公开(公告)号：CN118538061A

公开(公告)日：2024-08-23

申请号：CN202410612699.0

申请日：2024-05-17

Applicant: 中国人民解放军空军工程大学

Inventor： 阳勇 ,  王布宏 ,  罗鹏 ,  刘超 ,  徐继明

IPC: G08G5/00 ,  H04L9/40

Abstract: 本发明公开一种面向攻击影响分析的空中交通系统建模方法，该方法包括：步骤1、构建基础空中交通网络模型，包括扇区网络、航路网络、机场网络模型以及三个网络之间的连接关系；步骤2、输入航班计划表，对每个机场构建航班起飞排队模型；包括航班起飞队列、航班起飞条件判定、航班延误队列；步骤3、构建航班空中飞行过程模型计算每架成功起飞的航班的飞行路径和空中飞行时间；步骤4、对每个机场构建航班降落排队模型。本发明对多种攻击样式(例如扇区Dos攻击、机场着陆导航系统欺骗攻击、航迹篡改攻击等)对空中交通系统的影响进行分析，模型具备广泛的应用范围；能够输出航班延误率、取消率、提前率等结果，直观体现攻击对空中交通系统的细粒度影响。

公开(公告)号：CN119962618A

公开(公告)日：2025-05-09

申请号：CN202510041529.6

申请日：2025-01-10

Applicant: 中国人民解放军空军工程大学

Inventor： 牟杨城 ,  陈爱网 ,  陈桂茸 ,  徐继明 ,  严晓梅 ,  段炼

IPC: G06N3/094 ,  G06N3/098 ,  G06N3/0464 ,  G06N3/084 ,  G06F18/23213 ,  G06F18/2433 ,  G06V30/19 ,  G06V10/82

Abstract: 一种针对高密度标签翻转攻击的联邦学习防御方法，包括以下步骤：部署构建中心化联邦学习架构，服务器初始化全局模型并选择参与训练的本地用户，然后将全局模型广播给参与训练的本地用户；各客户端依据接收到的全局模型，利用本地数据进行模型训练，计算并提取最后一层神经元离群梯度，上传至中央服务器；中央服务器对离群梯度进行聚类分析，利用余弦相似度比较簇密度大小找到疑似恶意节点，依据权重函数赋予其较小聚合权重，完成一次联邦聚合，更新全局模型参数并下发，进行迭代训练。本发明能够有效防御高密度标签翻转攻击对联邦学习的影响，找到可疑的脏数据，提高模型的准确率和鲁棒性，为实现跨域数据安全互联提供技术支撑。