-
公开(公告)号：CN113891275B
公开(公告)日：2023-11-07
申请号：CN202111186433.7
申请日：2021-10-12
Applicant: 大连理工大学
Abstract: 本发明属于海洋物联网领域，提出一种基于迁移学习的水下无线传感器网络信任模型，首先对水下场景中的节点漂流模型和能量损耗模型进行建模，综合考虑传感器节点的移动性和能耗，对传感器节点进行分簇，并根据以上因素实时调整；其次，簇头节点收集目标节点的信任证据，并传输到边缘服务器；然后在边缘服务器中进行预处理，并使用基于迁移学习的检测模型对预处理后的数据进行训练，得到新的检测模型和评估结果；最后将评估结果传输到云端进行存储，同时反馈给簇头，簇头根据评估结果对目标节点做出判断。本发明引入边缘计算和迁移学习，实现了降低检测时延并灵活应对新的网络攻击、提高水下无线传感器网络的安全性。
-
公开(公告)号：CN113891275A
公开(公告)日：2022-01-04
申请号：CN202111186433.7
申请日：2021-10-12
Applicant: 大连理工大学
Abstract: 本发明属于海洋物联网领域，提出一种基于迁移学习的水下无线传感器网络信任模型，首先对水下场景中的节点漂流模型和能量损耗模型进行建模，综合考虑传感器节点的移动性和能耗，对传感器节点进行分簇，并根据以上因素实时调整；其次，簇头节点收集目标节点的信任证据，并传输到边缘服务器；然后在边缘服务器中进行预处理，并使用基于迁移学习的检测模型对预处理后的数据进行训练，得到新的检测模型和评估结果；最后将评估结果传输到云端进行存储，同时反馈给簇头，簇头根据评估结果对目标节点做出判断。本发明引入边缘计算和迁移学习，实现了降低检测时延并灵活应对新的网络攻击、提高水下无线传感器网络的安全性。
-
公开(公告)号：CN116528240A
公开(公告)日：2023-08-01
申请号：CN202310501897.5
申请日：2023-05-06
Applicant: 大连理工大学
IPC: H04W12/122 , H04W12/00 , H04W12/63 , G06N3/0475 , G06N3/094 , G06N3/047 , G06N3/048 , G06N3/0895 , G06F18/23213 , G06F18/2415
Abstract: 本发明属于移动无线传感器网络领域，公开了一种基于生成对抗网络的移动无线传感器网络信任评估方法。建立移动场景中的传感器节点聚类模型和移动模型；收集节点通信、能量、数据、位置变化为信任证据；簇头收集目标节点信任证据后传输到基站，对信任证据进行预处理，分离有标签数据和无标签数据，使用基于生成对抗网络的半监督学习方法进行训练，基于softmax方法对节点进行信任评估；评估结果返回簇头，簇头根据评估结果对目标节点进行判断。本发明引入生成对抗网络和半监督学习方法，利用大量无标签数据中的隐含信息，降低了检测模型对有标签数据的依赖性，实现了利用少量有标签数据准确识别恶意节点，保证了移动无线传感器网络的安全性。
-
-
Search Results
3
records
(took 0.014 seconds)
