-
公开(公告)号：CN105792287B
公开(公告)日：2019-04-09
申请号：CN201610114754.9
申请日：2016-03-01
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的无线体域网的保护时隙自适应分配方法，包括：a).设定0,1,…,K表示的K+1个优先级数；b).设定非常高VH、高H、中等M、低L和非常低VL五个流量状态；c).设定保护时隙启动阈值Tth；d).分配优先级数和设置流量状态；e).如有GTS请求或数据发送，则提升流量状态和降低优先级数；否则，降低流量状态和升高优先级数；f).如果有小于启动阈值的优先级数存在，则给具有最小优先级数的节点分配GTS资源。本发明的自适应分配方法，提高了GTS资源的使用效率，提高了网络吞吐量；很好地预测各个节点GTS资源的使用情况，避免了低优先级的节点长时间不能使用GTS资源的缺点，保证了无线体域网紧急数据传输的实时性、可靠性和公平性。
-
公开(公告)号：CN105827442B
公开(公告)日：2019-04-05
申请号：CN201610143211.X
申请日：2016-03-14
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明实施例公开了一种无线体域网能效频效分析方法，包括：建立无线体域网共存泊松分布点模型；计算竞争域的中断概率；根据中断概率计算能量效率和频谱效率；计算能量效率和频谱效率的相互关系。本发明通过分析能量效率和频谱效率的关系，能够在无线系统设计中更好地平衡这两种性能指标，为系统中能量效率和频谱效率的联合设计带来启示意义。
-
公开(公告)号：CN105263107B
公开(公告)日：2018-07-24
申请号：CN201510554894.3
申请日：2015-09-02
Applicant: 山东省计算中心(国家超级计算济南中心)
CPC classification number: Y02D70/00
Abstract: 本发明的面向无身份标识无线传感器网络的高效无锚点定位方法，包括：a).Sink节点的邻居节点的激活和定位，或与Sink节点间的角度和距离，实现自身激活；b).判断接收到激活包节点的状态；c).外层节点的激活和定位，利用两个节点与Sink节点的距离和角度，以及该未被激活节点与两个节点之间的距离和角度，计算出与Sink节点的距离和角度，实现节点的激活；d).孤立节点和新加入节点的激活和定位。本发明的定位方法，与现有的无锚点定位算法相比，节点无需ID，增加了整个无线传感器网络的灵活性，节点定位计算量小，能量消耗少，延长了整个无线传感器网络的寿命，有益效果显著，便于推广应用。
-
公开(公告)号：CN107122629A
公开(公告)日：2017-09-01
申请号：CN201710255286.1
申请日：2017-04-19
Applicant: 山东省计算中心(国家超级计算济南中心)
CPC classification number: G06F21/121 , G06F21/602
Abstract: 一种基于随机混淆的Android软件协同加固方法，包括如下步骤：a)解压获得classes.dex文件和bin文件；b)对classes.dex文件头header进行随机混淆；c)对源文件中的bin文件进行重命名；d)计算混淆后的classes.dex文件的hash值hash_dex；e)计算加载器loder的hash值hash_loder；f)对重命名后的bin文件进行加密并生成密文ciphertext；g）重新签名，打包生成加固后的APK。通过对dex头文件随机混淆加固以及对bin文件的安全动态加载加固。通过随机混淆的协同加固方法对Android软件进行保护，增强了代码的安全性。有效防止Android软件被恶意篡改或盗版的现象发生。
-
公开(公告)号：CN119646885B
公开(公告)日：2025-05-06
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
Patent Agency Ranking
公开(公告)号：CN119719387A
公开(公告)日：2025-03-28
申请号：CN202411893504.0
申请日：2024-12-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 潍柴动力股份有限公司
IPC: G06F16/36 , G06F16/951 , G06F40/289 , G06F40/284 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F21/56
