-
公开(公告)号:CN117379775A
公开(公告)日:2024-01-12
申请号:CN202311312743.8
申请日:2023-10-11
Applicant: 南开大学
IPC: A63F13/31 , A63F13/335 , A63F13/358 , H04L67/131
Abstract: 本发明公开了基于视频增强和比特率自适应算法的云游戏视频传输方法,将边缘计算、基于强化学习的比特率自适应算法与视频增强技术结合。本发明将在网络波动时通过强化学习决策传输比特率,通过降低帧率和分辨率,减少传输的视频数据量,避免卡顿,然后通过超分辨率和插帧提高游戏视频质量。使用边缘计算架构将视频增强从游戏玩家的终端设备卸载到边缘云服务器中,避免终端算力不足的问题。本发明可以在网络波动的情况下保证高质量稳定的云游戏服务,提高云游戏用户的游戏体验。
-
公开(公告)号:CN113301042B
公开(公告)日:2022-06-17
申请号:CN202110560903.5
申请日:2021-05-20
Applicant: 南开大学
IPC: H04L9/40 , H04L67/1008 , H04L67/1097 , G06F9/48 , G06F9/50 , G06F16/182
Abstract: 一种负载均衡的隐私数据共享方法。数据共享步骤包括:(1)所有参与节点生成公私钥对,加入IPFS网络(2)数据拥有者通过两重加密后上传数据至IPFS网络(3)数据请求者向数据拥有者的请求得到响应后发送正式请求;(4)数据拥有者收到正式请求后生成多个分组重加密密钥,根据邻近节点状态,分发至邻近节点;(5)邻近节点根据自身状态,对接收数据进行再次转发或者进行重加密计算,结果发送给数据请求者;(6)数据请求者积累多个结果后,从IPFS网络下载数据,解密得到明文。其中节点状态由节点阈值和节点当前任务队列长度确定。本发明实现了数据的秘密共享同时解决了重加密过程中单一节点负载过重问题,实现了整体上的加密负载均衡。
-
公开(公告)号:CN118413618A
公开(公告)日:2024-07-30
申请号:CN202410487550.4
申请日:2024-04-23
Applicant: 南开大学
IPC: H04N5/76 , G06F9/451 , G06F9/455 , H04N5/91 , H04N21/231 , H04N21/234 , H04N21/643 , H04L69/00
Abstract: 一种基于SPICE协议的服务端画面数据记录方法,所述方法的步骤包括:S1、通过指定连接参数连接到Guest虚拟机并选择要记录画面数据的Guest虚拟机。S2、以指定的帧率记录Guest虚拟机画面,并将记录的原始画面数据保存为MP4格式。S3、将每个显示通道的MP4文件转换并合成一个MP4视频文件并输出到指定路径。该方法利用SPICE协议直接与服务器上的虚拟机通信的特性,实现了对云桌面会话的服务端画面数据记录。通过捕获和存储SPICE协议传输的画面数据,可以随时回溯和审计用户的操作行为,确保信息安全和系统合规性。同时,该方法充分利用服务器的硬件设备对数据进行处理,提高了记录的效率和准确性。
-
公开(公告)号:CN116127323A
公开(公告)日:2023-05-16
申请号:CN202310134532.3
申请日:2023-02-17
Applicant: 南开大学
IPC: G06F18/214 , G06F18/2415 , G06N5/04 , G06T1/00
Abstract: 本发明公开了一种基于近边界数据的模型所有权推断方法,以解决可疑模型的所有权问题。基于数据集推断的思想,无论盗窃模型直接攻击源模型还是其副产品,盗窃模型的知识是源模型中包含的知识,本发明利用近边界数据在源模型和盗窃模型中的近边界性,进行模型所有权的推断。具体来说,由受害者和可疑对手分别提供自己的近边界数据,输入可疑模型,根据输出结果分别计算到分类边界的距离,距离近的被判定拥有模型的所有权。由于数据通常是一组,应该根据统计结果进行分析,因此设计了一种基于假设检验的方法来表现推断置信度。本发明可以在几乎不降低模型精度的情况下,应对大部分的模型窃取攻击,甚至是面对歧义攻击时,解决模型的所有权问题。
-
公开(公告)号:CN115907038A
公开(公告)日:2023-04-04
申请号:CN202211100897.6
申请日:2022-09-09
Applicant: 南开大学
IPC: G06N20/20 , G06F18/214
Abstract: 一种基于联邦拆分学习框架的多元控制决策方法,以提高模型训练精度同时最大化资源利用效用为基准,首先在网络环境中动态构建节点初始信息,节点包括路由器、联邦学习服务器、客户端和计算节点(包含有限数量的训练服务器)四类;联邦学习服务器策略性地从客户端集合中选择一组客户端进行训练任务;联邦学习服务器中的专用控制器作为任务发起者决策客户端准入、模型拆分、计算节点选择、路由和带宽分配;客户端及其相应计算节点的训练服务器根据决策执行模型训练任务,训练完成后分别上传训练后的模型到联邦学习服务器用于全局模型聚合。本发明使得在给定时间内,训练尽可能多的数据,提高模型精度同时最大化资源利用效用。
