-
公开(公告)号：CN114338537A
公开(公告)日：2022-04-12
申请号：CN202111639476.6
申请日：2021-12-29
Applicant: 安徽大学
IPC: H04L47/125 , H04L41/147 , H04L43/0876 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于预测的SDN负载均衡双重权重交换机迁移方法及系统，每个控制器上均运行有负载平衡模块，负载平衡模块包括流量收集组件、流量预测组件、负载通知组件、平衡决策组件和交换机迁移组件，流量收集组件实时监控控制器负载信息；流量预测组件预测未来的负载数据；负载通知组件通过负载通知法进行周期性的负载通知，平衡决策组件确定需要进行交换机迁移的控制器；交换机迁移组件防止多个交换机选择同一个目标控制器。本发明能快速平衡控制器的负载并能减少交换机的迁移次数，有效解决SDN环境中控制平面的负载均衡问题。
-
公开(公告)号：CN110633422B
公开(公告)日：2022-04-05
申请号：CN201910869989.2
申请日：2019-09-16
Applicant: 安徽大学
IPC: G06F16/9536 , G06F16/958 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于异构信息网络的微博好友推荐方法，其包括步骤：S1、构造微博用户的异构信息网络数据；S2、对异构信息网络中的元路径进行抽取，将异构信息网络转化为同质信息网络；S3、使用图卷积网络得到用户的向量表示；S4、计算不同用户间的相似性并进行相似性的融合。本发明通过对异构信息网络以及图卷积网络的使用，捕获丰富的用户行为信息，并得到高性能的用户向量表示，从而有效提高推荐的精确性。
-
公开(公告)号：CN109118102B
公开(公告)日：2022-03-22
申请号：CN201810974634.5
申请日：2018-08-24
Applicant: 安徽大学
Abstract: 本发明公开了一种公平的基于区块链的双向组合云资源分配方法，涉及到n个云用户U＝{u1,…,un}，m个云供应商P＝{p1,…,pm}，其中ui表示第i个用户，1≤i≤n；pj表示第j个用户，1≤j≤m；其特征在于，该分配方法包括：初始化阶段、报价阶段、匹配和定价阶段、支付阶段、争端阶段。本发明还公开了一种公平的基于区块链的双向组合云资源分配系统。本发明在出价阶段基于承诺机制保证用户和云供应商公开的投标信息不可伪造，通过资金惩罚的方式实现用户之间的公平性；在出现争端阶段，借助区块链交易的可延迟执行特点，同时借助裁定者实现云用户和云供应商之间交易的公平性；总体实现了云用户和云用户、云供应商和云供应商以及云用户和云供应商之间的公平性。
-
公开(公告)号：CN110503157B
公开(公告)日：2021-11-19
申请号：CN201910797717.6
申请日：2019-08-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于细粒度图像的多任务卷积神经网络的图像隐写分析方法，其步骤包括：1获取数据集，对数据集进行处理；2搭建多任务卷积神经网络模型；3训练多任务卷积神经网络；4利用训练好的网络模型对其他测试集图像进行隐写分析，以此判断图像是否为载密图像。本发明首次将显著性检测技术和隐写分析相结合，把提取的细粒度图像作为输入，采用并行训练的方式已达到共享数据源中的不同信息，同时通过修改卷积核的步长从而没有使用池化操作，从而避免了图像特征的丢失，提高了网络的检测精度。
-
公开(公告)号：CN113642664A
公开(公告)日：2021-11-12
申请号：CN202110975055.4
申请日：2021-08-24
Applicant: 安徽大学
Abstract: 本发明公开了一种基于联邦学习的隐私保护图像分类方法，其步骤包括：1服务器获取公共数据并预处理；2服务器初始化并通过洗牌器下发数据至各客户端；3客户端训练本地神经网络；4洗牌器随机子采样客户端；5子采样客户端预测公共数据，扰动并加密后发送给洗牌器；6洗牌器伪造并随机排列预测后发送匿名预测给服务器；7服务器聚合匿名预测并训练全局神经网络；8服务器将训练好的全局神经网络下发至各客户端；9客户端利用训练好的全局神经网络进行图像分类。本发明利用差分隐私和联邦学习，实现了隐私保护的协作式图像分类。
-
Patent Agency Ranking
公开(公告)号：CN109033453B
公开(公告)日：2021-10-26
申请号：CN201810973951.5
申请日：2018-08-24
