-
公开(公告)号：CN117641363A
公开(公告)日：2024-03-01
申请号：CN202410105622.4
申请日：2024-01-25
Applicant: 东北大学
IPC: H04W12/60 , H04W12/02 , H04W12/069 , H04W12/122 , H04W4/44 , H04W4/08
Abstract: 本发明属于车联网网络安全领域，公开了一种基于聚簇的车联网信任管理方法。包括一种基于簇结构的分层式信任管理模型和基于权重的多属性分簇算法，簇结构通过基于权重的多属性分簇算法生成；本发明通过在簇结构的基础上设计相应的信任管理方案，兼顾节点区域性的局部信任和网络整体的全局信任，能有效提升信任管理的有效性。同时，本发明综合考虑多种属性对簇结构的影响，设计了新的基于权重的多属性分簇算法，构建稳定可靠的簇结构，给信任管理方案的稳定运行提供了基础。
-
公开(公告)号：CN113950113B
公开(公告)日：2022-10-25
申请号：CN202111169755.0
申请日：2021-10-08
Applicant: 东北大学
Abstract: 本发明属于车联网信息交互技术领域，提出了一种基于隐马尔科夫的车联网切换决策算法，算法包括信息交互模块、切换触发模块、网络选择模块、信息维护模块和数据转发模块五个模块。根据维护在数据库中的可接收信号强度预测当前连接网络在未来一段时间内的可接收信号强度，从而判断出是否需要进行网络切换。并通过隐马尔科夫模型中的元素以及车辆的观测状态信息，得到车辆从一个网络切换至另一个网络的概率，判决出最佳的目标网络。切换完成后，根据切换前后的网络信息修改隐马尔科夫模型。改善了现有的网络切换算法切换时延高、丢包率高以及容易发生“乒乓效应”的问题。
-
公开(公告)号：CN113947210A
公开(公告)日：2022-01-18
申请号：CN202111169752.7
申请日：2021-10-08
Applicant: 东北大学
IPC: G06N20/00
Abstract: 本发明属于边缘计算技术领域，提供了一种移动边缘计算中的云边端联邦学习方法，以降低通信轮次，提高所提出的三层边缘计算架构中的训练的机器学习模型可靠性。通过让边缘服务器参与联邦学习训练过程，通过动态调整终端设备中的训练轮次来最小化边缘服务器和终端设备之间的通信轮次。通过最小化边缘服务器和终端设备之间的通信轮次降低了在传输模型过程中由于信道带宽等因素导致的模型参数丢失问题。
-
公开(公告)号：CN111797769A
公开(公告)日：2020-10-20
申请号：CN202010639920.3
申请日：2020-07-06
Applicant: 东北大学
Abstract: 本发明属于计算机视觉应用技术领域，提出了一种小目标敏感的车辆检测系统。本系统包括数据模块、网络结构模块、系统配置模块、训练模块、测试模块、功能支撑模块、日志采集模块、效果分析模块、检测模块和交互模块。本发明的核心算法：小目标敏感的全卷积神经网络算法,本算法在R-FCN的基础上对已有的CNN重新设计并提出了一种新层：小目标敏感池化层,它可以丰富小目标车辆的特征，从而可以更准确地检测小尺寸车辆，同时，在系统中也设计了一种新的投票机制，可以更准确地检测遮挡车辆。最后也对该检测系统进行了进一步的精简设计，可以检测地更及时，从而满足实时性的要求。
-
公开(公告)号：CN119906969A
公开(公告)日：2025-04-29
申请号：CN202510112688.0
申请日：2025-01-24
Applicant: 东北大学
IPC: H04W4/40 , H04W28/084 , H04L41/16 , H04L41/142 , G06N3/0495 , G06N3/098
Abstract: 本发明属于车联网网络通信领域，公开一种基于集群拓展的车联网联邦学习动态稀疏训练方法。构建车联网场景下分层联邦学习训练架构：所述车联网场景下分层联邦学习训练架构为客户端‑服务器两层结构，包括边缘服务器和道路系统；基于车联网场景下分层联邦学习训练架构进行联邦动态稀疏训练：在边缘服务器的协调与管理下，训练节点基于本地数据训练稀疏网络结构，周期性地根据预定义的重构更新标准对稀疏网络结构进行更新；最终，在边缘服务器聚合并重构出一个满足目标稀疏度的全局网络结构。
-
Patent Agency Ranking
公开(公告)号：CN119849662A
公开(公告)日：2025-04-18
申请号：CN202411931876.8
申请日：2024-12-25
Applicant: 大连七贤智远科技研究院有限公司 , 东北大学
