-
公开(公告)号：CN116108507A
公开(公告)日：2023-05-12
申请号：CN202310100694.5
申请日：2023-02-10
Applicant: 南京信息工程大学
Abstract: 本申请涉及一种基于区块链和物联网边缘任务协作的多源信任分析方法。该方法包括：在接收到设备发送协作请求的情况下，获取设备当前任务所需的资源阈值，并获取设备集中各设备对应于当前任务所拥有的资源向量，再分析设备集中各设备与设备的当前任务的能力匹配度，以及分析设备集中各设备在当前时刻的能力信任，并获取各设备的直接信任，计算其反馈信任所占权值和间接反馈信任，再结合直接信任、能力信任和反馈信任，分析出设备集D中各设备j的全局信任值，并更新历史全局信任值，从设备集D中确定出全局信任值最高的设备与设备i协作当前任务，从而提高数据的安全性。
-
公开(公告)号：CN116541831B
公开(公告)日：2023-10-13
申请号：CN202310814388.8
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: G06F21/55 , G06F21/56 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种基于区块链与联邦学习的双重防御方法，包括步骤：S1，判断联邦学习过程是否达到了迭代次数或模型精确度达到设定阈值，如是，则退出该学习过程；否则，将任务信息存储；S2，训练者接收任务区块；S3，训练者使用本地数据训练本地模型；S4，训练者完成训练后将本地模型参数发送给验证者；S5，验证者接收本地模型参数，并通过共识委员会机制验证这些参数；S6，验证者将通过验证的本地模型参数打包上链；S7，任务发布者采用聚合方法形成全局模型参数；S8，根据验证者的本地模型精确度，更新共识委员会以验证下一轮模型，随后回到步骤S1。本发明使恶意节点无法对特定的聚合方法进行针对性的攻击，抵御中毒攻击。
-
公开(公告)号：CN115118737B
公开(公告)日：2022-11-18
申请号：CN202211022134.4
申请日：2022-08-25
Applicant: 南京信息工程大学
IPC: H04L67/1095 , H04L67/1097 , H04L9/32 , H04L41/0823 , H04L41/0893 , H04L41/14
Abstract: 本发明公开了一种基于节点分组的联盟链区块存储方法，包括步骤：S1，以全区块的低存储消耗、低存储复杂度和高安全性为优化目标，构建多目标优化模型；S2，采用存储分析算法收集分组内的节点存储复杂度，分析节点为非正常节点的概率，并将计算结果发送至节点所在组的Group proxy节点；再将计算结果转发至GPBFT阶段的主记账节点；S3，采用策略优化算法计算待选存储集合，并在各Group proxy节点间对主记账节点计算的待选存储集合达成共识；S4，对待选存储集合通过选择存储算法，确定每个区块的存储方案。本发明通过节点分组存储，降低联盟链中各节点的区块存储消耗，利用节点分组备份存储提高区块存储的安全性。
-
公开(公告)号：CN114117945A
公开(公告)日：2022-03-01
申请号：CN202210093058.X
申请日：2022-01-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于用户‑服务交互图的深度学习云服务QoS预测方法，根据用户‑服务原始QoS矩阵构建用户‑服务交互图，进而获取用户和服务的特征向量，根据用户/服务特征向量计算相似度，根据相似度获取用户/服务特征向量集；基于两个高效深度卷积单元构建双流深度神经网络模型，将获取的用户特征向量集作为其中一个高效深度卷积单元的输入，将获取的服务特征向量集作为另一个高效深度卷积单元的输入，对双流深度神经网络模型进行训练；利用训练好的双流深度神经网络模型预测某用户对某服务的QoS值，得到QoS预测结果。本发明通过构建用户‑服务交互图以及通过设计双流深度神经网络结构，使得云服务QoS预测值更加准确。
-
公开(公告)号：CN116541831A
公开(公告)日：2023-08-04
申请号：CN202310814388.8
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: G06F21/55 , G06F21/56 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种基于区块链与联邦学习的双重防御方法，包括步骤：S1，判断联邦学习过程是否达到了迭代次数或模型精确度达到设定阈值，如是，则退出该学习过程；否则，将任务信息存储；S2，训练者接收任务区块；S3，训练者使用本地数据训练本地模型；S4，训练者完成训练后将本地模型参数发送给验证者；S5，验证者接收本地模型参数，并通过共识委员会机制验证这些参数；S6，验证者将通过验证的本地模型参数打包上链；S7，任务发布者采用聚合方法形成全局模型参数；S8，根据验证者的本地模型精确度，更新共识委员会以验证下一轮模型，随后回到步骤S1。本发明使恶意节点无法对特定的聚合方法进行针对性的攻击，抵御中毒攻击。
