-
公开(公告)号:CN104796958A
公开(公告)日:2015-07-22
申请号:CN201510108392.8
申请日:2015-03-12
Applicant: 中南大学
CPC classification number: Y02D70/34 , H04W40/10 , H04W40/12 , H04W52/0206 , H04W52/0209 , H04W52/0216 , H04W84/18
Abstract: 本发明公开了一种基于Quorum系统的无线传感器网络的介质访问控制方法,在该方法中,时间被划分为时隙,n个时隙(slot)构成一个周期。本发明设计了F-clique以及G-clique,F-clique或者G-clique分别依据其设计公式选取一定的时隙,传感器节点在选定的这些时隙工作,称为Quorum Time Slot(QTS),而在其它未选定的时隙睡眠以节省能量消耗。传感器网络的每一个节点依据其所在环的环号而选择F-clique或者G-clique,处于奇数环的节点选择F-clique,而在偶数环的节点选择G-clique,这样形成基于FG Quorum系统的MAC协议。经过理论分析证明,本发明基于FG Quorum系统的介质访问控制方法具有较小的网络延迟,能提高网络的吞吐量。
-
公开(公告)号:CN103974368A
公开(公告)日:2014-08-06
申请号:CN201410227473.5
申请日:2014-05-27
Applicant: 中南大学
CPC classification number: Y02D70/30
Abstract: 本发明公开了一种强源位置隐私保护能力的路由构造方法,首先,依据现有的幻影路由策略创建幻影节点P;接着,按照设定的跳数Φ,以幻影节点P创建由PA和PT形成的第一个分支路由;然后,以中间节点A创建主树干路由路径;最后,以主树干路由路径上的节点创建干扰分支路径。该方法在网络能量消耗大的区域仅创建主树干路径,不增加能量空洞区域的能量消耗,从而不降低网络寿命,充分利用远离Sink区域节点的多余能量,在能量充足的区域创建尽可能多的干扰分支路径。基于冗余干扰路由路径的新颖树路由策略能够达到非常高的源节点位置隐私保护能力,同时使网络达到能量均衡,并使网络寿命达到最大化。
-
公开(公告)号:CN119645108A
公开(公告)日:2025-03-18
申请号:CN202510175681.3
申请日:2025-02-18
Applicant: 中南大学
Abstract: 本申请涉及数据处理技术领域,尤其是一种基于数据重要性的无人机边缘网络高效数据收集方法和装置。包括:确定待采集区域中无人机待飞行的目标区域;根据目标区域生成针对无人机的目标飞行路径;在任意两个相邻的目标区域之间存在预设的普通区域的情况下,根据普通区域更新目标飞行路径;控制无人机按照更新后的目标飞行路径飞行,并采集更新后的目标飞行路径中所有区域内的数据;根据数据进行数据补全,以得到待采集区域的整体数据,减少无人机的飞行轨迹的长度,降低飞行成本,提高数据完整性。
-
公开(公告)号:CN118400091A
公开(公告)日:2024-07-26
申请号:CN202410495441.7
申请日:2024-04-24
Applicant: 中南大学
IPC: H04L9/00 , H04L9/32 , H04L9/40 , H04W12/033 , H04W12/06 , G06F16/27 , G06F16/215
Abstract: 本发明公开了移动群智感知中一种基于区块链的隐私保护声誉管理方案。针对过去移动群智感知系统所带来的隐私保护问题以及集中式服务器的单点故障等问题,本发明提出采用隐私链这一去中心化的区块链结构来进行隐私保护的声誉值管理,从而在一定程度上解决传统的集中式服务器所带来的问题。本发明中主要包含以下三个关键方法:(1)采用了一种基于信任的工人辨识方法,数据请求者通过将未知工人提交的数据与可信工人的数据进行对比,来对未知工人的声誉值做出评价,从而有效识别出可信与恶意工人。(2)采用Paillier半同态加密,通过加密的方法在保护工人任务得分与声誉值明文的同时,能够让计算服务器在密文状态下计算更新声誉值,有效保护了工人的声誉隐私。(3)采用多层可链接的自发匿名群签名MLSAG,使得工人可以在证明自己拥有任务得分通证的同时,对除计算服务器外的其他实体隐藏自己真正用于更新声誉值的任务得分通证,防止可能的链接攻击的同时保护工人的身份隐私。
-
公开(公告)号:CN114599077B
公开(公告)日:2024-06-21
申请号:CN202210229398.0
申请日:2022-03-09
Applicant: 中南大学
IPC: H04W52/02 , H04W72/044