-
公开(公告)号:CN113301042A
公开(公告)日:2021-08-24
申请号:CN202110560903.5
申请日:2021-05-20
Applicant: 南开大学
IPC: H04L29/06 , H04L29/08 , G06F9/48 , G06F9/50 , G06F16/182
Abstract: 一种负载均衡的隐私数据共享方法。数据共享步骤包括:(1)所有参与节点生成公私钥对,加入IPFS网络(2)数据拥有者通过两重加密后上传数据至IPFS网络(3)数据请求者向数据拥有者的请求得到响应后发送正式请求;(4)数据拥有者收到正式请求后生成多个分组重加密密钥,根据邻近节点状态,分发至邻近节点;(5)邻近节点根据自身状态,对接收数据进行再次转发或者进行重加密计算,结果发送给数据请求者;(6)数据请求者积累多个结果后,从IPFS网络下载数据,解密得到明文。其中节点状态由节点阈值和节点当前任务队列长度确定。本发明实现了数据的秘密共享同时解决了重加密过程中单一节点负载过重问题,实现了整体上的加密负载均衡。
-
公开(公告)号:CN112153728A
公开(公告)日:2020-12-29
申请号:CN202011141390.6
申请日:2020-10-22
Applicant: 南开大学
IPC: H04W52/02
Abstract: 本发明公开了一种基站关联和模块休眠的优化方法,以最大化传输速率同时最小化能耗开销为基准,在机会网络环境中首先动态构建节点初始信息,节点包括集中控制器、基站和车辆三类;车辆通过传感器收集车内外信息,并将该信息上传给基站;基站将收集到的车辆信息通过前端链路上传给集中控制器;集中控制器基于全局信息执行算法得到基站模块休眠决策和基站与车辆的关联决策,然后下发给基站;基站根据决策执行模块休眠或启动操作,完成与车辆的关联并给车辆分配传输功率。车辆可将计算任务通过基站上行链路卸载到边缘服务器进行计算,边缘服务器再将计算结果通过基站下行链路发送给车辆。本发明使得车辆通信中获得最大的传输速率并且消耗最少能耗。
-
公开(公告)号:CN110035377B
公开(公告)日:2020-08-14
申请号:CN201910209182.6
申请日:2019-03-19
Applicant: 南开大学
Abstract: 本发明公开了一种基于动态方向接口模型的车载命名数据网络传输方法,包括:对车辆GPS运动轨迹数据集进行处理与分析;根据处理与分析结果,为车辆节点构建动态方向接口模型,以车辆的行驶方向为参照,将二维平面中车辆的周围区域根据弧度划为4个方向接口;当车辆B接收到上一跳步车辆A预设的兴趣包或数据包时,确定自车B处于所述车辆A的方向接口,并通过中间节点的基于优先级的分布式广播,实现兴趣包与数据包的多跳步传输。该方法在深入分析车辆GPS运动轨迹数据的基础上构建了动态方向接口模型(Dynamic Directional Interface Model,DDIM),并以此为基础提出一种面向车载命名数据网络的传输协议COMPASS。该协议以基于延迟的分布式广播为基础,结合优先级转发策略,以求在保证兴趣包有效传播范围的同时降低传输延迟。
-
公开(公告)号:CN110035377A
公开(公告)日:2019-07-19
申请号:CN201910209182.6
申请日:2019-03-19
Applicant: 南开大学
Abstract: 本发明公开了一种基于动态方向接口模型的车载命名数据网络传输方法,包括:对车辆GPS运动轨迹数据集进行处理与分析;根据处理与分析结果,为车辆节点构建动态方向接口模型,以车辆的行驶方向为参照,将二维平面中车辆的周围区域根据弧度划为4个方向接口;当车辆B接收到上一跳步车辆A预设的兴趣包或数据包时,确定自车B处于所述车辆A的方向接口,并通过中间节点的基于优先级的分布式广播,实现兴趣包与数据包的多跳步传输。该方法在深入分析车辆GPS运动轨迹数据的基础上构建了动态方向接口模型(Dynamic Directional Interface Model,DDIM),并以此为基础提出一种面向车载命名数据网络的传输协议COMPASS。该协议以基于延迟的分布式广播为基础,结合优先级转发策略,以求在保证兴趣包有效传播范围的同时降低传输延迟。
-
公开(公告)号:CN105930457A
公开(公告)日:2016-09-07
申请号:CN201610254621.1
申请日:2016-04-21
Applicant: 南开大学
IPC: G06F17/30
CPC classification number: G06F16/2246 , G06F16/2465
Abstract: 本发明提出了基于分布式架构的数据流频繁项挖掘方法。该方法采用两层树形的通信结构,包括m个叶子节点和1个根节点。叶子节点负责处理数据流中的数据项,并在数据项频率的增量超过阈值时向根节点发送频率增量。根节点负责收集叶子节点传递的更新。该方法通信开销小,同时可以实时响应用户发起的频繁项查询请求。
-
-
-
-
-
-
-
-
-