-
公开(公告)号：CN119690669A
公开(公告)日：2025-03-25
申请号：CN202411772791.X
申请日：2024-12-04
Applicant: 北京邮电大学
IPC: G06F9/50 , G06F16/36 , G06F40/295 , G06N5/025
Abstract: 本发明公开了一种基于表示学习的边缘计算知识图谱构建方法，属于知识图谱技术领域，包括以下步骤：S1、将边缘计算系统中的实体、实体属性、实体之间关系进行抽象提取，收集关键实体、实体属性和实体间的关系数据；S2、对S1收集的数据进行预处理；S3、采用表示学习技术对S2得到的数据自动提取有价值的特征表示，构建出结构化的知识图谱；S4、关系预测补全。本发明采用上述的一种基于表示学习的边缘计算知识图谱构建方法，解决了边缘计算中的知识图谱构建问题，优化在大规模、动态且不确定的边缘计算环境中，任务与资源的有效匹配问题；且其在面对新设备和任务时能够快速补全知识图谱中的缺失关系，实现设备与任务之间的智能匹配。
-
公开(公告)号：CN118395435A
公开(公告)日：2024-07-26
申请号：CN202410362367.1
申请日：2024-03-27
Applicant: 北京邮电大学
IPC: G06F21/56 , G06F8/53 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本专利提出一种应用于移动设备安全领域，基于静态检测多模态特征对安卓恶意软件进行检测的方法。在实现恶意软件检测的同时，针对传统的检测方式往往依赖于单一模态特征，检测的全面性受到限制的问题提出改进。该方案的主要包括数据预处理模块，特征提取模块，特征融合模块以及最后的分类决策模块。具体涉及对原始APK文件进行反编译，随后提取可视化的图像特征，API序列语义特征以及敏感权限特征。通过特征融合策略将三种模态的特征整和在一起视为对原始APK文件的统一表示，并基于融合后的特征进行检测，识别当前应用是否为恶意软件。本专利可用于移动设备安全管理，网络安全监控以及合规风控等领域。
-
公开(公告)号：CN116091260B
公开(公告)日：2023-07-25
申请号：CN202310363456.3
申请日：2023-04-07
IPC: G06Q50/00 , G06N3/048 , G06N3/047 , G06N3/0895
Abstract: 本发明提供一种基于Hub‑node节点的跨域实体身份关联方法及系统，属于跨域实体身份关联技术领域；所要解决的技术问题为：提供一种基于Hub‑node节点的跨域实体身份关联方法及系统结构的改进；解决该技术问题采用的技术方案为：对网络节点进行表示学习，将网络节点分别用位置特征与重要程度特征两组向量进行表征，将节点位置特征与重要程度特征综合表示为节点支持度，计算网络实体身份关联的相似度，定义用户节点的相邻节点，计算相邻节点对用户节点的支持度，在社交网络中分别定义位置特征潜在空间、重要程度特征潜在空间；本发明应用于跨域实体身份关联。
-
公开(公告)号：CN116091260A
公开(公告)日：2023-05-09
申请号：CN202310363456.3
申请日：2023-04-07
IPC: G06Q50/00 , G06N3/048 , G06N3/047 , G06N3/0895
Abstract: 本发明提供一种基于Hub‑node节点的跨域实体身份关联方法及系统，属于跨域实体身份关联技术领域；所要解决的技术问题为：提供一种基于Hub‑node节点的跨域实体身份关联方法及系统结构的改进；解决该技术问题采用的技术方案为：对网络节点进行表示学习，将网络节点分别用位置特征与重要程度特征两组向量进行表征，将节点位置特征与重要程度特征综合表示为节点支持度，计算网络实体身份关联的相似度，定义用户节点的相邻节点，计算相邻节点对用户节点的支持度，在社交网络中分别定义位置特征潜在空间、重要程度特征潜在空间；本发明应用于跨域实体身份关联。
-
公开(公告)号：CN114818776B
公开(公告)日：2022-11-11
申请号：CN202210269276.4
申请日：2022-03-18
Applicant: 北京邮电大学
Abstract: 本发明提供一种多模态测谎的数据对齐及异常值处理方法、装置及存储介质，所述方法包括接收待测者的测试数据，所述测试数据包括各模态频谱的波形数据，采用非极大值预测算法计算得到波形数据中的波峰点和波谷点；在波形数据中选取基准波形，建立基准波形的波峰点和波谷点与非基准波形的波峰点和波谷点的对应关系；计算基准波形的每个波峰点和波谷点与非基准波形的每个波峰点和波谷点的横坐标间距值；基于多个横坐标间距值得到每个非基准波形与基准波形的偏离值；基于所述偏离值调整非基准波形横坐标，使非基准波形向基准波形方向移动，得到每个非基准波形的校准波形；将基准波形和校准波形输入到预设的分类模型中，获取测谎结果。
