-
公开(公告)号：CN119721187A
公开(公告)日：2025-03-28
申请号：CN202510217551.1
申请日：2025-02-26
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/063 , G06N3/0464 , G06N3/10
Abstract: 本发明公开了一种基于张量填充的遍历式联邦学习方法及系统，包括：基于设备位宽对相应梯度进行分层张量建模；在服务器端将不同梯度中同一模型层的参数归类，将各层分别建模为一个张量；基于张量填充技术将位宽恢复组件中张量对应的不同位宽梯度进行对齐，并对所有梯度进行加权聚合，基于聚合后的权重生成新的全局模型；通过遍历窗口机制，在服务器和客户端中，选取全局模型的不同层进行每一轮训练，使全局模型在低容量设备中均匀训练，直到全局模型收敛。本发明通过结合张量填充和基于遍历的部分模型训练技术，利用张量分解和重构技术迭代恢复模型参数的精度，并采用遍历分层的方式适应不同设备的能力，确保资源受限的客户端也能均衡参与训练。
-
公开(公告)号：CN119645510A
公开(公告)日：2025-03-18
申请号：CN202410147161.7
申请日：2024-02-02
Applicant: 湖南科技大学
IPC: G06F9/445 , G06F9/50 , G06N3/045 , G06N3/0442
Abstract: 本发明公开了一种依赖任务卸载方法、终端设备及存储介质，基于上述一种依赖任务卸载方法，提出了一种具有两个状态嵌入层的多依赖任务双路动态卸载和调度方案，通过使用双路GRU捕获多个依赖任务的特征向量，根据特征向量将依赖任务重建模为有向无环图并进行多异构依赖任务的特征融合，求得多异构依赖任务的最优调度路径，根据获得的最优调度路径来训练卸载模型，做出最佳的卸载决策；考虑到局部边端模型训练的局限性，通过提出一种新的边‑云协作的卸载框架，将异构边缘服务器中训练好的卸载调度模型上传至云端进行加权聚合更新以提高模型的泛化能力，本发明，具有计提高计算效率以更精确快捷处理任务和多任务低开销处理的特点。
-
公开(公告)号：CN119232497B
公开(公告)日：2025-02-28
申请号：CN202411747127.X
申请日：2024-12-02
Applicant: 湖南科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于网络设备微观数据的互联网空间安全测试方法及系统，解决了现有方法在缺乏对单一网络设备微观数据关注和关联设备安全防护方面的不足，该方法包括获取网络设备的微观数据包括物理属性、连接特性、通信行为和历史使用模式，并将其建模为张量，通过采样界确定采集频率；根据采集频率采集行为特征数据，并通过异常检测方法提取和标记异常通信特征；基于异常通信特征计算风险评分，生成风险等级标签，对高风险设备进行实时预警和深度分析；同时对关联设备进行威胁感知指数的计算，进行优先级排序并分配防护资源，确保潜在威胁得到全面防护。本发明能够实现精准的风险评估与动态防护，提高互联网空间安全性。
-
公开(公告)号：CN118449880A
公开(公告)日：2024-08-06
申请号：CN202410569382.3
申请日：2024-05-09
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于块张量补全的低开销网络测量方法、终端设备，数据中心初始化一个三阶张量用于存储网络性能数据；数据中心根据算法对张量进行分块，并以块为最小调度单元，做出测量决策；在一个测量周期内，数据中心根据测量决策向网络发送报文，对部分路径进行持续测量，测量后的网络性能数据将上报回数据中心；数据中心接收到测量数据，更新数据并存储到张量，进而通过张量补全算法推测未测量数据，得到全量网络端到端网络性能数据。本发明解决了现有技术中采样复杂度高、数据重构精度低、数据恢复速度慢等问题，实现全网性能数据的低开销测量。
-
公开(公告)号：CN118449881A
公开(公告)日：2024-08-06
申请号：CN202410569395.0
申请日：2024-05-09
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于张量填充的在线全网距离测量方法、终端设备，将时序到来的网络距离数据建模为基于滑动窗口的三阶张量；对历史网络距离数据张量做CP分解得到相应的因子矩阵，计算源节点因子矩阵和目的节点因子矩阵的行杠杆分值，并分别进行降序排序；根据降序行杠杆分值，快速计算和选择高杠杆分值位置进行网络距离探测，测量位置的数目不小于理论采样界；利用加权张量填充方法从部分测量的网络距离数据中快速、精确地恢复未测量的距离数据，从而获得全网距离数据。本发明解决了现有技术中采样复杂度高、数据重构精度低、数据恢复速度慢等问题，实现全网距离数据的低开销在线采集。
-
Patent Agency Ranking
公开(公告)号：CN120074539A
公开(公告)日：2025-05-30
