给出系统处于转换模式调度可行的充分条件；由调度可行的充分条件，计算能耗优化的速度Sop。本发明与现有技术的混合关键系统周期任务调度方法相比，能够节约大约33.08％能耗；能够确保周期任务在其截止期限内完成执行；混合关键系统能耗的降低，可以降低产品的生产成本，延长设备的使用时间，减少电池的更换周期。
-
公开(公告)号：CN106970835B
公开(公告)日：2021-03-09
申请号：CN201710165339.0
申请日：2017-03-20
Applicant: 华侨大学
Abstract: 本发明公开一种固定优先级资源受限系统层次能耗优化方法，包括：计算任务Ti的系统层次最优速度；计算任务Ti执行的低速度SL且将其与比较；计算任务Ti执行的高速度；计算设备Di的设备空闲时间I(Di)；利用相对截止期限单调策略和抢占阈值策略调度任务；根据设备空闲时间I(Di)降低设备能耗。本发明利用动态功耗管理技术和动态电压调节技术，有效地降低系统层次能耗。
-
公开(公告)号：CN112329855A
公开(公告)日：2021-02-05
申请号：CN202011224897.8
申请日：2020-11-05
Applicant: 华侨大学
Abstract: 本发明提供一种基于自适应字典的欠定工作模态参数识别方法，方法包括：首先获取限定个传感器测得的时域响应信号，在利用其在频率的稀疏性估计混合矩阵得到模态振型的基础上，首先将UBSS模型转换为CS模型，在CS框架下，然后使用K‑SVD字典学习方法生成具有更强稀疏表示能力的自适应字典；最后，利用正交匹配追踪算法重构源信号得到模态坐标响应，进而得到系统的固有频率和阻力比，实现欠定工作模态参数的识别，本发明方法能够有效提高传统现有技术模态参数的精度；本发明能够有效监测线性工程系统的工作模态参数，用于振动控制、设备故障诊断以及健康监测。
-
Patent Agency Ranking
公开(公告)号：CN112181971A
公开(公告)日：2021-01-05
申请号：CN202011166681.0
申请日：2020-10-27
IPC: G06F16/215 , G06F16/242 , G06F16/2455 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于边缘的联邦学习模型清洗和设备聚类方法、系统、设备和可读存储介质，方法包括：根据设备所在的局域网地址，对设备聚类，将在每个局域网部署一个移动边缘节点服务器；参与训练的终端设备接收到云端发来的全局模型，在本地数据上训练得到本地更新模型；计算终端设备本地更新模型参数与全局模型参数间的余弦相似度；判定所述余弦相似度是否大于设定阈值，若余弦相似度大于设定阈值的本地更新模型，传输到移动边缘节点服务器参与边缘聚合，得到簇模型；将局域网的簇模型发送到云端参与全局聚合，得到全局聚合模型。本发明提出的方法能够在减少不必要的通信开销和避免服务器高并发访问带来的传输延迟的情况下提高联邦学习通信效率的方法。
-
公开(公告)号：CN112181666A
公开(公告)日：2021-01-05
申请号：CN202011155848.3
申请日：2020-10-26
Applicant: 华侨大学
IPC: G06F9/50 , G06F16/242 , G06F16/2455 , G06N3/04 , G06N3/08 , H04L12/24
Abstract: 本发明提供一种基于边缘智能的设备评估和联邦学习重要性聚合方法，包括如下步骤：云服务器初始化：云服务器生成初始模型，设备评估与选择：边缘服务器接收终端设备的资源信息，生成资源特征向量，并将所述资源特征向量输入评估模型，本地训练：边缘服务器选择智能设备后，将转存的初始模型发送所述智能设备，智能设备对初始模型在联邦学习中进行本地训练，得到本地模型；本地模型筛选：将本地模型发送到边缘服务器，通过比较本地模型与前一轮全局模型的损失值来判断是否为异常的模型；全局聚合：利用经典的联邦平均算法进行全局聚合。本发明提供的方法一方面解决了带有资源约束设备的训练瓶颈问题，另一方面提高模型聚合的效果以减少冗余的训练与通信消耗。
-
公开(公告)号：CN106951056B
公开(公告)日：2019-08-30
申请号：CN201710165505.7
申请日：2017-03-20
Applicant: 华侨大学
IPC: G06F1/329 , G06F1/3215
Abstract: 本发明公开一种CPU和IO设备低能耗调度方法，包括：建立资源受限周期任务设备能耗调度模型；计算任务Ti执行的低速度SL；计算任务Ti执行的高速度；计算设备Di的设备空闲时间I(Di)；利用最早截止期限优先策略和栈资源协议调度任务；根据设备空闲时间I(Di)降低设备能耗。本发明利用动态功耗管理技术和动态电压调节技术，有效地降低CPU和IO设备能耗。
-
公开(公告)号：CN110070219A
公开(公告)日：2019-07-30
申请号：CN201910298443.6
申请日：2019-04-15
Applicant: 华侨大学
Abstract: 本发明公开了一种基于截止期限混合关键系统静态能耗优化方法，包括以下步骤:建立混合关键周期任务模型；计算截止期限系数x；根据截止期限调度混合关键周期任务；计算混合关键周期任务的执行速度Si；低关键层次周期任务始终以速度Si执行，高关键层次周期任务的正常负载以速度Si执行，其额外负载以最大处理器速度执行。本发明的方法通过根据截止期限调度混合关键周期任务，确定最低执行速度Si，有效地降低系统能耗。
-
公开(公告)号：CN109947543A
公开(公告)日：2019-06-28
申请号：CN201910167558.1
申请日：2019-03-06
Applicant: 华侨大学
Inventor： 张忆文
Abstract: 本发明公开了一种基于单检查点机制的容错能耗优化方法，包括：建立单检查点机制周期任务模型，该周期任务模型包括由n个周期任务组成的周期任务集，每个周期任务用Ti(1≤i≤n,i为正整数)表示，每个周期任务Ti插入一个检查点；计算插入检查点后周期任务Ti的最坏情况下执行时间Wi；计算插入检查点后的系统利用率Utot及系统空闲利用率I；根据系统空闲利用率I与系统利用率Utot之间的大小关系从周期任务集中选出缩放任务，并确定缩放任务的执行速度，当错误发生时，所述缩放任务从其检查点以最大处理器速度重新执行发生错误的周期任务Ti；根据最早截止期限优先策略调度周期任务集。本发明的方法利用单检查点机制实现容错，在确保系统可靠性的前提下，能够有效地降低系统能耗。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.031 seconds)
