-
公开(公告)号：CN120012955A
公开(公告)日：2025-05-16
申请号：CN202510076287.4
申请日：2025-01-17
Applicant: 重庆邮电大学
IPC: G06N20/00
Abstract: 本发明公开了一种面向非独立同分布数据的公平联邦学习方法，属于联邦学习技术领域。虽然目前已有较多针对联邦学习的公平性方案，但这些方案大多需要增加客户端资源开销。本发明在实施过程中，通过引入辅助数据集，并结合交叉熵与边际损失，比较客户端在未参与聚合时全局模型的性能，与其参与聚合时全局模型的性能，来衡量该客户端的影响力；利用所求影响力，建立聚合权重调整机制，确保对全局模型影响力较大的客户端获得更高的聚合权重；根据每轮参与客户端的影响力大小，增加具有较高影响力的客户端参与联邦训练的次数。同时，采用上述方法，无需增加客户端计算资源消耗和任何额外通信，促进了联邦学习过程中的良性循环，提升参与方的积极性。
-
公开(公告)号：CN119961866A
公开(公告)日：2025-05-09
申请号：CN202510075789.5
申请日：2025-01-17
Applicant: 重庆邮电大学
IPC: G06F18/25 , G01S13/72 , G01S13/86 , G01S13/08 , G01S13/58 , G06F18/10 , G06F18/213 , G06F18/20 , G06V10/25 , G06V10/764 , G06V10/82 , G06T7/246 , G06F17/11 , G06F17/16 , G06F123/02
Abstract: 发明公开了一种基于多传感器融合和深度学习技术的无人机检测与追踪系统，包含数据收集层、数据处理层、扩展卡尔曼滤波(EKF)估计层和深度学习层。系统首先判断需要追踪的无人机，然后通过数据收集层(雷达、摄像头、RF信号收集设备)获取目标距离、速度、方向和图像信息等，数据处理层完成时间同步、去噪声、数据标准化以及数据增强处理，EKF估计层对目标运动状态(位置、速度、加速度等)进行实时估计，深度学习层可以采用目标检测与分类模型方法，结合EKF输出与图像特征实现无人机的检测、分类与跟踪。本系统可以对目标空域的单个无人机以及无人机集群的关键无人机进行检测和追踪，适用于空域管理与安防领域。
-
公开(公告)号：CN119743172A
公开(公告)日：2025-04-01
申请号：CN202411869739.6
申请日：2024-12-18
Applicant: 重庆邮电大学
IPC: H04B7/0456 , H04B7/0452
Abstract: 本发明公开了基于大规模MIMO系统的鲁棒预编码方法，该方法包括：构建有限反馈的大规模MIMO系统，对信道矩阵进行分解，推导得到基于二阶统计量近似的信道分解模型；基于该信道分解模型，提出鲁棒预编码方案，其包括两个子方案，其分别为：第一子方案：利用所述信道分解模型，在量化信道状态信息CSI上取条件期望，提出鲁棒MMSE的优化问题；采用拉格朗日乘子法求解所述鲁棒MMSE的优化问题，得到最优预编码矩阵；第二子方案：利用所述信道分解模型，构建带条件期望的WMMSE优化问题；采用迭代优化算法求解所述带条件期望的WMMSE优化问题，得到鲁棒WMMSE预编码矩阵。本发明解决由量化误差带来的性能下降问题，鲁棒预编码补偿由量化误差和不完美CSI带来的影响，提高系统性能。
-
公开(公告)号：CN114553481B
公开(公告)日：2024-12-03
申请号：CN202210049295.6
申请日：2022-01-17
Applicant: 重庆邮电大学
IPC: H04L9/40
Abstract: 本发明提供一种网络攻击事件预测及最优主动防御策略选取系统，对于目前网络遭受攻击时，运用HMM的方法合理预测网络未来可能出现的攻击，然后运用最优主动防御策略选取系统，以实现高效准确预测网络遭受的攻击。在遭受网络攻击之前就运用最优策略保障网络空间安全。在网络遭受攻击的过程中，运用HMM模型的预测方法，可以模型网络攻防双方的状态，具有较好的实际指导意义。主动防御的方法，在攻击之前就进行防御，可以大幅度的降低网络所遭受的攻击，对于实际应用具有不可忽视的优势。
-
公开(公告)号：CN118643226A
公开(公告)日：2024-09-13
申请号：CN202410766835.1
申请日：2024-06-14
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于网络舆情分析领域，具体涉及一种基于正反面引导话题的社交话题传播预测方法，包括使用社交网络的API接口获取话题数据，根据用户话题数据提取消息内部因素特征和用户内部因素特征；计算正面引导消息影响力和反面引导消息影响力；采用演化博弈理论计算正面引导消息推动力和反面引导消息推动力；计算用户的独立转发概率；根据用户的独立转发概率构建传播动力学方程；求解传播动力学方程，得到用户对不同引导类型话题的传播预测结果；本发明能更加准确的预测社交网络中引导类话题传播趋势。
-
