-
公开(公告)号：CN116320021B
公开(公告)日：2024-11-05
申请号：CN202310329502.8
申请日：2023-03-30
Applicant: 电子科技大学
Abstract: 本申请公开一种物联网场景下的基于意图的分层服务匹配方法，针对传统服务描述模型用于物联网中所含匹配信息不足，基于OWL‑S服务匹配算法中匹配等级划分模糊、匹配成功率不高、缺乏非功能属性判断，因此不适用于物联网中的问题，提出一种物联网场景下的基于意图的分层服务匹配方法，在服务本体中拓展服务意图、服务上下文、服务QoS信息，并通过服务意图、服务上下文、服务QoS的三阶段匹配提高服务匹配精确度，通过QoS匹配为用户优选出最能满足用户当前需求的服务，可满足不同用户的定制化、非功能需求，提出的方法适用于不同服务数量下的服务匹配，在全阶段上获得了更高的服务查准率。
-
公开(公告)号：CN116744417A
公开(公告)日：2023-09-12
申请号：CN202310653398.8
申请日：2023-06-05
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04W52/02 , H04W52/26 , H04W4/70 , H04L41/16 , H04L41/5051
Abstract: 本发明属于信息技术服务技术领域，公开了一种低功耗物联网中能量敏感服务选择方法及系统，旨在解决物联网中能量敏感资源的优化利用问题。本发明通过设计一种基于Skyline查询的服务过滤方法来降低后续服务选择的复杂度，并提出一种基于深度强化学习算法的服务选择策略，以实现在保证服务质量的情况下延长物联网系统整体寿命。本发明采用基于深度强化学习的服务选择算法，从候选服务中选择最佳服务，同时，系统进行状态监测，当QoS与能量变化大于阈值时，重新执行服务筛选以确保服务选择的最优性。本发明可根据用户的请求与约束，动态地选择最合适的服务提供者，为低功耗物联网中能量敏感资源的优化利用提供了新的思路和方法。
-
公开(公告)号：CN114257298B
公开(公告)日：2022-09-27
申请号：CN202210050792.8
申请日：2022-01-17
Applicant: 电子科技大学
Abstract: 本发明公开一种智能反射表面相移和无人机路径规划方法，涉及无人机空地通信、智能反射表面辅助通信和深度学习领域，本发明基于深度强化学习的框架，实现相比于传统凸优化算法在计算复杂度和精度上的权衡，结合智能反射表面技术，联合优化无人机三维轨迹与智能反射表面相移，使得最小化无人机能耗的同时最大化无线通信网络增益，提升无人机与地面终端通信能效。
-
公开(公告)号：CN113542060A
公开(公告)日：2021-10-22
申请号：CN202110768602.1
申请日：2021-07-07
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了本发明公开一种基于设备通信数据特征的异常设备检测方法，利用聚类算法处理获得正常设备通信行为特征；利用数据点与邻域点距离，设计数据密度半径表示其局部密度情况，采用邻域内点的密度半径均值表示该点的邻域点密度情况，通过两个密度值的差异情况筛选孤立点，对局部同密度的点进行聚类，建立设备正常行为特征库；计算密度情况及其局部密度与邻域密度差异，以及与最近点所在簇的密度差异，判断异常设备行为。本发明具有灵活的适应性，能够适应不同密度分布下的聚类，同时参数能够调节区分不同密度的梯度差，降低了误判概率。
-
公开(公告)号：CN113536207A
公开(公告)日：2021-10-22
申请号：CN202110836466.5
申请日：2021-07-23
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种物联网网关异常状态下的节能采样方法，包括：对于传感器负责采样的物理量，设定好相关的参数，以及最小的采样间隔时间；传感器节点执行采样，将采样数据存储，然后对采样数据做二阶差分，并根据差分值决定下次采样时间间隔，其值为最小采样间隔时间的整数倍；根据之前的采样值及预测值，通过三次指数平滑算法预测出下一时刻到下次采样时的数据；当采样值与预测的该时刻的值的误差大于阈值时，后面若干个数据采用最小时间间隔来进行采样，平滑值也初始化，并用连续采样获得的数据进行迭代。本发明能够避免无效的采集和数据丢失；对采样数据进行二阶差分运算，实现了采样的节能，能够保证获得足够的数据和预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN107094157A
公开(公告)日：2017-08-25
申请号：CN201710479825.X
