-
公开(公告)号：CN113158550B
公开(公告)日：2022-08-26
申请号：CN202110314849.6
申请日：2021-03-24
Applicant: 北京邮电大学
Abstract: 本申请实施例提供的联邦学习方法、装置、电子设备及存储介质，应用于深度神经网络模型训练的技术领域，通过初始化并接收各终端发送的共享验证数据和本地模型的模型参数；根据各终端发送的共享验证数据和本地模型的模型参数计算各终端的权重；根据各终端的权重和各终端发送的本地模型的模型参数进行模型聚合；将模型聚合得到的全局模型的模型参数发送至各终端，以使各终端根据接收到的全局模型的模型参数对本地模型的参数进行更新。从而通过根据各终端发送的共享验证数据和本地模型的模型参数计算各终端的权重，根据计算得到的权重进行模型聚合，从而可以考虑各个终端的差异，避免由于数据分布不均，导致的计算效率下降的问题，提高计算的效率。
-
公开(公告)号：CN114819143A
公开(公告)日：2022-07-29
申请号：CN202210414566.3
申请日：2022-04-15
Applicant: 北京邮电大学
IPC: G06N3/08 , G06N3/04 , G06V10/762 , G06V10/82
Abstract: 本发明公开了一种适用于通信网现场维护的模型压缩方法，使用基于深度强化学习的模型剪枝算法和自适应聚类的模型量化算法对模型进行压缩，在保证模型精度的前提下压缩模型体积以及提升模型检测速度。基于深度强化学习的模型剪枝算法，以通信网现场维护模型性能作为需求约束，用深度确定性策略梯度的强化学习算法对模型各层的压缩比进行控制，实现自动通道剪枝，再进行层剪枝，在保证模型精度的前提下，从宽度和深度分别进行模型的压缩。自适应聚类的模型量化算法，用改进的BIRCH算法自动获取聚类的个数，使聚类个数的选取不再依赖先验知识，再通过K‑meansII算法获取初始化质心，使聚类中心位置的选取不再具有盲目性，提升模型压缩比，大大减少模型存储体积。
-
公开(公告)号：CN114493865A
公开(公告)日：2022-05-13
申请号：CN202210012615.0
申请日：2022-01-06
Applicant: 北京邮电大学
Abstract: 本申请提供了一种基于区块链的去中心化互联网协同系统和数据交互方法，其中，该系统包括：设备层，由物理实体组成，其中，物理实体通过传感器收集源数据，并上传至数字实体；网络层，由边缘网关和基站组成，接收来自物理实体的源数据；存储层，通过云服务存储物理实体的源数据，并将生产源数据的元数据上传至边缘区块链网络进行唯一映射索引；预言机网络层，由数据预言机、跨域预言机和用于计算资源共享的计算预言机组成；控制层，由数字孪生平台组成，用于基于设备层、网络层、存储层和预言机网络层流转的数据为各生产节点提供增删改查的接口。通过上述方案解决了现有的数字实体和物理实体之间无法进行高效数据交互的问题。
-
公开(公告)号：CN114492739A
公开(公告)日：2022-05-13
申请号：CN202210007360.9
申请日：2022-01-04
Applicant: 北京邮电大学
Abstract: 本申请提供基于车联网的联邦学习方法、路边单元、车辆节点和基站，方法包括：在主从多链的车联网系统中接收自身当前所属的从链中的各个车辆节点发送的第一交易数据，根据各个第一交易数据分别获取预存储在对应的各个车辆节点本地的模型训练数据；对各个模型训练数据进行全局聚合及共识处理以生成第二交易数据；自主从多链的车联网系统中将第二交易数据发送至自身所属的主链中的基站，以使该基站根据接收到的各个第二交易数据聚合得到对应的联邦学习全局模型。本申请能够在增强车辆数据的安全共享和隐私保护的同时，有效避免单点故障并降低通信消耗及成本，并能够提高采用车联网进行联邦学习过程中的通信效率，实现高效的分布式模型共享。
-
公开(公告)号：CN114024686A
公开(公告)日：2022-02-08
申请号：CN202111294330.2
申请日：2021-11-03
Applicant: 北京邮电大学
IPC: H04L9/32
Abstract: 本发明公开了一种基于区块链的智慧社区物联网信息共享模型，首先，考虑到区块链的性能，采用基于属性访问控制的混合加密策略对异构数据进行分类，将轻量级文本数据存储到区块链全节点上，是一种基于区块链的轻量级数据存储方法。其次，本发明提出了一种基于MEC的分布式数据访问方法。通过在边缘轻量节点运行访问控制服务，降低了路由开销和请求延迟。在此场景中，设计了令牌机制，有效地减少了系统的密钥管理工作。此外，在CP‑ABE访问控制算法中，本发明改进了CP‑ABE算法，使用更少的配对操作和更安全的操作组，将属性数量和解密时间解耦，保证解密时间是恒定的，并将解密计算性能优化至常数级别，对于多终端共享更友好。
