公开(公告)号：CN118432923A

公开(公告)日：2024-08-02

申请号：CN202410668839.6

申请日：2024-05-28

Applicant: 东北大学

Inventor： 于尧 ,  任迦楠 ,  才晓龙 ,  黄凯凯

IPC: H04L9/40 ,  H04L41/16 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明属于通信与神经网络技术领域，公开了一种基于可解释神经网络的安全风险评估方法，包括以下步骤：对本发明设计的可解释神经网络模型进行训练，得到训练好的可解释神经网络模型；基于训练好的可解释神经网络模型，实现车联网环境下的潜在攻击风险评估。本发明的安全风险评估方法，不同于传统的安全风险评估方法中依赖专家的先验知识和模糊的等级划分，而是直接使用训练好的模型对于当前的流量数据进行检测得到风险评估值，不需要先验知识以及相应的等级匹配，从而避免了传统风险评估中存在的主观性强，耗时的问题。

公开(公告)号：CN116528250A

公开(公告)日：2023-08-01

申请号：CN202310399486.X

申请日：2023-04-14

Applicant: 东北大学

Inventor： 于尧 ,  王琳 ,  黄凯凯 ,  杨博文

IPC: H04W16/18 ,  H04W16/22 ,  H04W16/10 ,  H04B7/185

Abstract: 本发明提供了一种基于NOMA的无人机辅助MEC资源优化方法，涉及通信领域与强化学习技术领域，包括如下步骤：S1：基于泊松点过程得到用户计算任务的分布情况；S2：根据所述用户计算任务的分布情况，进行无人机预部署；S3：构建基于NOMA的无人机辅助MEC系统模型；S4：基于所述无人机辅助MEC系统模型得到优化问题，所述优化问题为最小化系统能耗和任务完成时延的加权和；S5：对所述优化问题使用深度强化学习算法进行求解，得到最优资源分配方案。本发明可在通信领域与强化学习领域广泛推广，可以应用于大规模用户海量数据场景下的问题解决，对未来基于NOMA的无人机辅助MEC网络的研究有一定的参考价值。

公开(公告)号：CN117676602A

公开(公告)日：2024-03-08

申请号：CN202311695755.3

申请日：2023-12-12

Applicant: 东北大学

Inventor： 于尧 ,  何亚秋 ,  金禹汀 ,  黄凯凯

IPC: H04W16/18 ,  H04B7/185

Abstract: 本发明提供了一种RIS辅助通信系统中无人机部署策略研究，涉及通信领域、无人机领域及RIS相位技术领域，包括如下步骤：S1：对研究内容进行场景预部署；S2：构建RIS辅助通信系统中无人机部署策略研究系统模型；S3：基于所述空中RIS辅助无人机通信系统模型得到优化问题，所述优化问题为最小化通信系统中断概率；S4：将所述优化问题分为RIS的相位优化和无人机的高度优化两个子问题进行求解，得到最优决策方案。本发明可在通信领域、无人机领域与RIS领域广泛推广，可以进一步向对通信稳定性要求高的方面推广使用，如：救援行动、交通监测等。因此，对RIS辅助通信系统中无人机部署策略的研究具有重大意义。