基于可靠信标节点的DV-HOP改进的无线传感器网络定位方法

    公开(公告)号:CN110234145A

    公开(公告)日:2019-09-13

    申请号:CN201910510770.3

    申请日:2019-06-13

    Inventor: 李海燕 韩德志

    Abstract: 本发明涉及一种基于可靠信标节点的DV-HOP改进的无线传感网定位方法:无线传感器网路的初始化;设计最大跳数阈值,去除大跳数不可靠信标节点,形成候选信标节点集;利用越近似正三角形的三个信标节点误差越小的原理和余弦定理选取m组每组三个信标节点;其中最接近正三角形的一组为可靠信标节点,计算自身的平均跳距,并估算未知节点与可靠信标节点的距离并修正;列距离方程组,利用最大似然估计法算出未知节点的位置坐标。本发明引入可靠信标节点的概念,减少原有DV-HOP算法利用信标节点定位时,信标节点跳数过大,信标节点共线带来的误差问题,在满足三个信标节点定位条件的情况下,信标节点的个数对于定位误差影响很小,提高了定位的精度。

    一种基于RDMA的RPC通信方法
    52.
    发明公开

    公开(公告)号:CN110177118A

    公开(公告)日:2019-08-27

    申请号:CN201910511302.8

    申请日:2019-06-13

    Inventor: 张吉曜 韩德志

    Abstract: 本发明公开了一种基于RDMA的RPC通信方法,使客户端能通过服务器端的RDMA网卡直接从服务器的内存中读取数据,减少传统数据传输协议的无用开销,使客户端能获得更大的数据吞吐量;采用了AIO的传输模式实现了真正的异步传输,使系统面对高并发的应用时能提供更好的稳定性;采用了RDMA的one-sided特性和简单的请求应答机制,使RDMA访问完全不需要远端机的任何确认,减少了服务器端的内存和CPU开销;客户端从由多个服务器节点组成集群系统读取数据时,采用Dijkstra最短路径算法,降低数据传输时的延迟。该方法主要优点包括:降低服务器端CPU在通信传输过程负担;提高网络传输速度;减少服务器端硬盘对客户端远程数据访问性能的影响。

    小生境灰狼优化DV-Hop算法的无线传感器网络节点定位方法

    公开(公告)号:CN110062327A

    公开(公告)日:2019-07-26

    申请号:CN201910338906.7

    申请日:2019-04-25

    Inventor: 周书丽 韩德志

    Abstract: 本发明公开了一种基于小生境灰狼优化DV-Hop算法的无线传感器网络节点定位方法,包含:信标节点向网络广播一个信标,信标中包含有此信标节点的位置信息和一个跳数信息,此信标在网络中被以泛洪的方式传播出去;各个节点在获取位置信息和跳数之后,估算出节点之间平均每一跳的间距,再估算出信标节点之间的距离;信标节点使用小生境灰狼优化算法细化平均每跳距离,通过比较信标节点间的距离以及小生境半径的大小,对其适应度值做出改变;通过信标节点计算未知节点的自身位置,记录其坐标,并将计算得出的未知传感器信标节点的位置信息转化为已知传感器信标节点的位置信息。其优点是:能提高全局搜索能力,降低定位误差,提高定位精度。

    一种基于混合SMPSO优化的加权DV-HOP定位方法

    公开(公告)号:CN109842935A

    公开(公告)日:2019-06-04

    申请号:CN201910232813.6

    申请日:2019-03-26

    Inventor: 陈重庆 韩德志

    Abstract: 本发明涉及一种基于混合SMPSO优化的加权DV-HOP定位方法,包含:S1计算无线传感网络中所有节点与每个锚节点间的最小跳数;S2计算所有锚节点与未知节点间的平均跳距;S3计算每个未知节点与各个锚节点间的估计距离;S4初始化粒子群,使用SM对随机设定的每个粒子的初始速度和位置进行优化更新;S5计算每个粒子的适应度值;S6更新每个粒子的个体极值位置pbest;S7更新粒子群的全局极值位置gbest;S8如满足迭代终止条件,输出每个粒子的适应度值;如否,更新每个粒子的速度和位置,返回S5。本发明通过对锚节点平均跳距赋予权重作为未知节点的平均跳距,并利用SM优化后的PSO对适应度函数进行迭代,有效减小误差,大幅提高定位精度。

    基于差分隐私噪声添加选择的位置隐私保护系统及方法

    公开(公告)号:CN109617877A

    公开(公告)日:2019-04-12

    申请号:CN201811518617.7

    申请日:2018-12-12

    Abstract: 本发明公开了一种基于差分隐私噪声添加选择的位置隐私保护系统及方法,系统包含移动用户、可信第三方和位置数据分析者三个角色;移动用户授权将位置信息发送给可信第三方;可信第三方收集移动用户发送的地理位置信息构成数据集,使用基于差分隐私的噪声添加选择算法进行处理,并且给位置数据分析者提供相应的查询服务。本发明的基于差分隐私噪声添加选择的位置隐私保护方法包括如下步骤:将地理位置信息数据集转换为二维平面数据,展示在二维坐标系统中;执行区域选择算法与指数选择算法选出重要区域;对选出的重要区域添加Laplace噪声。本发明具有较低的时间复杂度,在保护用户位置隐私的同时,也保证了位置数据的可用性。

