-
公开(公告)号：CN117196060A
公开(公告)日：2023-12-08
申请号：CN202310932203.3
申请日：2023-07-27
IPC: G06N20/00 , G06F18/213 , G06F18/214 , G06F21/62
Abstract: 本发明提供一种面向隐私保护的纵向联邦学习非对齐样本预测方法及系统，属于网络安全技术领域，获取待预测的非对齐样本；利用预先训练好的特征编码器对非对齐样本预测联合特征表示；利用预先训练好的顶部模型对联合特征表示进行处理，得到预测结果；其中，所述预先训练好的顶部模型。本发明不会影响原始VFL系统的表现，并具有隐私保护能力；可与任何利用非对齐数据训练VFL模型的方法相结合，提高原始VFL的表现；为VFL系统提供了针对非对齐样本的预测功能，极大的扩展了纵向联邦学习系统的应用范围。
-
公开(公告)号：CN116484192A
公开(公告)日：2023-07-25
申请号：CN202310479709.3
申请日：2023-04-28
IPC: G06F18/20 , G06F18/213 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种无监督异配异质图的异常节点检测方法。该方法包括：构建不同元路径下图的邻接矩阵和节点的属性向量表示；利用局部结构编码器引入节点的k阶邻居进行排序，学习节点与其k阶邻居之间的相关性，输出捕获了不同邻居特征和元路径语义关系的隐藏节点表示和重构的节点属性向量；利用节点特征编码器学习不同元路径下的节点的高阶结构特征向量，输出不同元路径下隐藏节点结构特征向量和重构的节点结构特征向量；计算出节点的属性误差、结构误差和节点异常分数。本发明可以在不依赖数据标注的情况下进行异常节点检测，不需要重新训练所有节点就可对新加入的节点进行检测，可以提高异配异质属性图和同配异质属性图中异常节点检测的准确性。
-
公开(公告)号：CN118657381A
公开(公告)日：2024-09-17
申请号：CN202411028823.5
申请日：2024-07-30
Applicant: 甘肃省交通规划勘察设计院股份有限公司 , 西安交通大学
IPC: G06Q10/0635 , G06Q10/04 , G06Q10/0637 , G06Q50/26 , G06F18/23 , G08G1/01 , G06F123/02
Abstract: 本发明涉及交通安全技术领域，具体为基于时空融合数据的连续纵坡路段重点车辆安全预警系统，系统包括：数据采集与时空分析模块基于车载传感器数据的速度和位置参数，气象站提供的温度和湿度参数，同步收集实时交通流量数据。本发明中，通过集成车辆传感器数据和环境监测数据生成的时空融合数据流，实现了对数据处理与风险评估的全面优化，采用时间序列分析和环境变量整合，显著提高了系统对实时交通及环境条件的识别与响应能力，通过实时与历史安全事件的关联度分析，自动调整风险级别，极大提升了预警的精准度和及时性，通过持续的性能分析与风险评估模型优化，系统学习能力得到加强，使风险评估模型逐渐趋向精确，有效提高了道路安全性。
-
公开(公告)号：CN117834492A
公开(公告)日：2024-04-05
申请号：CN202311811980.9
申请日：2023-12-26
Applicant: 西安交通大学
IPC: H04L43/0888 , H04L43/0829
Abstract: 本发明提供了一种服务器开放服务能力测量方法及装置，其中方法包括：步骤S1：通过测量方的探测器向被测服务器发送DNS探测包和NTP探测包，并接收被测服务器的响应包；步骤S2：根据被测服务器的响应包确定DNS探测包和NTP探测包每个包的发送时间和接收时间，计算待测服务器的服务带宽；步骤S3：探测器持续发送DNS探测包和NTP探测包，直至RTT不在上升时，根据服务带宽计算cache值；步骤S4：根据服务带宽和cache值采用最小二乘法求解服务器的服务能力。以解如何现有测试方法存在网络拥塞和服务质量下降或可行性和安全性问题。
-
公开(公告)号：CN113194007B
公开(公告)日：2023-03-28
申请号：CN202110438552.0
申请日：2021-04-22
Applicant: 西安交通大学
IPC: H04L43/0876 , H04L43/0882 , H04L43/0894 , H04L45/00
Abstract: 本发明公开了一种网络可用带宽测量方法、系统、设备及可读存储介质，通过在源主机和目的主机之间构建包括基本队列和附加队列的探测包队列结构，采用双队列协同测量方法，在源主机上抓取并记录由附加队列诱发的ICMP超时响应包信息，根据源主机抓取的响应包信息，计算并记录每一跳相邻探测包对到达路由的时间差以及相邻路由由于排队导致的探测包对到达时间差变化，同时结合由源主机向目的主机传递此前计算的附加队列响应包时间数据，得到的每一跳路由造成的相邻探测包时间差变化，对可用带宽的估计值进行调整即可得到网络可用带宽，本发明通过评估探测队列在网络各路由排队对带宽估计模型的影响，进而更精确的估计网络路径的可用带宽。