申请日：2017-06-22
Applicant: 电子科技大学 , 成都奥特为通讯有限公司
IPC: H04L29/06
CPC classification number: H04L63/101 , H04L63/083 , H04L63/0876 , H04L63/1416 , H04L63/1441 , H04L63/20
Abstract: 本发明涉及一种基于SDN的RADIUS安全认证方法及系统。该方法将访问RADIUS服务器的数据报文发送到仿真RADIUS服务器对其进行监测，用户发出RADIUS认证请求，SDN控制器查询本地数据库，进行MAC层认证，结束MAC层认证后，对数据报文进行备份，并且对RADIUS请求的特定域进行分析，确保合理，SDN控制器数据报文转交给仿真RADIUS服务器及检测器，仿真RADIUS服务器对用户名和密码的合法性进行检验，在检验过程中配置监测器，如果检验异常，通知SDN控制器，将本次认证的用户的MAC地址列入黑名单，如果检验合法，则将发送至监测器的数据报文转交给RADIUS服务器。本发明防止了同一用户反复恶意认证、防止恶意报文导致的RADIUS服务器崩溃。
-
公开(公告)号：CN113536207B
公开(公告)日：2024-02-02
申请号：CN202110836466.5
申请日：2021-07-23
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种物联网网关异常状态下的节能采样方法，包括：对于传感器负责采样的物理量，设定好相关的参数，以及最小的采样间隔时间；传感器节点执行采样，将采样数据存储，然后对采样数据做二阶差分，并根据差分值决定下次采样时间间隔，其值为最小采样间隔时间的整数倍；根据之前的采样值及预测值，通过三次指数平滑算法预测出下一时刻到下次采样时的数据；当采样值与预测的该时刻的值的误差大于阈值时，后面若干个数据采用最小时间间隔来进行采样，平滑值也初始化，并用连续采样获得的数据进行迭代。本发明能够避免无效的采集和数据丢失；对采样数据进行二阶差分运算，实现了采样的节能，能够保证获得足够的数据和预测的准确性。
-
公开(公告)号：CN116709478A
公开(公告)日：2023-09-05
申请号：CN202310457105.9
申请日：2023-04-24
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于博弈激励机制的节能联邦学习无线算力网络模型设计方法，是针对当前无线算力网络研究较少的问题，提出了以联邦学习为框架的算力网络设计；针对难以保证一定数量的设备参与联邦学习和参与联邦学习的设备本地计算和通信耗能较大的问题；利用斯塔克伯格博弈激励边缘服务器参与算力网络；通过设计联合优化算法来确定每个参与算力网络边缘服务器占用的带宽、传输功率、CPU频率和本地准确度以此尽可能降低每个参与设备的能量消耗；最后数据仿真验证了所提出的激励机制的有效性。
-
公开(公告)号：CN116614842A
公开(公告)日：2023-08-18
申请号：CN202310236112.6
申请日：2023-03-13
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开一种多媒体流量管理与调度方法，本申请针对不同的业务需求和差异化的服务质量需求，设计了基于时钟的二级网络流量调度机制，在保证了高优先级业务传输可靠性的同时，仍然给予了低优先级流量一定的带宽，维持其作业，本申请针对QoS流量特征，制定了基于QoS流量特征的寻径策略，从而降低了网状网络中发生拥堵了可能，降低了丢包率，进而提高了网络利用率。
-
公开(公告)号：CN116582291A
公开(公告)日：2023-08-11
申请号：CN202310236118.3
申请日：2023-03-13
Applicant: 电子科技大学长三角研究院(衢州)
IPC: H04L9/40 , H04L43/026 , G06F18/2415
Abstract: 本发明公开了一种基于多维数据特征的物联网入侵检测方法，对多维数据特征进行特征联合，可以放宽条件独立性假设，减少该假设带来的误差；通过最大互信息量匹配，设计物联网环境下数据集中相互联合的特征的方法；将多维数据特征联合后形成新特征，用新特征进行训练分类器；进行数据仿真并验证了所提出的算法的有效性；本发明提高了高维特征数据的计算效率，因为进行了特征联合，减少了特征的维数，因此可以在高维数据环境下更好的工作，入侵检测的特征维数较高，提高了计算效率，可以达到快速预测的效果；本发明减少了特征独立性假设带来的误差，产生了更加准确的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.021 seconds)
