-
公开(公告)号：CN105872054B
公开(公告)日：2019-01-08
申请号：CN201610195917.0
申请日：2016-03-30
Applicant: 江苏大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于兴趣热点的移动社交网络资源发现方法，包括：步骤1，对节点兴趣进行有效表达，根据节点的兴趣聚类节点，形成兴趣热点；步骤2：对兴趣热点进行有效表达，记录热点的迁移变化规律；步骤3，利用节点对热点的访问轨迹计算节点之间的社会关系；步骤4，针对共享兴趣的节点，根据节点的共享兴趣与构建的热点搜索资源；步骤5，针对未共享兴趣的节点，利用节点之间的社会关系进行资源搜索。上述搜索过程中还包括对热点的迁移变化构建马尔科夫预测，进一步提高资源的搜索效率、准确度并降低系统开销。本发明能够提高资源搜索的效率，降低资源发现的时延与通信开销。
-
公开(公告)号：CN109151738A
公开(公告)日：2019-01-04
申请号：CN201810711468.X
申请日：2018-07-03
Applicant: 江苏大学
Abstract: 本发明公开了一种基于贝叶斯模型的城市环境下VANET消息转发方法，包括步骤：1.车辆节点通过hello数据包交换上下文信息；2.源节点根据上下文信息，使用贝叶斯模型计算出投递成功概率；3.源节点使用本地缓存S1临时存储待转发消息，并使用负载均衡算法，将待转发消息分配到通信范围内的目标节点，避免因单个节点的缓存空间占用过多而导致网络拥塞现象；4.投递完成后，源节点会获得投递信息反馈报表，并存入本地缓存S2。节点定时地使用S2中的数据训练出新的贝叶斯模型参数。之后，节点使用新的模型参数去完成步骤2中的概率计算。贝叶斯模型参数能实时更新，因此，方案具有良好的自适应性和鲁棒性，能够有效地提高VANET环境中消息数据的投递成功率。
-
公开(公告)号：CN105228180B
公开(公告)日：2018-08-21
申请号：CN201510631353.6
申请日：2015-09-29
Applicant: 江苏大学
Abstract: 本发明公开了一种基于节点转发能力估计的车载容迟网络路由方法，包括：步骤1：判断目的节点是否在源节点通信范围内，若在，则直接发送信息至目的节点；否则，执行步骤2；步骤2：估计源节点与其通信范围内所有邻居节点的有效连接时间Ta；步骤3：将Ta值超过阈值的邻居节点视为中继候选节点；步骤4：构造中继候选节点吞吐量函数，计算中继候选节点的平均转发能力值；步骤5：将平均转发能力值最大的中继候选节点作为下一跳中继节点；步骤6：源节点选出中继节点，将信息发送至中继节点；并将中继节点作为新的源节点；步骤7：循环执行步骤1至步骤6，直至流媒体信息被成功传送至目的节点。本发明数据包投递率高，传输时延低、时延抖动低。
-
公开(公告)号：CN112150144B
公开(公告)日：2024-12-13
申请号：CN202010807089.8
申请日：2020-08-12
Applicant: 江苏大学
Abstract: 本发明公开了一种基于跨节点多跳支付的区块链匿名交易方法，步骤如下：1、用户连接：用户节点参与交易前，通过加密模块进入加密会话状态，加密和认证节点间消息。2、通道建立：用户节点进入加密会话状态后，节点双方协商建立支付通道。在通道余额清空前，节点双方可提前申请关闭支付通道。3、匿名支付：用户节点可选择已拥有通道的节点，这些节点有偿转发用户节点交易信息，用户节点通过本地网络视图确定费用最优的支付路径，完成跨节点匿名支付。本发明通过在交易前建立安全会话，保证交易双方通信安全；通过建立支付通道，节点可选择通道性价比高的节点生成匿名支付路径。本发明能够保证交易费用最优的同时达到快速、匿名交易的效果。
-
公开(公告)号：CN116823470A
公开(公告)日：2023-09-29
申请号：CN202310760079.7
申请日：2023-06-26
Applicant: 江苏大学
IPC: G06Q40/04 , G06F18/23 , G06F18/214 , G06N3/048 , G06N3/084
Abstract: 本发明公开了基于节点影响力的区块链匿名交易追踪方法、电子设备及存储设备，步骤1，使用基于交易图的地址聚类方法处理区块链交易图，得到账户交易有向图。提取账户之间的交易金额和交易次数，存储到对应字典；步骤2，将交易金额和交易次数组合得到相应值，将该值按节点编号存储到矩阵；步骤3，用简化近似个性化预测传播SA3P模型处理步骤2得到的矩阵和节点特征矩阵，得到节点影响力；步骤4，根据初始节点用反向可达集进行交易追踪，得到所有可能的资金流动路径，最后找到节点平均影响力较大的几条路径，得到目标账户最可能与哪些账户进行交易，由此追踪交易。本发明能够适用于多种交易追踪场景，有效避免过拟合，实现高效准确的交易追踪。
-
Patent Agency Ranking
公开(公告)号：CN116684133A
公开(公告)日：2023-09-01
申请号：CN202310646614.6
申请日：2023-06-01