-
Patent Agency Ranking
公开(公告)号：CN113194007A
公开(公告)日：2021-07-30
申请号：CN202110438552.0
申请日：2021-04-22
Applicant: 西安交通大学
IPC: H04L12/26 , H04L12/733
Abstract: 本发明公开了一种网络可用带宽测量方法、系统、设备及可读存储介质，通过在源主机和目的主机之间构建包括基本队列和附加队列的探测包队列结构，采用双队列协同测量方法，在源主机上抓取并记录由附加队列诱发的ICMP超时响应包信息，根据源主机抓取的响应包信息，计算并记录每一跳相邻探测包对到达路由的时间差以及相邻路由由于排队导致的探测包对到达时间差变化，同时结合由源主机向目的主机传递此前计算的附加队列响应包时间数据，得到的每一跳路由造成的相邻探测包时间差变化，对可用带宽的估计值进行调整即可得到网络可用带宽，本发明通过评估探测队列在网络各路由排队对带宽估计模型的影响，进而更精确的估计网络路径的可用带宽。
-
公开(公告)号：CN112817752A
公开(公告)日：2021-05-18
申请号：CN202110084354.9
申请日：2021-01-21
Applicant: 西安交通大学 , 国网信息通信产业集团有限公司 , 福建亿榕信息技术有限公司
Abstract: 本发明公开了一种分布式数据库动态负载均衡方法，通过将分布式数据库划分成多个不同类型的子任务模块，根据子任务模块的类型将用户请求拆分为多个请求子任务，将用户请求的哈希值分别与不同请求子任务进行取模预算得到相应的哈希环数，根据哈希环数查找可以连接服务的数据库服务器；将所有请求子任务所连接的数据库服务器组成该用户请求的数据库服务器集群，将拆分后的多个请求子任务分别传输至与其各自对应连接的数据库服务器进行计算处理，各数据库服务器处理后结果统一反馈至用户，通过根据类型进行划分，能够以更快更高效的对用户请求做出响应并充分的利用分布式数据库中的每一个数据库服务器的性能，同时考虑到动态负载均衡，及时对负载节点的状态进行更新，有效避免出现过载现象。
-
公开(公告)号：CN109949085B
公开(公告)日：2021-03-12
申请号：CN201910181849.6
申请日：2019-03-11
Applicant: 西安交通大学
Abstract: 基于结构洞理论的城市道路网电动汽车充电站优化部署方法，将提取的道路图转换成道路网络；采用基于结构洞理论的约束传播算法，从转换之后的道路网络中选取充电站的候选站站址节点；建立双目标规划模型，并转化为单目标规划模型；对单目标规划模型进行求解，得到最终的建站节点：建站节点在实际道路图中是一条道路，所以使用结构洞理论，求解与该道路约束最大道路的交叉口作为充电站建站站址，从而确定充电站具体位置。本发明考虑了实际道路对建站位置的影响，对充电站的部署问题，从投资角度和用户角度进行了数学建模，将实际道路和其他影响因素结合对充电站部署问题进行了优化，对充电站部署的具体位置进行了求解。
-
公开(公告)号：CN109189840B
公开(公告)日：2021-01-19
申请号：CN201810805285.4
申请日：2018-07-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种流式在线日志解析方法，该方法利用分区的思想将日志按照其长度进行分区，即同一长度的日志被分配到同一个分区中；日志分区后，快速匹配阶段通过求取日志与日志类型的交集是否满足一个阈值，来判断日志是否属于当前的日志类型；快速匹配到日志所属的日志类型后，日志类型提取阶段通过求取日志与日志类型的最长公共子序列来提取出日志类型与日志的参数。本发明可有效解析系统日志，将日志由非结构化的文本解析为结构化的日志类型，结果可用于日志的异常检测，方法简单有效。
-
公开(公告)号：CN108881305B
公开(公告)日：2020-04-28
申请号：CN201810897782.1
申请日：2018-08-08
Applicant: 西安交通大学
IPC: H04L29/06 , H04L29/08 , H04L12/851 , H04L9/32
Abstract: 本发明公开了一种面向加密流量识别的样本自动标定方法，提出基于TCP特性的流量拆分方法，从划分不同的应用程序为出发点，将流量拆分为多个不同的样本，借助代理服务器端的日志信息对流量数据进行解析和拆分，从而实现响应网络行为与流量数据的对应关系，即实现分类学习中的流量数据标定。本方法充分利用了应用层通信协议TCP的相关知识和代理服务器端的日志信息，可应用于真实场景下的加密流量识别。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.038 seconds)