Abstract: 本发明公开了一种基于数据流预测的占空比自适应调整方法。无线传感器网络中的节点可分为热区节点和非热区节点。热区节点承担了网络当中大部分接收和转发工作,因此这一部分的节点剩余能量很少,采用改进的接收方发起的数据接收模式,其占空比采用更小的占空比并按需使用。非热区节点相较于热区节点有较多能量剩余,因此通过预测其剩余能量以及需要处理的数据包个数来适当增加占空比。依据节点所处网络位置的不同而采用不同的介质访问控制协议实现提高网络寿命、降低网络延迟的双重目的。
-
公开(公告)号:CN117997534A
公开(公告)日:2024-05-07
申请号:CN202410271070.4
申请日:2024-03-11
Applicant: 中南大学
Abstract: 本发明公开了一种实现位置隐私保护的可信工人选取方法,旨解决群智感知中隐私保护与高质量数据收集问题。服务请求者和工人采用基于位置的对称密钥生成机制,交互混淆位置的偏移值,任务内容和相关数据在传输前进行加密,使得平台和其他攻击方无法获得工人和任务的真实位置和任务相关信息,从而保护了工人和任务的隐私;基于高质量工人的感知数据对其他未知工人进行信任评价,能够有效地减少工人的招募数量以减少成本,而且信任评价更具可靠性,同时在工人识别前进行工人调度使得识别速度加快。本发明在隐私保护的前提下,制定了安全、经济和高质量的群智感知数据收集方案。
-
公开(公告)号:CN114666880B
公开(公告)日:2024-04-26
申请号:CN202210256517.1
申请日:2022-03-16
Applicant: 中南大学
Abstract: 本发明公开了一种减少延迟敏感无线传感网络中端到端延迟的方法。周期性休眠唤醒机制会引发很大的端到端延迟,这对延迟敏感无线传感网络来说是致命的。本发明提出了一种根据剩余能量系数提高远基站区域节点占空比和传输半径的方法。远基站区域节点综合考虑自身剩余能量和端到端延迟后得到一个剩余能量系数ε。ε会将节点的剩余能量划分为两部分,一部分用于提高占空比,另一部分用于扩大传输半径。实验结果表明此时得到的占空比和传输半径的值是使得端到端延迟最优的值。对于节点剩余能量的充分利用,提高了网络的能量利用率。近基站节点保持初始的占空比和传输半径不变,保证了网络寿命。
-
公开(公告)号:CN115714770B
公开(公告)日:2024-04-12
申请号:CN202211170282.0
申请日:2022-09-23
Applicant: 中南大学
IPC: H04L67/10 , H04L67/1001 , H04L69/30
Abstract: 本发明公开了一种云-边协同的数据服务化网络均衡计算方法,属于计算机网络与通信领域。本发明主要包括3个组成:一是总体的网络均衡计算的体系结构;二是同类数据融合路由的方法与机制以使得同类数据在一条路由路径上路由时其数据融合率高,以减少需要传输的数据量;三是基于反馈控制的负载均衡计算方法;该方法改变了以往数据服务化网络计算方法或集中于边缘计算,或集中于云端计算的不足,本发明的计算方法实现了在网络边缘到云端的各个网络设备上均衡计算方法,从而充分的利用了网络每层设备的计算能力,并使得数据与服务在路由到云端的过程中充分融合与计算从而减少其需要传输的容量,从整体上均衡了网络负载。
-
公开(公告)号:CN115665031B
公开(公告)日:2023-04-07
申请号:CN202211681799.6
申请日:2022-12-27
Applicant: 中南大学
Abstract: 本发明提供一种三维不规则边缘网络感知数据获取方法、系统及装置,包括以下步骤:S1、在三维不规则空间中随机部署若干感知设备以及边缘数据中心,由若干感知设备组成三维不规则的边缘感知网络;S2、计算每个感知设备到边缘数据中心的测地线距离;S3、与邻居感知设备的测地线距离进行对比,得到候选转发设备集合;S4、计算感知设备到候选转发设备集合中每个感知设备的连接权值,S5、选择传输连接权值大的感知设备进行数据传输,然后返回步骤S3,持续至数据传输到边缘数据中心。解决了三维大规模不规则边缘网络中基于欧氏距离进行逐跳感知设备选取带来的传输空洞问题;以及三维大规模不规则边缘网络中感知数据的高能效获取问题。
-
公开(公告)号:CN115510753A
公开(公告)日:2022-12-23
申请号:CN202211217427.8
申请日:2022-10-04
Applicant: 中南大学
Abstract: 本发明公开了一种群智网络中基于矩阵补全与强化学习的数据收集方法,包含如下3个关键方法:(1)工人可信度的检验:当网格中存在可信工人时,优先招募可信工人,并以可信工人提交的数据来检验此网格中可信度未定工人的可信度;(2)当网络中含可信工人的网格数量满足矩阵补全要求时,采用矩阵补全方法推断出其它无可信工人网格中的数据;同时,将可信工人与推断出的数据作为真实数据,并采取与(1)类似的方法来检验可信度未定工人的可信度;(3)当网络中含可信工人的网格数量大于矩阵补全要求时,采用强化学习方法从中选取对于矩阵补全最有益的一部分网格来收集数据,并使用矩阵补全方法推断出剩余网格中的数据,以减少数据收集成本。
-
-
-
-
-
-
-
-
-