公开(公告)号：CN111740950A

公开(公告)日：2020-10-02

申请号：CN202010401640.9

申请日：2020-05-13

Applicant: 南京邮电大学

Inventor： 张登银 ,  刘康 ,  董杰 ,  赵远鹏 ,  赵蓉

IPC: H04L29/06 ,  H04L12/24 ,  G06K9/62

Abstract: 本发明公开了一种SDN环境下的DDoS攻击检测方法，涉及网络安全技术领域，所述方法包括如下步骤：代理模块将获取的数据消息构建为特征消息；将特征消息发送至预先构建的检测模型中获得检测结果；根据检测结果做出决策指令；代理模块根据决策指令执行控制操作，该方法。首先，在交换机端口入口处增加基于熵的预检测模块，以保证SDN网络设施在受到DDoS攻击时不会过早的产生拒绝服务行为；其次，通过在控制器程序中增加代理模块实现安全与控制的分离，以保证检测本身不会占用过多的控制器和交换机资源；最后，采用递归式特征消除和分类回归树结合的检测算法，保证检测的效率和准确度。

公开(公告)号：CN112578419B

公开(公告)日：2023-12-12

申请号：CN202011332018.3

申请日：2020-11-24

Applicant: 南京邮电大学

Inventor： 张登银 ,  董杰 ,  刘康 ,  严涵 ,  赵远鹏 ,  韩文生

IPC: G01S19/37 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明公开了一种基于GRU网络和卡尔曼滤波的GPS数据重构方法，所述方法包括：获取GPS实测数据，将GPS实测数据输入预先训练的GRU网络模型G，获得校正完成的轨迹数据Data1；采用预设的卡尔曼滤波算法对校正完成的轨迹数据Data1进行修正，获得高精度的GPS数据。本发明能够实现动态GPS数据的重构，能够获得高精度的GPS数据。(56)对比文件胡玉可;夏维;胡笑旋;孙海权;王云辉.基于循环神经网络的船舶航迹预测.系统工程与电子技术.2020,(04),全文.

公开(公告)号：CN112578419A

公开(公告)日：2021-03-30

申请号：CN202011332018.3

申请日：2020-11-24

Applicant: 南京邮电大学

Inventor： 张登银 ,  董杰 ,  刘康 ,  严涵 ,  赵远鹏 ,  韩文生

IPC: G01S19/37 ,  G06N3/04

Abstract: 本发明公开了一种基于GRU网络和卡尔曼滤波的GPS数据重构方法，所述方法包括：获取GPS实测数据，将GPS实测数据输入预先训练的GRU网络模型G，获得校正完成的轨迹数据Data1；采用预设的卡尔曼滤波算法对校正完成的轨迹数据Data1进行修正，获得高精度的GPS数据。本发明能够实现动态GPS数据的重构，能够获得高精度的GPS数据。

公开(公告)号：CN113271539B

公开(公告)日：2024-06-25

申请号：CN202110556627.5

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 张登银 ,  徐业鹏 ,  赵远鹏 ,  杨妍 ,  齐城慧

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/23213

Abstract: 本发明公开了一种基于改进的CNN模型的室内目标定位方法，旨在解决现有技术中室内定位易受多径效应和非视距误差影响的技术问题。其包括：利用待定位目标的目标CSI数据与预先生成的定位指纹库进行指纹匹配，获得待定位目标的坐标信息；定位指纹库的生成方法为：利用SDR平台采集室内CSI数据，基于聚类算法将室内CSI数据划分为多个数据子集，并利用数据子集训练改进的CNN模型，获得训练好的改进的CNN模型，最后利用训练好的改进的CNN模型生成定位指纹库。本发明能够解决室内定位数据的噪声干扰问题，最大限度的减少多径效应的影响，提高室内定位的精度。

公开(公告)号：CN113271539A

公开(公告)日：2021-08-17

申请号：CN202110556627.5

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 张登银 ,  徐业鹏 ,  赵远鹏 ,  杨妍 ,  齐城慧

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进的CNN模型的室内目标定位方法，旨在解决现有技术中室内定位易受多径效应和非视距误差影响的技术问题。其包括：利用待定位目标的目标CSI数据与预先生成的定位指纹库进行指纹匹配，获得待定位目标的坐标信息；定位指纹库的生成方法为：利用SDR平台采集室内CSI数据，基于聚类算法将室内CSI数据划分为多个数据子集，并利用数据子集训练改进的CNN模型，获得训练好的改进的CNN模型，最后利用训练好的改进的CNN模型生成定位指纹库。本发明能够解决室内定位数据的噪声干扰问题，最大限度的减少多径效应的影响，提高室内定位的精度。

公开(公告)号：CN112819136A

公开(公告)日：2021-05-18

申请号：CN202110076545.0

申请日：2021-01-20

Applicant: 南京邮电大学

Inventor： 张登银 ,  赵远鹏 ,  徐业鹏 ,  韩文生 ,  寇英杰

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了时间序列预测技术领域的一种基于CNN‑LSTM神经网络模型与ARIMA模型的时间序列预测方法及系统，旨在解决现有技术中没有充分提取时间序列的周期特征从而导致预测精度不够的问题。包括：获取待预测的时间序列数据，构建输入样本；将输入样本输入经过训练的基于CNN‑LSTM的神经网络模型，得到第一预测结果；将第一预测结果与输入样本的观测值进行比对，得到误差序列；将误差序列输入建立的ARIMA模型对误差序列进行误差修正预测，得到第二预测结果；将第一预测结果和第二预测结果相加得到时间序列的最终预测结果。