-
公开(公告)号：CN119942615A
公开(公告)日：2025-05-06
申请号：CN202510036507.0
申请日：2025-01-09
Applicant: 重庆邮电大学
IPC: G06V40/16 , G06V40/40 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于计算机视觉和机器学习技术领域，具体涉及一种去中心化联邦学习的人脸伪造检测方法及系统；所述方法包括接收经过数据预处理后的人脸图像数据，使用人脸图像数据训练并更新人脸伪造检测模型的参数；将自身的人脸伪造检测模型的参数发送给去中心化网络拓扑中与之直接相连的邻居客户端；将接收到的人脸伪造检测模型的参数进行聚合操作，得到更新后的人脸伪造检测模型的参数；根据每轮训练的完成时间，更新所述去中心化网络拓扑；重复上述步骤直至模型达到预设终止条件。本发明克服了现有人脸伪造图像检测技术中由于中心服务器依赖导致的单点故障风险、客户端计算能力异构带来的模型收敛速度慢和模型对局部与全局特征感知能力不足的问题。
-
公开(公告)号：CN118982079A
公开(公告)日：2024-11-19
申请号：CN202410997039.9
申请日：2024-07-24
Applicant: 重庆邮电大学
Abstract: 本发明属于信息安领域，涉及一种资源受限条件下基于差分隐私的自适应联邦学习方法，包括：随机选取K个客户端、初始化聚合器参数、设置聚合间隔迭代次数；将初始化参数和聚合间隔迭代次数发送给客户端；计算客户端估计参量系数#imgabs0#和系数#imgabs1#采用分布式梯度下降算法对初始化参数进行局部梯度更新，并计算每种类型资源在本地迭代更新的消耗量；将参数上传到聚合器，聚合间隔迭代次数加1，并重复上述过程，直到达到要求；聚合器将客户端上传参数进行聚合，并计算下轮的两次聚合过程的间隔迭代次数；根据聚合后的参数计算总资源消耗；根据总资源消耗进行模型更新；本发明克服了联邦学习在资源受限的条件下执行分布式机器学习的性能低下和客户端隐私暴露的缺陷。
-
公开(公告)号：CN118972864A
公开(公告)日：2024-11-15
申请号：CN202411031730.8
申请日：2024-07-30
Applicant: 重庆邮电大学
Abstract: 本发明属于移动边缘计算领域，具体涉及一种基于深度强化学习的物联网数字孪生边缘部署方法；该方法包括：构建移动边缘计算网络模型；基于移动边缘计算网络模型，计算用户获得查询结果AoI的效用增益；根据效用增益构建传感器的数字孪生部署问题；将传感器的数字孪生部署问题转化为马尔可夫决策过程；采用深度强化学习算法求解马尔可夫决策过程，得到最佳数字孪生部署方案；本发明能快速适应物联网中用户动态变化的环境，能够快速灵活地从动态环境中获取最优的部署方案，使传感器的数字孪生始终能给用户提供新鲜的查询数据。
-
公开(公告)号：CN117749794A
公开(公告)日：2024-03-22
申请号：CN202311692616.5
申请日：2023-12-11
Applicant: 重庆邮电大学
IPC: H04L67/10 , H04L67/568 , H04L41/14
Abstract: 本发明属于边缘计算技术领域，涉及一种面向空天地一体化网络的边缘协同缓存方法和系统，所述方法包括：计算出用户设备所请求内容的平均缓存命中率和用户设备的平均内容访问延迟；将无人机或卫星上边缘服务器的缓存替换建模为马尔可夫决策过程；通过最大化负标量的奖励来达到最小化系统成本的目的重构奖励函数；基于重构后的奖励函数为优化目标，通过最大化的长期负奖励的期望来学习最优的缓存替换策略。本发明通过联邦学习的框架来避免用户数据在训练过程中隐私泄漏问题，再利用离散柔性演员评论家模型来应对大规模用户的异构请求、网络的动态性，从而来提高网络的训练效率以及鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116112525A
公开(公告)日：2023-05-12
申请号：CN202310086023.8
申请日：2023-02-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种车联网任务卸载方法、系统及电子设备，涉及车辆边缘计算和机器学习技术领域，方法包括：建立车联网任务卸载的网络拓扑结构；通过网络拓扑结构获取车辆的任务的特征信息，以及服务器的特征信息；基于车联网任务卸载的网络拓扑结构建立以时延、能耗和服务质量为优化目标的优化函数；基于优化函数建立马尔可夫决策过程模型，并配置马尔可夫决策过程模型的状态空间、动作空间和奖励函数；依据车联网任务卸载在不同环境下的样本集对元学习算法模型的模型参数进行训练，得到元学习算法模型的元初始化参数；通过元初始化参数初始化A3C算法模型的网络参数，利用初始化网络参数后的A3C算法模型求解马尔可夫决策过程模型，得到任务卸载决策。