Applicant: 江苏大学
IPC: H04L9/40 , G06F18/25 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了基于双层注意力和时空特征并行融合的SDN网络异常流量分类装置及方法，(1)将数据集转换成一维字节序列和二维数字矩阵，并进行批归一处理；(2)L2‑BiTCN模型：将字节序列传入一层BiTCN模型，通过字节注意力机制计算得出字节数据的权重分布，得到字节数据包向量；再将带字节权重的数据包向量作为输入，传入二层BiTCN模型，通过数据包注意力机制计算得出数据包的权重分布，得到流时序特征向量f1；(3)CNN模型：将数字矩阵传入CNN模型，使用不同大小的卷积核进行两轮卷积和平均池化操作，将得到的局部特征矩阵进行Flatten降维，再对一维张量进行Concat连接，得到流空间特征向量f2；(4)融合f1和f2得到时空特征向量f，使用Softmax分类器得出最终的流量类别。
-
公开(公告)号：CN113422795B
公开(公告)日：2022-11-18
申请号：CN202110488718.X
申请日：2021-05-06
Applicant: 江苏大学
IPC: H04L67/1008 , H04L67/10 , H04L67/12 , H04L41/14 , H04L41/142 , H04W28/08 , G06N3/08
Abstract: 本发明公开了一种基于深度强化学习的车载边缘任务集中调度与资源分配联合优化方法，包括步骤：1.获取车辆任务可接入RSU的信息、车载任务的信息等；2.将车载任务边缘调度与资源分配决策方法转化为数学问题，进行数学建模；3.使用深度强化学习方法求解步骤2中的数学模型；4.将算法部署至软件定义的中央控制器。本发明充分考虑每个车载任务对边缘计算服务器负荷的影响、各个车载任务之间影响，在保证在规定时间内完成计算车载任务、保证各个边缘计算服务器的负载均衡的同时，使得边缘计算服务器提供商的利益最大化。
-
公开(公告)号：CN115174184A
公开(公告)日：2022-10-11
申请号：CN202210756819.5
申请日：2022-06-30
Applicant: 江苏大学
IPC: H04L9/40 , H04L9/32 , H04L67/1095 , G06Q40/04
Abstract: 本发明公开了一种基于属性基加密的交易客体身份匿名可追踪方法、网络设备、存储设备，由区块链服务器生成公共参数和主密钥并派发到注册中心。在注册中心生成审计端口和监管端口的私钥。用户端向注册中心发送注册申请，注册中心对用户端的申请进行验证、广播至区块链，完成用户身份注册并将加密过的用户数据上传至区块链网络。用户之间的交易，由用户A向用户B发送交易请求，用户B接收请求后，对交易在区块链上广播，由审计端口对该交易审计，若非法或者违规，则追踪该交易，若合法，则将其上传至区块链网络。本发明采用属性基加密和区块链存储相结合，保证远程交易过程中包含用户隐私、通信安全、数据安全、不可篡改以及交易可追溯性。
-
公开(公告)号：CN115002118A
公开(公告)日：2022-09-02
申请号：CN202210611401.5
申请日：2022-05-31
Applicant: 江苏大学
IPC: H04L67/10 , H04L41/142 , G06F9/445 , G06F9/48 , G06F9/50
Abstract: 本发明公开了一种基于分布式鲁棒的软件定义车载任务卸载迁移规划方法、SDN控制器及部署方法，包括步骤：1.获取车辆任务可接入RSU的信息、车载任务的信息等；2.根据当前可得RSU间的数据求得车载任务起点和终点间的最优k条路径集；3.将车载任务卸载迁移规划问题转化为数学问题，并对原模型进行转化；4.使用分支定界性的隐枚举法求解一阶段规划问题，再使用半定规划求解二阶段分布鲁棒问题；5.将算法部署至软件定义车载网络中的控制器。本发明充分考虑每个车载任务在边缘计算网络中的任务传输状况，在保证在规定时间内完成计算车载任务、保证传输能耗有限的同时，使得车载任务卸载迁移规划时间成本和能耗成本最低。
-
公开(公告)号：CN111866807A
公开(公告)日：2020-10-30
申请号：CN202010571179.1
申请日：2020-06-22
Applicant: 江苏大学
Abstract: 本发明公开了一种基于深度强化学习的软件定义车载任务细粒度卸载方法，包括步骤：1.获取车辆可接入RSU的信息、车辆任务的信息等；2.根据步骤1中的RSU的信息划分车载任务的卸载时隙；3.将车载任务卸载时隙决策方法转化为数学问题；4.使用深度强化学习方法求解步骤3中的数学问题；5.将算法部署至SDN控制器。本发明能充分利用卸载时隙而减少卸载造成的网络传输延迟。本发明制定卸载时隙决策时充分考虑包括车辆与RSU的相对位置、RSU中接入的车辆的数目、RSU所需要接收的车载任务的数量等因素，能够有效降低车辆任务的卸载延时。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.029 seconds)
