-
公开(公告)号：CN114358307B
公开(公告)日：2025-04-04
申请号：CN202111447012.5
申请日：2021-11-30
Applicant: 北京邮电大学
Abstract: 本申请实施例提供基于差分隐私法的联邦学习方法及装置，其中的基于差分隐私法的联邦学习方法包括：基于当前接收的用于进行联邦学习的多份训练数据中任一份对应的阶段完成信号，开始监测目标周期内的信号接收情况数据；若监测到目标周期内的信号接收情况数据满足预设的半同步训练规则，则获取目标周期内接收的各个阶段完成信号各自对应的阶段训练结果数据，并基于差分隐私法及各个阶段训练结果数据训练目标模型。本申请能够在为目标模型的联邦学习过程提供差分隐私保护的前提下，有效避免掉队者效应的干扰，避免计算资源的浪费并能够提高目标模型的收敛速度，进而能够有效提高目标模型的训练效率及应用及时性。
-
公开(公告)号：CN118612091A
公开(公告)日：2024-09-06
申请号：CN202410700552.7
申请日：2024-05-31
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/16 , H04L43/04 , G06N3/096 , G06N3/098
Abstract: 本发明提供一种基于联邦迁移学习的网络流量预测方法和装置，方法包括：获取目标域的网络流量数据；将目标域的网络流量数据输入至网络流量预测模型中，得到目标域下一时刻的目标网络流量；其中，网络流量预测模型为基于多个域的多个局部模型进行动态权重聚合得到，每个局部模型均包括特征提取模块、生成对抗模块和预测模块；特征提取模块用于提取网络流量数据中的时序特征和空间特征；生成对抗模块用于生成自适应分布的特征，并基于时序特征、空间特征和自适应分布的特征与特征提取模块作对抗训练；预测模块用于基于时序特征和空间特征预测得到对应域下一时刻的网络流量。通过本发明提供的方法，实现目标域网络流量的预测。
-
公开(公告)号：CN118445687A
公开(公告)日：2024-08-06
申请号：CN202410600740.2
申请日：2024-05-15
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种基于知识蒸馏的网络流量分类方法、装置和设备，该方法包括：获取待分类网络流量；将所述待分类网络流量输入网络流量分类模型，得到所述网络流量分类模型输出的分类结果；所述网络流量分类模型为对教师模型中的网络层划分为多个第一阶段层，并对学生模型中的网络层划分为多个第二阶段层后，再采用知识蒸馏技术对各所述第二阶段层的模型参数进行更新，得到各目标第二阶段层，并基于各所述目标第二阶段层对应的成长反馈系数调整各所述目标第二阶段层中网络层的层数后得到的，所述成长反馈系数用于表征所述学生模型在各所述目标第二阶段层的特征提取能力的变化趋势和所述教师模型中对应第一阶段层的特征提取能力的变化趋势的差距。本发明提供的网络流量分类模型的适用性和泛化性较高，提升了通过学生模型进行网络流量分类时分类结果的准确性。
-
公开(公告)号：CN118113457A
公开(公告)日：2024-05-31
申请号：CN202311586856.7
申请日：2023-11-24
Applicant: 北京邮电大学 , 北京智芯微电子科技有限公司 , 国网山东省电力公司菏泽供电公司
Abstract: 本发明提供一种分片区块链的联邦学习方法及系统，所述方法的步骤包括：每个分片子链的领导子节点获取初始的训练模型，并将初始的训练模型发布至对应分片子链的其他子节点，通过每个分片子链的领导子节点构建DAG主链；在每轮次的训练中，每个领导子节点基于当前DAG主链中顶点的权重选择训练基础模型，基于训练基础模型在所属的分片子链进行训练，并更新DAG主链；在分片子链进行训练的过程中，分片子链的每个子节点基于该子节点的CPU频率、芯片对应的能耗系数和训练一个样本数据所需的CPU周期数确定最优请求数据数量，基于最优请求数据数量对该子节点的训练模型进行训练，将所述分片子链的全部子节点完成训练的训练模型聚合到对应的领导子节点。
-
公开(公告)号：CN113657428B
公开(公告)日：2023-07-14
申请号：CN202110734331.8
申请日：2021-06-30
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司 , 国网河南省电力公司信息通信公司
IPC: G06F18/214 , G06F18/2321 , G06F18/2413
Abstract: 本发明提供一种网络流量数据的抽取方法及装置，方法包括：根据原始网络流量数据集中样本的样本密度信息，确定样本所属类别的类密度信息；根据所述类密度信息，确定样本信息量和类信息量；根据所述样本信息量和所述类信息量，确定抽取的代表样本集。所述装置用于执行上述方法。本发明通过根据原始网络流量数据集中的样本的信息携带量来计算类的信息携带量，依照样本信息量和类信息量来抽取用于合成的代表样本，解决了只依靠多数类和少数类的数量比难以表明两者之间信息不平衡的问题。