申请号：CN202510552638.4
申请日：2025-04-29
Applicant: 湖南科技大学
IPC: H03M7/30
Abstract: 本申请公开了一种基于混合压缩算法的数据压缩方法及系统，涉及时序测量数据压缩领域，该方法包括：获取实测监测参数序列和历史实测监测种子数据，并调用预测模型确定预测监测参数序列，计算残差序列；根据残差序列在各个滑动窗口的标准差将残差序列划分为低方差段和高方差段；对低方差段的残差值进行聚类处理以生成相应的字典索引，将高方差段的残差值进行频域变换、量化处理及熵编码而生成相应的频域压缩编码；对历史实测监测种子数据进行无损编码以生成相应的种子数据压缩编码，通过打包组合而得到针对实测监测参数序列的实测监测压缩数据。由此，在边缘设备编码端引入混合压缩算法，通过先验知识建模减少对实时数据全量分析的依赖。
-
公开(公告)号：CN120031108A
公开(公告)日：2025-05-23
申请号：CN202510499985.5
申请日：2025-04-21
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了面向图像分类的鲁棒联邦学习架构，属于机器视觉技术领域，包括以下步骤：S1、筛选各训练客户端，对全局模型参数初始化；S2、得到各训练客户端的模拟增强数据；S3、得到各训练客户端的矫正后的特征向量；S4、得到局部模型训练的基本损失，由此进行各训练客户端的局部模型再训练；S5、得到各训练客户端的含噪局部模型，由此得到各训练客户端的局部更新模型，并上传至服务端；S6、服务端接收各训练客户端的局部更新模型，得到全局更新模型，重复S2至S6操作，直至全局更新模型收敛。解决了现有技术中在数据分布不均情况下，因数据异常出现导致的模型准确度下降的问题。
-
公开(公告)号：CN119918620A
公开(公告)日：2025-05-02
申请号：CN202510400785.X
申请日：2025-04-01
Applicant: 湖南科技大学
IPC: G06N3/098 , G06N3/0464 , G06N3/084 , G06F9/50
Abstract: 本发明公开了一种基于层间差异的自适应聚合联邦学习方法及设备。该方法涉及车联网机器学习领域，包括以下步骤：采集并处理车辆终端数据，通过迭代优化最小化损失函数得到本地模型参数，将全局和本地模型层之间的差异纳入聚合权重的计算过程中，进行联邦学习训练循环。本发明将模型拆解为层，并将全局和本地模型层之间的差异纳入聚合权重的计算过程中，以衡量高数据异质性场景下的不同客户端的贡献。同时引入了基于层间差异的正则项，根据层间差异动态调整各客户端每一轮的聚合权重，从而提高全局模型的跨域泛化能力。
-
公开(公告)号：CN119232497A
公开(公告)日：2024-12-31
申请号：CN202411747127.X
申请日：2024-12-02
Applicant: 湖南科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于网络设备微观数据的互联网空间安全测试方法及系统，解决了现有方法在缺乏对单一网络设备微观数据关注和关联设备安全防护方面的不足，该方法包括获取网络设备的微观数据包括物理属性、连接特性、通信行为和历史使用模式，并将其建模为张量，通过采样界确定采集频率；根据采集频率采集行为特征数据，并通过异常检测方法提取和标记异常通信特征；基于异常通信特征计算风险评分，生成风险等级标签，对高风险设备进行实时预警和深度分析；同时对关联设备进行威胁感知指数的计算，进行优先级排序并分配防护资源，确保潜在威胁得到全面防护。本发明能够实现精准的风险评估与动态防护，提高互联网空间安全性。
-
公开(公告)号：CN120011775A
公开(公告)日：2025-05-16
申请号：CN202510457782.X
申请日：2025-04-14
Applicant: 湖南科技大学
IPC: G06F18/2113 , G06F18/213 , G06F18/25 , G06F18/2321 , G06F17/13 , G06N3/045 , G06N3/0499 , G06N3/0455 , G06N3/0464 , G06F11/30
Abstract: 本申请公开了基于时序建模的设备监测指标筛选方法及系统，涉及服务器状态分析领域，该方法包括：获取设备监测时序数据；基于候选监测指标和辅助参数分别定义NCDE模型的主要输入和扩展输入，通过连续时间建模捕捉候选监测指标的预测残差和隐状态演化特征；在连续的时间窗口内计算候选监测指标的预测残差与系统运行状态之间的相关系数，计算相应的时变相关系数；融合各个候选监测指标的预测残差、时变相关系数和隐状态演化特征以得到相应的指标综合特征，并评估指标综合特征所对应的重要度得分，筛选用于设备监测的目标监测指标。由此，提升从服务器系统的海量监测参数中筛选的关键指标的准确性和时效性，有效减少了数据采集与存储开销。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