-
Patent Agency Ranking
公开(公告)号：CN115118737A
公开(公告)日：2022-09-27
申请号：CN202211022134.4
申请日：2022-08-25
Applicant: 南京信息工程大学
IPC: H04L67/1095 , H04L67/1097 , H04L9/32 , H04L41/0823 , H04L41/0893 , H04L41/14
Abstract: 本发明公开了一种基于节点分组的联盟链区块存储方法，包括步骤：S1，以全区块的低存储消耗、低存储复杂度和高安全性为优化目标，构建多目标优化模型；S2，采用存储分析算法收集分组内的节点存储复杂度，分析节点为非正常节点的概率，并将计算结果发送至节点所在组的Group proxy节点；再将计算结果转发至GPBFT阶段的主记账节点；S3，采用策略优化算法计算待选存储集合，并在各Group proxy节点间对主记账节点计算的待选存储集合达成共识；S4，对待选存储集合通过选择存储算法，确定每个区块的存储方案。本发明通过节点分组存储，降低联盟链中各节点的区块存储消耗，利用节点分组备份存储提高区块存储的安全性。
-
公开(公告)号：CN116248725B
公开(公告)日：2023-07-25
申请号：CN202310518821.3
申请日：2023-05-10
Applicant: 南京信息工程大学
Abstract: 本申请涉及一种车联网环境中面向节点协作存储的区块链节点分片方法。该方法包括：区块链系统中的所有节点对工作量证明难题进行求解确定为目录委员会中的各成员节点以及领导节点，各成员节点运行NSGA‑II算法，得到对应的最佳分片结果发送至领导节点；领导节点根据各最佳分片结果，从中选出通信延迟差异最小的最佳分片结果向目录委员会中的其他节点广播；目录委员会中的其他节点进行确认签名；当领导节点接收到大于等于2h/3个节点的确认签名的情况下，目录委员会达成共识，分片完成；否则重新选出领导节点进行分片，直至目录委员会达成共识，生成分片结果列表并确定各分片的协作组划分结果列表，由此降低了分片内各节点间的通信延迟。
-
公开(公告)号：CN116248725A
公开(公告)日：2023-06-09
申请号：CN202310518821.3
申请日：2023-05-10
Applicant: 南京信息工程大学
Abstract: 本申请涉及一种车联网环境中面向节点协作存储的区块链节点分片方法。该方法包括：区块链系统中的所有节点对工作量证明难题进行求解确定为目录委员会中的各成员节点以及领导节点，各成员节点运行NSGA‑II算法，得到对应的最佳分片结果发送至领导节点；领导节点根据各最佳分片结果，从中选出通信延迟差异最小的最佳分片结果向目录委员会中的其他节点广播；目录委员会中的其他节点进行确认签名；当领导节点接收到大于等于2h/3个节点的确认签名的情况下，目录委员会达成共识，分片完成；否则重新选出领导节点进行分片，直至目录委员会达成共识，生成分片结果列表并确定各分片的协作组划分结果列表，由此降低了分片内各节点间的通信延迟。
-
公开(公告)号：CN114117945B
公开(公告)日：2022-04-15
申请号：CN202210093058.X
申请日：2022-01-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于用户‑服务交互图的深度学习云服务QoS预测方法，根据用户‑服务原始QoS矩阵构建用户‑服务交互图，进而获取用户和服务的特征向量，根据用户/服务特征向量计算相似度，根据相似度获取用户/服务特征向量集；基于两个高效深度卷积单元构建双流深度神经网络模型，将获取的用户特征向量集作为其中一个高效深度卷积单元的输入，将获取的服务特征向量集作为另一个高效深度卷积单元的输入，对双流深度神经网络模型进行训练；利用训练好的双流深度神经网络模型预测某用户对某服务的QoS值，得到QoS预测结果。本发明通过构建用户‑服务交互图以及通过设计双流深度神经网络结构，使得云服务QoS预测值更加准确。
-
公开(公告)号：CN118694510B
公开(公告)日：2024-11-19
申请号：CN202411163217.4
申请日：2024-08-23
Applicant: 南京信息工程大学
Abstract: 本申请涉及一种基于中继链中的节点信任值的节点角色调整方法。该方法包括：当信任值更新指令被触发时，中继链系统中的每个节点获取中继链系统中待更新信任值节点在上一信任值更新时间点至当前信任值更新时间点内的资源能力、处理交易情况和节点间协作情况，对待更新信任值节点的信任值进行分析，确定待更新信任值节点当前的信任值；将待更新信任值节点中当前的最终信任值小于信任阈值的节点扣除加入中继链时所缴纳的保证金，并踢出中继链系统；当节点角色调整指令被触发时，根据所有节点当前的最终信任值进行角色划分，确定出最终的中继链收集节点集合、委员会节点集合和验证节点集合。提高了中继跨链系统的交易验证的正确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.039 seconds)