Abstract: 本公开涉及一种模型训练方法、装置、存储介质及电子设备，该方法包括：在确定任一候选车辆完成对待训练模型的训练的情况下，确定该候选车辆针对待训练模型的第一加密模型切片，针对任一候选车辆，确定该候选车辆对应的第一模型差异，对各个候选车辆的第一加密模型切片进行聚合，得到与目标路侧单元对应的第一聚合模型切片，向服务器发送与各个候选车辆分别对应的第一模型差异和第一聚合模型切片，以使服务器确定模型参数满足预设参数差异条件的安全车辆，对安全车辆的第一加密模型切片进行聚合，得到第二聚合模型切片，向服务器发送第二聚合模型切片，以使服务器得到待训练模型的目标模型参数。采用该方法可以提高联邦学习得到的模型的安全性。
-
公开(公告)号：CN119624208A
公开(公告)日：2025-03-14
申请号：CN202411564171.7
申请日：2024-11-05
Applicant: 东北大学
IPC: G06Q10/0639 , G06N3/006 , G06Q50/04 , G06F16/904
Abstract: 本发明的面向能效的炼钢厂数据流实时预测系统及方法，系统包括：数据采集模块、数据处理模块、数据存储模块、能耗可视化模块、能效计算模块和能效预测模块。本发明基于预定义的炼钢流程动态展示各阶段、各设备的能耗数据流，实时监控和仿真炼钢厂的能耗数据流，并集成先进的机器学习和数据分析技术进行综合统计分析，实现了对炼钢厂能效的实时计算和未来预测，解决了现有技术中能效管理不全面、预测模型精度低的问题。该系统能够帮助企业降低能源消耗、提高生产效率，为工业生产的成本智能化管控提供了新的技术路径。
-
公开(公告)号：CN118612242A
公开(公告)日：2024-09-06
申请号：CN202410637772.X
申请日：2024-05-22
Applicant: 东北大学
IPC: H04L67/12 , H04L67/025 , H04L69/08 , G06Q10/04 , G06Q10/063 , G06Q50/26 , G06F17/18 , G06N3/0442 , G16Y20/00 , G16Y40/10 , G16Y40/20 , G16Y40/35
Abstract: 本发明的一种基于工业物联网的异构数据采集与管理系统，包括：数据采集代理、代理管理模块、数据通道及点位管理模块、数据处理及存储模块、数据库、数据汇总及转发模块、数据可视化模块以及碳排放预测与碳达峰评估模块。本发明中预先构建的数据采集代理程序能够自动适配异构网络中不同类型设备，并能够实现创建不同协议类型数据采集通道及相关点位，基于预先定义的规则处理代理程序上报的数据并进行存储，当采集数据满足转发规则时自动进行数据转发以实现进一步管理，同时可依据数据库对相关数据进行实时可视化管理与对生产线的优化控制。
-
公开(公告)号：CN118070926B
公开(公告)日：2024-08-09
申请号：CN202410483842.0
申请日：2024-04-22
Applicant: 东北大学
IPC: G06N20/00
Abstract: 本发明属于联邦学习场景下的资源自适应技术领域，公开了一种基于客户端资源自适应的多任务联邦学习方法。解决异质计算资源与多任务学习场景下对联邦学习系统性能和模型训练效果的影响，提高联邦学习在资源与任务异构环境下的效率和鲁棒性。提出客户端计算资源自适应的模型弹性缩放与基于任务相关性的多任务联邦学习聚合两种关键技术，将联邦学习模型分为底层基础模型与上层任务模型，在底层基础模型上实现计算资源自适应弹性缩放与分层聚合策略。提出任务相关性多任务联邦学习聚合方法，相同任务客户端构建任务模型相似图，采用k‑core聚合方法实现任务模型稳定训练减少数据异质影响。
-
公开(公告)号：CN115022883B
公开(公告)日：2024-07-09
申请号：CN202210617477.9
申请日：2022-06-01
Applicant: 东北大学
IPC: H04W12/122 , H04W12/60 , H04W12/63 , H04W12/00 , H04L9/40 , G06F18/23213 , H04L67/1095 , H04L67/12
Abstract: 本发明的一种基于区块链的抵御合谋攻击的车联网信任管理方法，包括：构建车联网分布式架构；收集事件发起车辆发出的安全警告消息和事件参与车辆发出的用于消息验证的推荐证据信息；通过K‑Means聚类对提供推荐证据信息的事件参与车辆进行合谋攻击检测；基于剔除了合谋车辆影响后的推荐证据信息，识别车联网内的恶意车辆节点及虚假安全警告消息，评估安全警告消息的有效性；根据消息评估结果和车辆的历史行为对事件发起车辆和事件参与车辆的车辆信任值进行调整；基于重要性证明的优化PBFT算法，完成存储在区块链中的信任变化参数和车辆信任值的更新，将信任数据在车联网内共享。本发明有效解决了车联网中基于区块链信任管理方案中可扩展性差、合谋攻击等问题，增强了信任管理方案的效率和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.027 seconds)
