-
公开(公告)号：CN116257851A
公开(公告)日：2023-06-13
申请号：CN202310268455.0
申请日：2023-03-20
Applicant: 重庆邮电大学
IPC: G06F21/56 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于网络安全技术领域，具体涉及一种基于CNN和Vi Transformer的软件恶意代码识别方法，包括：对恶意代码源程序进行反汇编操作；将反汇编后的数据转换为灰度图；将灰度图输入到CNN网络，得到局部特征图；将局部特征图输入到转化模块中进行编码处理；将编码后的数据输入到Transformer模块中，得到得到恶意代码识别结果；本发明结合了CNN和Vi transformer的模型来进行恶意代码的分类，利用CNN网络结构提取数据的局部特征，采用Vi transformer提取全局特征，提高了恶意代码分类的准确率。
-
公开(公告)号：CN114423023A
公开(公告)日：2022-04-29
申请号：CN202111492763.9
申请日：2021-12-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向移动用户的5G网络边缘服务器部署方法，包括下列主要步骤：S1，将一天的移动用户数据划分为多个不同时间段的网络快照；S2，以用户延迟与边缘服务器部署成本为优化目标，通过改进的离散二进制粒子群算法与最近关联算法，获取不同网络快照的边缘服务器部署方案；S3，得到包含所有网络快照边缘服务器位置的集合C；S4，计算不同网络快照的边缘服务器位置数，求得所有网络快照中边缘服务器位置数的最大值K；S5，采用轮流替换的方式，选取满足用户移动需求的边缘服务器部署位置，得到边缘服务器部署方案。本发明在降低用户延迟，有效地考虑了用户的移动性，提高了系统的整体性能；方法简单，更快速地获得边缘服务器部署方案。
-
公开(公告)号：CN114339879A
公开(公告)日：2022-04-12
申请号：CN202111492744.6
申请日：2021-12-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种移动边缘计算中基于强化学习的服务迁移方法，包括下列主要步骤：S1，基于用户任务所处服务器位置、用户当前所处区域位置以及处理任务服务器负载构建奖励函数；S2，基于用户当前所处位置，之前移动方向以及迁移决策构建状态转移矩阵；S3，基于奖励函数和状态转移矩阵，使用价值迭代算法进行迁移决策制定；S4，基于路由之间的时延消耗和网络消耗做规范化处理来赋值链路消耗；S5，基于规范化后的链路消耗，使用强化学习算法进行路径选择并自适应地更新链路选择以适应动态网络的链路变化。本发明引入移动预测使模型更加符合实际场景；使用强化学习求解动态网络环境下自适应的服务迁移路径。
-
Patent Agency Ranking
公开(公告)号：CN113407249B
公开(公告)日：2022-03-22
申请号：CN202011594404.X
申请日：2020-12-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向位置隐私保护的任务卸载方法，包括：S1，以用户的真实位置为圆心生成一个圆环形的虚拟位置空间，以初始随机概率选择一个虚拟位置；S2，使用虚拟位置获取附近部署了边缘服务器的基站位置，构建服务器选择矩阵；S3，根据服务器选择矩阵，择优选择服务器发送任务卸载请求；S4，分配带宽，并计算出处理任务的相关参数；S5，选择在任务容忍时间内能够处理完成且节省能耗和时间最多以及收益最大的任务卸载到边缘节点执行。本发明考虑用户位置隐私问题对任务进行卸载，本发明能有效的保护用户的位置隐私，且尽可能的获得服务质量；使用强化学习算法做出任务卸载决策，在线学习动态调整卸载策略。
-
公开(公告)号：CN108833302B
公开(公告)日：2021-12-24
申请号：CN201810682188.0