-
Patent Agency Ranking
公开(公告)号：CN113987460A
公开(公告)日：2022-01-28
申请号：CN202111295611.X
申请日：2021-11-03
Applicant: 北京邮电大学 , 浪潮云信息技术股份公司
Abstract: 本发明公开了一种基于联盟链的群智感知场景下分布式假名和匿名认证方法，基于区块链超级账本Fabric的分布式假名架构，实现了分布式假名机制，基于区块链的分布式避免了假名过于依赖第三方平台，解决传统认证机构和假名机构的中心化问题。同时，基于智能合约实现了假名生成逻辑，借助生成的假名实现用户匿名参与任务和密钥协商，分离用户身份和感知数据，实现数据加密传输，用户身份匿名认证，解决了数据泄露问题。
-
公开(公告)号：CN113935016A
公开(公告)日：2022-01-14
申请号：CN202111295613.9
申请日：2021-11-03
Applicant: 北京邮电大学 , 浪潮云信息技术股份公司
Abstract: 本发明公开了一种命名数据网中基于区块链的可信访问与跨域认证方法，通过基于ECDSA签名算法对设备进行认证，并将认证参数记录上链保管，通过ePBFT算法对认证结果进行共识，实现物联网设备在命名数据网络的跨域认证与高效访问。本发明实现了物联网设备和资源的灵活接入以及物联网设备可信认证，将认证的公共参数放在区块链上共识，实现可追溯、跨信任域、可验证，减少存储和计算资源消耗。此外，本发明引入信誉值以降低恶意节点的概率，同时简化了协商一致提交阶段，减少了广播阶段的流量，提高认证阶段共识效率，对物联网终端更友好。
-
公开(公告)号：CN113657428A
公开(公告)日：2021-11-16
申请号：CN202110734331.8
申请日：2021-06-30
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司 , 国网河南省电力公司信息通信公司
IPC: G06K9/62
Abstract: 本发明提供一种网络流量数据的抽取方法及装置，方法包括：根据原始网络流量数据集中样本的样本密度信息，确定样本所属类别的类密度信息；根据所述类密度信息，确定样本信息量和类信息量；根据所述样本信息量和所述类信息量，确定抽取的代表样本集。所述装置用于执行上述方法。本发明通过根据原始网络流量数据集中的样本的信息携带量来计算类的信息携带量，依照样本信息量和类信息量来抽取用于合成的代表样本，解决了只依靠多数类和少数类的数量比难以表明两者之间信息不平衡的问题。
-
公开(公告)号：CN113343311A
公开(公告)日：2021-09-03
申请号：CN202110626994.8
申请日：2021-06-04
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于信誉模型和数字签名机制的区块链共识方法和系统所述方法包括：基于本轮共识前区块链中各节点当前的信誉值确定本轮共识过程中的代表节点；代表节点接收来自网络的交易并验证交易，将合法交易汇成交易候选集，将所述交易候选集作为提案发送给区块链上的其他验证节点，以在其他验证节点在代表节点各自对应的共识组内达成组内共识后，由所述代表节点基于EC‑Schnorr多重数字签名算法生成候选区块；利用可验证随机函数算法从候选区块中随机选取出正式区块，并更新节点信誉值。本发明降低了区块链系统共识时间和通信复杂度、提升了系统安全性，从而可以提升区块链系统的效率。
-
公开(公告)号：CN113297152A
公开(公告)日：2021-08-24
申请号：CN202110512978.6
申请日：2021-05-11
Applicant: 国网河南省电力公司信息通信公司 , 北京邮电大学 , 国家电网有限公司
IPC: G06F16/172 , G06F16/23 , G06F16/2455 , G06Q50/06 , G16Y10/35
Abstract: 本申请实施例提供一种电力物联网边缘服务器缓存更新的方法及装置。其方法包括：获取数据文件的缓存价值，所述数据文件包括：待缓存数据文件以及所述边缘服务器上的已缓存数据文件；用所述待缓存数据文件更新所述边缘服务器的缓存空间，使其满足更新后的所述边缘服务器上的所述已缓存数据文件的缓存价值的平均值达到最大化。通过本申请实施例提供的电力物联网边缘服务器缓存更新的方法及装置，提出数据文件缓存价值的评价方式，对边缘服务器的缓存更新策略进行了优化，使得边缘服务器尽可能多地缓存数据文件，同时最大化数据文件的缓存价值，高效的利用有限的缓存空间。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.075 seconds)
