-
公开(公告)号：CN118301601A
公开(公告)日：2024-07-05
申请号：CN202310010765.2
申请日：2023-01-05
Applicant: 四川大学
IPC: H04W12/041 , H04L25/02 , G06N3/0464 , G06N3/08
Abstract: 本发明面向物联网合法设备可直接通信的场景，针对当前应用于无线特征提取的深度学习模型中没有将噪音去除考虑到模型设计中的问题，本发明提出了一种基于双向趋同特征学习卷积网络的物理层密钥生成方案BCFLPKG。BCFLPKG方案在信道信息预处理阶段，使用双向趋同特征学习网络进行去噪，在对BCFLNet进行训练时，将相干时间内两个合法设备通过信道探测与估计获取的CSI数据各自作为输入放入模型，将二者输出的均方差作为损失进行迭代训练，使两个合法设备得到高度相关的信道特征。BCFLPKG方案在特征量化阶段，加入多次量化的量化方式，提升了最终的密钥生成率。然后通过一致性协商和隐私放大，在提升密钥生成率的同时确保了最终密钥的安全性。
-
公开(公告)号：CN119831070A
公开(公告)日：2025-04-15
申请号：CN202411877713.6
申请日：2024-12-19
Applicant: 四川大学
Abstract: 本发明提出了一种基于纳什谈判理论的联邦学习激励方案，旨在优化数据提供方与请求方之间的协作。通过引入SC‑NBTI协议，并结合IPFS分布式文件系统，实现了高效的任务管理和执行。为了提升通信效率和保护数据隐私，采用概率稀疏矩阵压缩技术来减少梯度传输的数据量和通信成本。针对复杂的纳什谈判解，本发明提出了一种贪心的客户端选择策略，并结合奖金支付策略，简化了解算过程，确保了联邦学习参与各方收益平衡。这种方法不仅提高了资源分配效率，还保证了所有参与者获得公平回报。SC‑NBTI被部署在区块链上，利用其透明、不可篡改的特点，实现了自动化管理，增强了任务的可追溯性和可验证性，减少了纠纷和违约风险。这种设计确保了联邦学习任务的高效进行。
-
公开(公告)号：CN118842774A
公开(公告)日：2024-10-25
申请号：CN202410942352.2
申请日：2024-07-15
Applicant: 四川大学
IPC: H04L49/103 , H04L9/00 , G06N20/00 , G06F18/213 , G06F18/22 , G06N3/0455 , G06N3/047 , G06N3/0475
Abstract: 本发明涉及一种基于关键特征提取的数据共享方案，具体包括：系统建模：该方案由多个数据提供方和一个区块链平台组成。特征提取阶段：各数据提供方利用变分自编码器(VAE)处理本地数据，提取鲁棒特征并计算关键特征。初次共享阶段：各数据提供方对提取出的关键特征进行随机噪声处理、打包和加密后上传至区块链平台。各方随后从区块链中提取关键特征，形成全局共享特征集合，并结合本地鲁棒特征用于后续联邦学习任务。联邦学习阶段：各方基于特征集合和本地特征执行联邦学习，分布式协作训练统一机器学习模型，直至模型拟合或达到预定迭代次数。每次模型更新时采用同态加密技术对全局参数加密聚合，确保隐私安全，防止通过模型参数逆向推导泄露隐私。
-
公开(公告)号：CN118365019A
公开(公告)日：2024-07-19
申请号：CN202410298721.9
申请日：2024-03-15
Applicant: 四川大学
IPC: G06Q10/0631 , G06N3/092
Abstract: 本发明公开了一种基于改进深度强化学习算法的柔性车间调度方法。本发明涉及到工业系统生产调度领域。本发明提出的基于改进深度强化学习算法的柔性车间调度方法具有调度效果好、能够对机器利用率进行提高的优点。与传统的基于深度强化学习的柔性车间调度算法相比，本发明将Local Search算法(邻域搜索算法)应用到了Deep Q‑learning算法(深度Q学习算法)当中，提出了一种新型的同时具备Local Search算法局部搜索能力以及Deep Q‑learning算法全局搜索能力的Deep Q‑learning Combined with Local Search算法(结合了邻域搜索算法的深度Q学习算法)。最后通过一系列标准数据集上的实验，成功证明了Deep Q‑learning Combined with Local Search算法(结合了邻域搜索算法的深度Q学习算法)在解决柔性车间调度问题上的优越性。
-
Patent Agency Ranking
公开(公告)号：CN119697635A
公开(公告)日：2025-03-25
申请号：CN202411878548.6
申请日：2024-12-19
Applicant: 四川大学