申请日：2018-06-27
Applicant: 重庆邮电大学
IPC: H04L12/911 , H04L12/24
Abstract: 本发明公开了一种云环境下基于模糊聚类及严格双边匹配的资源分配方法，包括以下步骤：步骤S1:分别获取任务数据集Ct和资源数据集Cr；步骤S2:将任务数据集Ct和资源数据集Cr分别进行标准化处理得到待划分的任务数据矩阵T和资源数据矩阵R；步骤S3:利用FCM方法对任务数据矩阵T和资源数据矩阵R进行聚类划分获得c个任务类和c个资源类，计算c个任务类和c个资源类的聚类中心的值；步骤S4:将c个任务类的聚类中心的值和c个资源类的聚类中心值进行01编码，计算海明距离，得到矩阵HD；步骤S5:对矩阵HD中的任务类与资源类进行相异度匹配，得到配对成功的任务类与资源类；步骤S6:将配对成功的任务类与资源类运用严格双边匹配方法进行最终匹配。
-
公开(公告)号：CN111328023B
公开(公告)日：2021-02-09
申请号：CN202010058804.2
申请日：2020-01-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于预测机制的多任务竞争卸载方法，包括下列主要步骤：S1，得到用户停留区域，原轨迹点序列转换为停留区域序列；S2，利用动态参数部分匹配预测算法训练预测模型，根据用户的停留区域序列，预测用户下一个最有可能要到达的停留区域；S3，基于预测结果，计算用户下一个最有可能要到达的停留区域与基站之间的距离，并计算数据传输速率；S4，建立能耗最小化模型；S5，采用变异萤火虫算法进行优化问题求解，得到最终卸载决策。(1)本发明考虑了用户设备移动性对数据传输速率的影响，使得卸载策略的制定更加贴近实际情况，避免了预期外能耗；(2)相比遗传算法等传统的智能算法，本文采用的变异萤火虫算法全局收敛能力更强，性能更优。
-
公开(公告)号：CN111328023A
公开(公告)日：2020-06-23
申请号：CN202010058804.2
申请日：2020-01-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于预测机制的多任务竞争卸载方法，包括下列主要步骤：S1，得到用户停留区域，原轨迹点序列转换为停留区域序列；S2，利用动态参数部分匹配预测算法训练预测模型，根据用户的停留区域序列，预测用户下一个最有可能要到达的停留区域；S3，基于预测结果，计算用户下一个最有可能要到达的停留区域与基站之间的距离，并计算数据传输速率；S4，建立能耗最小化模型；S5，采用变异萤火虫算法进行优化问题求解，得到最终卸载决策。(1)本发明考虑了用户设备移动性对数据传输速率的影响，使得卸载策略的制定更加贴近实际情况，避免了预期外能耗；(2)相比遗传算法等传统的智能算法，本文采用的变异萤火虫算法全局收敛能力更强，性能更优。
-
公开(公告)号：CN104200390A
公开(公告)日：2014-12-10
申请号：CN201410279169.5
申请日：2014-06-20
Applicant: 重庆邮电大学 , 国家电网公司 , 国网重庆市电力公司市区供电分公司
IPC: G06Q50/06
Abstract: 本发明提供的一种基于细胞自动机的电力网络可靠性分析方法，包括如下步骤：a.将电网中的电气设备按性质分类并分为有抗阻元件和无抗阻元件，根据各元件分类情况建立厂站拓扑模型以及电网拓扑模型；b.获取电网中各元件的故障状态信息；c.设定厂站细胞自动机规则，并根据电网中各元件的故障状态信息进行厂站拓扑分析，划分厂站逻辑节点；d.设定电网细胞自动机规则，并根据厂站拓扑模型以及电网系统外部与厂站的连接关系进行电网拓扑分析，获取电网子系统；e.对电网各子系统进行潮流分析，采用统计模拟方法确定电电力系统可靠性；本发明的基于细胞自动机的电力网络分析方法，将电网中的所有元件进行一体考虑，能够识别孤立的子系统，提高分析效率。
-
-
-
-
-
-
-
Search Results
58
records
(took 0.019 seconds)