-
公开(公告)号：CN113259440B
公开(公告)日：2022-04-22
申请号：CN202110540079.7
申请日：2021-05-18
Applicant: 重庆邮电大学
IPC: H04L67/1001 , H04L45/586 , H04L47/125 , H04L45/125 , H04L67/1008
Abstract: 本发明公开了一种基于负载均衡的虚拟网络功能动态部署方法：获取第一指令，获得节点以及链路信息；基于节点、链路，在功能节点上枚举部署的伪VNF；分裂节点以及伪VNF，连接分裂后的节点分配加权有向边，构造边加权图；构造伪VNF分裂的多阶段边权图；计算每一条虚拟路由路径的相对成本，并将获得的每一条虚拟路由路径的相对成本做比较，相对成本最小的虚拟路由路径中的各个节点以及链路映射到原物理网络中；本发明的有益效果为实现网络负载均衡和资源消耗成本最小化；SDN控制器将为新传入的请求流提供最优数量的VNF，并在合适的位置根据资源容量的约束和特定的SFC顺序部署并激活VNF实例，保证整个网络的负载均衡。
-
公开(公告)号：CN114172937A
公开(公告)日：2022-03-11
申请号：CN202210060694.2
申请日：2022-01-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于深度强化学习的动态服务功能链编排方法及系统，根据SDN控制器获取历史网络状态；网络状态包括支持移动边缘计算的物联网网络中产生的服务功能链请求流信息以及对应的网络资源状态信息；设定深度强化学习参数并初始化神经网络的权重；根据智能体与环境交互产生的经验样本训练神经网络；对于实时获取的服务功能链请求流，利用训练好的神经网络，采用启发式算法，确定并部署满足服务功能链请求流要求的虚拟化网络功能的放置与路由路径，综合考虑了网络资源状态信息，实现了在减少物联网请求流对资源消耗成本和时延的同时实现了网络的负载均衡，并提高了网络流量接收率。
-
公开(公告)号：CN111385202B
公开(公告)日：2022-03-11
申请号：CN202010185421.1
申请日：2020-03-17
Applicant: 重庆邮电大学
IPC: H04L45/125 , H04L47/125 , H04L45/12
Abstract: 本发明涉及计算机网络技术领域，特别涉及一种基于虚拟网络功能的路由分配方法，包括建立物理网络模型，并定义服务功能链SFC请求流；根据定义的服务功能链SFC进行建模，获得服务功能链SFC模型；根据服务功能链SFC模型，获取服务功能链SFC请求流在物理网络中消耗的资源成本；构建多阶段有向图，并将服务功能链SFC请求流在物理网络中消耗的资源成本映射到该多阶段有向图，获得服务功能链SFC请求流的相对成本；计算获取服务功能链SFC请求流的相对成本最低的路由路径，并将该路径作为本次路由分配的路由路径；本发明实现了考虑全局网络资源的虚拟网络功能部署和路由分配，有效地实现了网络资源地负载均衡，提高了请求接受率。
-
公开(公告)号：CN110062357A
公开(公告)日：2019-07-26
申请号：CN201910212333.3
申请日：2019-03-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于强化学习的D2D辅助设备缓存系统及缓存方法，具体是基于DQN(Deep Q Network)强化学习方式下的D2D通信缓存优化的系统。系统由服务器端的训练数据筛选模块、服务交互模块、请求处理模块、日志记录子模块和辅助节点设备的强化学习模块、请求处理模块、文件缓存模块、日志记录模块以及用户所在的辅助节点D2D通信覆盖区所有用户构成，通过统计分析用户对文件请求的记录，将数据进行筛选后用于强化学习，通过神经网络来学习得到辅助节点设备上适应流行度的缓存策略，从而提高系统D2D辅助设备卸载的命中率，有效地降低基站负荷，发挥D2D通信降低用户时延、节省网络带宽以及增加资源复用等作用。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.103 seconds)