Patent Agency Ranking
公开(公告)号：CN116451115A
公开(公告)日：2023-07-18
申请号：CN202310350704.0
申请日：2023-04-04
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06N3/04 , G06N3/08
Abstract: 本发明涉及多数据集多属性模型相似性比较方法，属于人工智能领域。本发明通过同分布输入在对比模型上的输出分布差异来度量模型之间的相似性。本发明选择使用待比较模型双方对应的全部或部分训练集，另筛选合适的与待比较模型双方分类标签语义特征相关性较弱的数据集，将这几个数据集中的样本作为测试样本。然后将合适的测试样本分别输入待比较的两个模型中，获得相应的输出。进一步利用预测标签一致率对比模型，并通过多个来源的数据集以及多个与待比较模型双方分类标签语义特征相关性较弱的数据集综合多数据集多属性形成综合相似度。本发明解决了在无法获取模型结构和参数信息的情况下难以比较判断两个模型的相似度的问题，以达到发现无授权使用深度学习模型行为的目的。
-
公开(公告)号：CN116318678A
公开(公告)日：2023-06-23
申请号：CN202310311718.1
申请日：2023-03-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多因子物联网终端动态群组接入认证方法，属于物联网领域，包括：S1：SDN控制器与物联网网关建立安全连接，SDN控制器进行系统初始化，生成一个安全私钥，并选择一个安全单项哈希函数；S2：将物联网终端按群组进行划分，在安全信道下统一注册；S3：物联网终端通过PUF解密智能卡中的秘密参数，并对物联网终端的安全性、可靠性进行验证；S4：物联网终端进行身份认证与会话密钥协商；S5：当要向某一终端群组中添加新成员时，更新组密钥以保证前向安全；S6：当发现一个群组中的某个成员存在恶意行为时，将该成员逐出群组，并更新组密钥SKG以保证后向安全；S7：定时更新组身份与PUF激励响应对。
-
公开(公告)号：CN112733187B
公开(公告)日：2022-10-11
申请号：CN202110031814.1
申请日：2021-01-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于时间属性的数字取证分析鉴别方法，属于信息安全领域。首先，提取电子数据并解析文件元数据包含的时间戳信息。然后，根据常见操作对文件时间戳的影响规则对文件进行基础性判断。再然后，进一步地基于$LogFile判断$MFT时间创建记录是否有被篡改的可能。接着，基于$USNjrnl判断$MFT时间修改记录是否被篡改的可能。其次，基于Prefetch files记录的时间戳判断是否有时间伪造工具使用痕迹。最后，基于Link files记录的时间戳判断$MFT时间是否被篡改。本发明有助于案件中对单一证据的不确定性进行真实性鉴别，提高取证分析结果的可信性。
-
公开(公告)号：CN114821227A
公开(公告)日：2022-07-29
申请号：CN202210378464.0
申请日：2022-04-12
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种深度神经网络对抗样本评分方法，提出了一种以黑盒方式评估对抗样本攻击效果的新方法，采取模糊综合评价方法，以一个名为对抗样本评分(Adversarial Examples Score,AES)的指数来评估和量化对抗样本攻击效果。具体包括计算对抗样本的可迁移性、不可察觉性、攻击成功率和标签偏移度，确定隶属度子集表，利用层次分析法确定各方面评价权重A，模糊综合评价矩阵，得到对抗样本评分指数。AES指数的输出是衡量对抗样本攻击效果的分数，可以用其来评估对抗样本对深度神经网络的危害性。
-
公开(公告)号：CN114500387A
公开(公告)日：2022-05-13
申请号：CN202210134214.2
申请日：2022-02-14
Applicant: 重庆邮电大学
IPC: H04L47/125 , H04L47/2441 , H04L47/2483 , H04L69/22 , G06N3/00 , G06N20/00
Abstract: 本发明涉及一种基于机器学习的移动应用流量识别方法及系统，属于流量识别领域。所述方法包括：流量采集阶段、流量处理阶段、特征提取阶段、流量标记阶段、流量平衡阶段、模型训练阶段；所述系统包括：流量监听模块、流量处理模块、流量展示模块、特征提取模块、特征展示模块、应用识别模块、结果展示模块。本发明提出了多特征融合的特征提取方案，提升了信息丰富度，优化了模型训练效果，分类准确性得到提升；设计出SMOTE+ENN样本平衡算法与随机森林算法相结合的模型训练方式，使得少数类样本的误分率降低，提高了分类器的分类识别能力。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.029 seconds)