Applicant: 安徽大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明公开了一种基于RBM与差分隐私保护的聚类的电影推荐方法，包括：初始化阶段：收集所有用户对项目的评分信息，生成一个用户项目评分矩阵；聚类阶段：在得到的用户项目评分矩阵中，以单个用户为基础，对所有用户进行聚类操作，把所有用户分为k个类；生成推荐模型阶段：得到所有用户的聚类结果，然后在每个聚类中使用RMB算法生成各自的推荐模型；在线用户电影推荐阶段：用户登录系统，在推荐模型中选出评分高的且用户无观看记录的T个项目推送到用户界面。本发明还公开了一种基于RBM与差分隐私保护的聚类的电影推荐系统。本发明使用差分隐私技术中Laplace机制对聚类过程进行保护，再对每个聚类分别生成推荐模型，使得相同聚类用户的推荐结果更精确。
-
公开(公告)号：CN113505396A
公开(公告)日：2021-10-15
申请号：CN202110777009.3
申请日：2021-07-09
Applicant: 安徽大学
Abstract: 本发明公开了一种基于身份的前向安全环签名方法，其步骤包括：1、参数设置：输入安全参数n,系统生成公共参数pp以及主私钥MSK；2、私钥提取：输入公共参数pp，用户身份id∈{0,1}*以及主私钥MSK，输出与身份id相对应的私钥skid；3、密钥更新：输入公共参数pp,某用户在时间段t的私钥skid,t，以及新的时间段t+1，输出用户在时间段t+1的私钥skid,t+1；4、签名：输入时间段t，系统最大环S，待签名消息m，环R,私钥skid,t其对应的身份id∈R,输出对应时间段t的签名σt；5、验证：输入消息签名对(m,σt)，时间段t和环R，如果签名验证通过，输出1，否则，输出0。本发明能在实现签名前向安全性的前提下，提高用户签名的效率，并能抵抗量子计算机的攻击，从而解决传统前向安全环签名中出现的证书管理问题。
-
公开(公告)号：CN113269652A
公开(公告)日：2021-08-17
申请号：CN202110543836.6
申请日：2021-05-19
Applicant: 安徽大学
Abstract: 基于从众心理的超图影响力传播方法及影响力最大化方法，本发明属于用户行为挖掘技术领域，解决图的节点之间只存在二元关系，不能很好的模拟真实世界的特性且会丢失重要信息以及超图上的影响力最大化的问题，本发明使用表达能力更强的超图来建模社会关系网络，在此基础上，提出一种在超图上的影响力传播模型并对现实生活中人们普遍存在的从众心理现象进行建模，使得该传播模型更加符合实际，基于提出的超图上传播模型，解决了图的节点之间只存在二元关系，不能很好的去模拟真实世界的特性，并且会丢失一些重要信息的缺点；采用超度的算法来解决影响力最大化问题，为超图上的影响力最大化问题提供了一种可行的解决方案。
-
公开(公告)号：CN113156992A
公开(公告)日：2021-07-23
申请号：CN202110390787.7
申请日：2021-04-12
Applicant: 安徽大学
IPC: G05D1/10
Abstract: 一种面向边缘环境下无人机的三层架构协同优化系统及方法，系统包括从底层到上层依次设置的边缘节点层、移动边缘服务器层、云服务器层；边缘节点层用于获取执行特定应用的任务的计算时间和能耗；移动边缘服务器层在边缘节点层中的边缘终端位置确定情况下，带宽通过三维空间中的欧式距离、路径损耗和香农定理计算得到；通过带宽的计算确定无人机信号覆盖范围和最佳悬停位置，还根据带宽得到相应的传输数据时间和任务计算时间；云服务器层计算边缘节点层中边缘终端与云服务器层的传输能耗，获得云端计算时间和相应网络环境下的传输时间。本发明针对移动边缘环境下响应时间敏感的计算密集型任务，解决了任务执行时间延迟较大和能耗较高的问题。
-
公开(公告)号：CN111814189A
公开(公告)日：2020-10-23
申请号：CN202010847611.5
申请日：2020-08-21
Applicant: 安徽大学
IPC: G06F21/62 , G06K9/62 , G06F16/9536
Abstract: 本发明公开了一种基于差分隐私的分布式学习隐私保护方法，该方法应用于网络中n个用户节点，每个用户拥有自己独立分布的一组数据样本，并包括以下步骤：S1、初始化阶段；S2、用户节点本地学习阶段；步骤S3、用户节点获取邻居节点信息并更新阶段；步骤S4、加噪声扰动阶段；步骤S5、广播阶段。本发明能解决当前分布式学习中的隐私保护问题，使得用户节点通过邻居节点更新自己的本地参数，并将噪声处理过的参数发给邻居节点，从而在去中心化的网络环境下，能保护用户的个人敏感数据不遭泄露。
-
-
-
-
-
-
-
-
-
Search Results
261
records
(took 0.024 seconds)