Abstract: 本发明属于信息检索安全的技术领域，更具体地，涉及一种面向威胁情报处理的知识图谱构建方法、系统及计算机可读存储介质。所述方法包括收集结构化数据、半结构化数据和非结构化数据并分别处理；对所述待分析的威胁情报文本数据进行实体关系抽取，得到目标实体关系识别结果；最后进行知识图谱的构建。本发明解决了威胁情报的来源通常具有多源异构的特性，这种多样性导致了数据整合和分析的复杂性，对构建高质量知识图谱构成影响等问题。
-
公开(公告)号：CN119646885A
公开(公告)日：2025-03-18
申请号：CN202510173637.9
申请日：2025-02-18
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/62 , G06N3/098 , G06N3/0985
Abstract: 本发明属于联邦学习的技术领域，更具体地，涉及一种基于模型分层优化的保隐私个性化联邦学习方法。所述方法包括每个客户端获取服务器端的全局模型，使用自端的训练数据集更新本地模型，然后对本地模型进行分层优化，确定每一个客户端待上传的部分模型参数；对每个客户端待上传的部分模型参数进行裁剪，并引入差分隐私噪声，然后发送至服务器端；服务器端按照每个客户端数据量的大小为各个客户端分配权重，然后将各个客户端上传的模型参数进行聚合得到新的全局模型并发送至各个客户端；重复S1~S3至达到设置的训练轮次或收敛。本发明解决了在保障用户隐私的同时提高联邦学习中异构性带来的模型性能影响和通信效率的问题。
-
公开(公告)号：CN118886003A
公开(公告)日：2024-11-01
申请号：CN202411355197.0
申请日：2024-09-27
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F21/55 , G06N3/0442 , G06N3/092 , G06Q50/06 , G06N7/01
Abstract: 本发明属于电子数字数据处理的技术领域，更具体地，涉及面向智能电网隐蔽性攻击的时序预测强化学习检测方法。所述方法包括以下步骤：首先，对智能电网进行建模，获得仪器测量数据，并对数据进行预处理；其次，将预处理后的数据作为长短期记忆网络的输入，对智能电网进行状态估计；然后，将智能电网中的攻击检测问题建模为部分可观测马尔可夫决策问题；最后，利用强化学习方法解决部分可观测马尔可夫决策问题，实现智能电网隐蔽性攻击检测。本发明可以以较低的延迟和误检率来检测智能电网中的隐蔽攻击。
-
公开(公告)号：CN118643055B
公开(公告)日：2024-10-15
申请号：CN202411102971.7
申请日：2024-08-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/242 , G06F21/62
Abstract: 本发明属于数据安全技术领域，具体涉及一种多属性成本约束下的隐私保护动态空间关键字查询方法、装置、电子设备及存储介质。该方法包括：数据拥有者利用密钥加密空间对象以及构建安全树索引并上传至云服务器；用户向服务代理发送包含更新信息的请求，服务代理利用密钥加密更新信息生成更新陷门和更新空间对象的加密结果，用以更新安全树索引和加密空间对象；用户向服务代理发送包含搜索信息的请求，服务代理基于密钥和搜索信息生成搜索陷门，用以在安全树索引中搜索目标空间对象并计算其综合属性成本指数，以得到有序的#imgabs0#密文集合，对该#imgabs1#密文集合解密得到结果集，最后根据结果集找到相应密文信息并返回给用户进行解密。
-
公开(公告)号：CN118468041A
公开(公告)日：2024-08-09
申请号：CN202410924362.3
申请日：2024-07-11
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/214 , G06F18/2135 , G06N3/094 , G06N3/098
Abstract: 本发明属于联邦学习数据安全的技术领域，更具体地，涉及基于生成对抗网络的联邦学习拜占庭节点检测方法、装置及计算机可读存储介质。包括客户端与服务器完成数据集的分配以及对客户端和服务器的模型进行初始化；客户端根据全局模型参数更新本地模型参数并进行训练，训练完成后，将更新后的本地模型参数发送至服务器；服务器进行拜占庭节点检测并排除掉拜占庭节点对应的本地模型参数后，对剩余的客户端本地模型参数进行聚合，得到新的全局模型参数，并下发至客户端；重复上述步骤至训练轮次阈值，得到优化的全局联邦学习模型参数。本发明解决了拜占庭攻击者可以通过对本地参数进行修改并发送给聚合服务器，以使得全局模型性能失稳的问题。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.07 seconds)