-
Patent Agency Ranking
公开(公告)号：CN112288007B
公开(公告)日：2022-08-09
申请号：CN202011180831.3
申请日：2020-10-29
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于多元关系表示的跨域身份关联方法和系统，分别获取两个待身份关联实体各自的实体特征向量，其中，两个待身份关联实体分别属于两个不同域；根据两个所述待身份关联实体各自的实体特征向量以及最终跨域身份关联模型，得到两个所述待身份关联实体之间的用于表示跨域身份关联的关联相似度，即判断两个待身份关联实体是否为同一实体，速度快，精度高，具有在工业界具有更实用的价值。
-
公开(公告)号：CN119718642A
公开(公告)日：2025-03-28
申请号：CN202411780674.8
申请日：2024-12-05
Applicant: 北京邮电大学
IPC: G06F9/50 , H04L67/1097 , H04L67/1008 , G06F11/07
Abstract: 本申请实施例提供一种分布式存储系统中的修复调度方法，所述方法包括：获取本批待处理的n个修复任务，其中，所述n个修复任务是以从源节点图中找到正则子图为原则确定的，所述正则子图用于保证每个幸存节点可以为相同数目或者数目近似的至少一个修复任务提供服务；基于所述n个修复任务构造替代节点图G并从所述替代节点图G中找到目标匹配；至少依据所述正则子图和所述目标匹配为所述n个修复任务中各任务分别分配源节点和替代节点，完成数据修复。本发明实施例可以确保从各个节点读取源数据的过程中达到均衡，以避免某些节点的负载过高。
-
公开(公告)号：CN119316292A
公开(公告)日：2025-01-14
申请号：CN202411864271.1
申请日：2024-12-18
Applicant: 北京邮电大学
IPC: H04L41/0894 , H04L41/0823 , H04L41/0816 , H04L41/0663 , H04L41/0631 , H04L41/12 , H04L47/785 , H04L47/783 , H04L47/83 , H04L47/70
Abstract: 本发明涉及数据处理技术领域，本发明提供的一种多域网络中节点备份的策略选择方法，解决了现有备份管理方法无法有效应对多域网络中复杂资源分布的问题，通过获取网络系统运行数据和备份任务需求，利用加权无向图表示网络结构，并训练多域网络模型，采用随机森林算法评估存储网元节点属性，确定节点优先级排序，实现备份任务的合理分配，在任务分配过程中，实时监控节点资源使用情况，动态调整备份策略，实现资源利用率最大化和负载均衡，本发明提高了备份效率和数据可靠性，降低了存储计算成本，适用于大型企业云环境、金融机构跨域数据备份等场景。
-
公开(公告)号：CN109951296B
公开(公告)日：2020-12-08
申请号：CN201910162831.1
申请日：2019-03-05
Applicant: 北京邮电大学 , 贵州大学 , 北京安码科技有限公司
Abstract: 本发明提供了一种基于短签名的远程数据完整性验证方法。包括：在预处理阶段，客户端生成公私密钥对和系统参数，对要上传到云存储服务器的文件进行分块处理；然后用短签名算法对每个文件块签名；将文件和签名集合上传到云存储服务器中，将签名集合发送给可信第三方。在挑战‑响应阶段，由第三方生成挑战信息并发送给云服务器，服务器生成数据持有证据返回给第三方。在验证阶段，第三方利用验证算法验证数据持有证据是否正确，若正确输出TRUE说明文件保存完整，否则输出FALSE说明存储的文件被损坏。针对现有技术签名效率和安全性低的问题，本发明使用短签名和可信第三方降低客户端计算开销，验证过程中采用防碰撞哈希函数和随机掩蔽技术保护数据隐私，分析表明本方法能够抵抗适应性选择消息攻击。
-
公开(公告)号：CN102163427B
公开(公告)日：2012-09-12
申请号：CN201010613780.9
申请日：2010-12-20
Applicant: 北京邮电大学
Abstract: 一种基于环境模型的音频异常事件检测方法，操作步骤如下：(1)利用隐马尔科夫模型对监控环境中的音频数据进行分析，得到当前音频片段相对于每一种音频类型的相似程度，形成相似度向量；(2)在相似度向量的基础上进行整理，获得类型检测向量；(3)先采用离线训练方式，用基于神经网络的方法建立无异常事件发生时的环境模型，再根据训练好的模型，用在线测试的方式判断当前音频是否为异常事件。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.024 seconds)