IPC: H04W12/06 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及一种基于多尺度卷积和元学习的物理层认证方案。针对非法数据难以采集导致的数据不平衡问题，该方案提出基于子载波权重因子的SMOTE过采样算法对少数类样本进行过采样，引入不同子载波的权重来指导过采样过程，确保新生成的少数类样本更加贴近实际的样本分布。为了更有效地提取CSI数据深层特征，本发明设计了基于多尺度卷积和注意力机制的CNN网络MDA‑Net，使用可变形卷积模块来提升模型的特征提取能力。最后，本发明提出环境差异性指数EDI衡量现有环境和基础环境的差异，并基于EDI自适应调整元学习的学习率，提升模型在新场景和变化场景下的适应能力。实验表明，本发明提出的模型在新场景中F1分数达到了0.966，假正例率相较于现有代表性算法下降了2.42％。
-
公开(公告)号：CN118228091A
公开(公告)日：2024-06-21
申请号：CN202211640159.0
申请日：2022-12-20
Applicant: 四川大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/0985 , G06F123/02
Abstract: 本发明涉及一种基于注意力机制的CNN‑LSTM自动编码器，用于检测多变量时间序列中的异常情况，发明中的自动编码器模型能够捕获多变量时间序列数据中变量间的潜在关系。首先使用一个两阶段的滑动窗口为自动编码器提供更好的数据表示。在第一个滑动窗口中增加一个核心属性的派生属性来丰富原始数据中的信息，并扩展为带有正常或异常标签的固定长度序列段。在第二个较小的滑动窗口中，每个序列段被转换为连续的子序列。然后使用了一个CNN和LSTM自动编码器提取数据在时空上的深层次特征，并引入注意力机制保证学习性能。最后通过一个全连接层作分类输出。最后，自动编码器中的几个超参数通过随机搜索方式进行优化，以进一步提高模型的性能。
-
公开(公告)号：CN117631652A
公开(公告)日：2024-03-01
申请号：CN202311635378.4
申请日：2023-12-01
Applicant: 四川大学
IPC: G05B23/02
Abstract: 本发明公开了一种针对实时工控系统数据流的异常检测方法。本发明涉及到工业控制系统异常检测领域。本发明针对传统窗口划分仅基于数据点数及数据长度进行会导致漏检的问题，提出一种使用时间作为窗口大小的滑动窗口划分方法，达到兼具时效和精度的要求。本发明提出了一种增强双向生成对抗网络模型，引入了控循环单元(GRU)将时序数据映射到到潜空间，集重建、鉴别、逆映射功能为一体。本发明为了进一步提高模型的检测精度，提出了基于判定重建数据的异常得分计算方法，同时使用了重建数据和原始数据计算异常来降低漏检率。本发明能进行设备实时异常检测，通过有效的潜空间逆映射和高精度异常得分计算方法达到高精度异常判断目标。
-
公开(公告)号：CN117475193A
公开(公告)日：2024-01-30
申请号：CN202311042645.7
申请日：2023-08-18
Applicant: 四川大学
IPC: G06V10/764 , G06V10/44 , G06V10/774 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/09
Abstract: 本发明设计了一种基于自生成对抗和卷积神经网络的恶意代码分类方法。具体包括：恶意代码转换RGB图像：介绍了如何使用恶意代码可视化技术将恶意二进制文件转换为RGB图像；基于自生成对抗网络的SAGR模块进行数据增强：详细介绍了自生成对抗网络如何通过训练生成更多的高质量数据；基于SRDN的轻量级卷积神经网络对图像进行分类：详细描述了改进的轻量级卷积神经网络及其相应的参数设置，使用“Concat”连接，批量归一化层，残差连接以及无参注意力机制对轻量级卷积神经网络做了改进。该方法具有较高的恶意代码分类能力且优于近年优秀恶意代码分类算法的分类效果。
-
公开(公告)号：CN118214542A
公开(公告)日：2024-06-18
申请号：CN202211620022.9
申请日：2022-12-15
Applicant: 四川大学
Abstract: 本发明涉及一种面向工业控制系统中监控设备同时访问多个传感设备的通信场景，提出基于秘密共享的安全多因素轻量级群组认证密钥协商协议S2MFL‑GKA。为了减少传感设备节点在群组协商过程中的计算和通信开销，该协议利用秘密共享技术构建传感设备的群组密钥参数，并采用离线注册法把秘密值分发到合法传感设备中，减少传感设备通信次数；为了防止未经授权的监控设备非法访问传感设备，该协议单独对监控设备进行身份认证和访问控制，提出使用ECC技术实现对监控设备安全注册，保证监控设备合法身份标识和通信密钥的安全传输；本协议支持传感设备动态的加入和退出，利用秘密共享技术和中国剩余定理，在不需要重新构建秘密值情况下实现了设备动态的加入和退出。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