-
Patent Agency Ranking
公开(公告)号：CN113377532B
公开(公告)日：2023-03-14
申请号：CN202110627000.4
申请日：2021-06-04
Applicant: 北京邮电大学
Abstract: 本发明提供一种边缘计算服务器部署方法和系统，所述方法包括以下步骤：基于影响多个区域内的服务器对用户的吸引力的用户个性相关参数计算用户选择不同区域内的侯选服务器的概率，以基于计算的概率进行用户的目的地偏好预测；基于各个用户的目的地偏好预测结果，根据各个用户终端任务的资源需求，预测各区域的资源需求量；根据各区域的资源需求量，基于服务器提供商收益最大化原则确定多服务器提供商的服务器最优布局。本发明改善了未考虑到用户聚集效应导致的服务器部署不合理的问题，最大化了服务器提供商的收益，减少了终端任务的处理时延，提高了终端任务的处理效率和边缘计算服务器的资源利用率，提高了用户的满意度。
-
公开(公告)号：CN115001997A
公开(公告)日：2022-09-02
申请号：CN202210376980.X
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L43/08 , H04L43/0817 , H04L43/16 , H04L41/14
Abstract: 本发明提供一种基于极值理论的智慧城市网络设备性能异常阈值评估方法，所述方法包括：基于目标性能数据和极大似然估计方法，确定广义帕累托分布模型的目标参数；基于目标参数，确定智慧城市网络设备性能的异常阈值；目标性能数据是基于智慧城市网络设备的运行数据确定的；目标参数包括规模参数和形状参数。本发明提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法，通过使用极大似然估计方法确定广义帕累托分布的参数，解决了一般参数估计方法准确率低，性能低效的问题，并且得到的广义帕累托分布的参数更加接近真实值，为广义帕累托分布求解异常边界阈值打下基础，提高了异常边界阈值计算的准确率。
-
公开(公告)号：CN114564535A
公开(公告)日：2022-05-31
申请号：CN202111294343.X
申请日：2021-11-03
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于联盟链的群智感知场景下分布式激励方法，首先提出基于Hyperledger Fabric的分布式激励架构，并设计基于多属性拍卖的智能合约，实现用户选择链上逻辑和分布式激励，缓解用户对中心化平台和用户的过度依赖。其次本发明提出基于地理位置和相似性的K‑最近邻离群点检测算法，充分利用传感数据本身的采样地理位置、采样时间点、邻近信息等信息，有效检测用户提交的传感数据的可信度，并根据数据可信度建立用户信誉指数，实现更加公平的奖惩分配激励机制。此外，考虑到实现性能和区块链上的资源有限，本发明将大规模传感数据存储在链下，同时将传感数据的哈希值存储在区块链上，保证了数据不能被篡改并避免区块链上海量数据导致的性能下降。
-
公开(公告)号：CN114338437A
公开(公告)日：2022-04-12
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06K9/62
Abstract: 本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对应的流量分类结果训练后得到的。本发明为字节序列中的每个字节分别进行位置编码，可以有效提取字节序列中各字节的关键位置信息，提高流量分类网络模型识别的准确率。
-
公开(公告)号：CN113507447A
公开(公告)日：2021-10-15
申请号：CN202110671353.4
申请日：2021-06-17
Applicant: 北京邮电大学 , 中国雄安集团数字城市科技有限公司
Abstract: 本发明提供一种网络流量数据的自适应增强方法及装置，方法包括：基于层次凝聚聚类HAC算法对原始网络流量数据集进行聚类，并根据不平衡比确定少数类聚类；获取少数类聚类中少数类样本的稀疏度权重和数量权重；根据稀疏度权重和数量权重，确定少数类合成样本数量；基于过采样算法和少数类合成样本数量，对原始网络流量数据集进行数据增强。所述装置用于执行上述方法。本发明利用HAC聚类算法不需要参数的特性，减少需要预先设置的参数，降低噪声的影响，并且提出根据聚类中样本稀疏度和样本数量比例分配每个聚类合成样本数量的方案，能够自适应分配每个聚类需要合成新样本的数量，解决了现有技术中合成样本依赖信息不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
168
records
(took 0.064 seconds)