    一种基于概率模型的全局结构易感因子快速计算方法

    公开(公告)号:CN109190181A

    公开(公告)日:2019-01-11

    申请号:CN201810896687.X

    申请日:2018-08-08

    Abstract: 本发明提供一种基于概率模型的全局结构易感因子快速计算方法,所述方法至少包括:根据预先定义的局部AVF运算规则,对所述第一待预测部件的AVF快速评估,获得所述第一待预测部件的局部AVF值,其中,所述第一待预测部件为局部部件,且所述局部部件为计算部件或存储部件;根据预先定义的IOM运算规则,对至少两个待预测部件间的错误输入输出屏蔽因子IOM进行评估,获得所述至少两个待预测部件之间的IOM值,其中,所述至少两个待预测部件分为通讯部件、存储部件和运算部件中的一种或者多种;基于预先设定的第一待预测部件和所述至少两个带预测部件之间的数据依赖关系,根据所述第一待预测部件的局部AVF值和所述至少两个待预测部件之间的IOM值,计算全局AVF值。

    一种云环境LDoS攻击数据流检测方法及系统

    公开(公告)号:CN109167789A

    公开(公告)日:2019-01-08

    申请号:CN201811066308.0

    申请日:2018-09-13

    Abstract: 本发明公开一种云环境LDoS攻击数据流检测方法及系统,用网络模拟软件模拟各种攻击,并提取相应的网络流量;对服务器端到达和丢失数据包进行采样和分类统计;提取出样本中给定周期的数据流中数据包数均值、源IP增速、小波特征和拥塞参与度等特征;对得到的特征值进行分析并建立随机森林分类模型,使用正常数据流和异常数据流对建立的随机森林模型进行测试,对于每一次特征分类,计算相应信息熵,根据信息熵的大小不断调整特征值的阈值,使分类效果达到最优;根据随机森林分类模型设计LDoS攻击数据流检测系统并部署在云服务器上,实时检测并处理各种LDoS攻击数据流。本发明具有低能耗、高检测率和低误报率的优点,还有较高的实用价值。

    一种基于优化BP神经网络的SDN网络DDoS攻击检测方法

    公开(公告)号:CN109120630A

    公开(公告)日:2019-01-01

    申请号:CN201811019356.4

    申请日:2018-09-03

    Abstract: 本发明提出一种基于优化BP神经网络的SDN网络DDoS攻击检测方法,较为全面地提取SDN网络环境下流表中与DDoS相关的六个特征值,源IP地址增速GSIP,流生存时间的变化ADF,对流比PPF,端口增速GSP,流表项速率RFE,流匹配成功率RFM;通过设置触发阈值减少SDN网络的负载,用粒子群算法优化BP神经网络,利用粒子群算法全局寻优的特点,选择BP神经网络的均方误差作为粒子群算法的适应度函数,选择适应度值最好的值作为BP神经网络的阈值和权值,避免BP神经网络求解最优解时收敛速度慢,陷入局部最优解,而且提高检测精度。

    一种融合改进智能蜂群算法和BP神经网络的入侵检测方法

    公开(公告)号:CN109120610A

    公开(公告)日:2019-01-01

    申请号:CN201810874273.7

    申请日:2018-08-03

    Abstract: 本发明公开了一种融合改进智能蜂群算法和BP神经网络的入侵检测方法,包括以下步骤:搜集网络数据包并进行预处理,作为入侵检测模型训练数据;设计多层神经网络模型,为隐藏层和输出层神经元设置激活函数;使用改进智能蜂群算法对神经网络模型进行预训练,输出最优蜜源位置向量;按照最优蜜源位置向量设置神经网络模型的初始权值和阈值;设计反向传播算法并用入侵检测数据对神经网络进行训练,得到神经网络入侵检测模型;设计网络入侵检测软件模块,将其部署在网络环境中实时检测网络数据流量,对检测出的异常网络流量产生报警。本发明采用改进智能蜂群算法优化BP神经网络算法,并且提高了神经网络模型的训练速度和入侵检测的精度。

    一种基于智能蜂群算法的DDoS攻击检测方法

    公开(公告)号:CN108092989A

    公开(公告)日:2018-05-29

    申请号:CN201711462728.6

    申请日:2017-12-28

    Abstract: 本发明公开了一种基于智能蜂群算法的DDoS攻击检测方法,包含以下过程:通过融合聚类和智能蜂群算法,有效提高DDoS攻击检测精度。智能蜂群算法和聚类算法的融合,消除了聚类算法过度依赖原始聚类中心的缺陷,改进了数据流聚类效果;统计改进后聚类的异常数据流IP地址并计算IP地址的流量特征熵H(x),若H(x)大于等于初步聚类数据流的判别因子RM(x),则判定该数据流是DDoS攻击数据流,否则判定该数据流是其他异常数据流。本发明具有耗时短,DDoS攻击检测准确率高、误报率低的优点。

Patent Agency Ranking