-
公开(公告)号：CN115002118B
公开(公告)日：2025-03-14
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：CN118631554A
公开(公告)日：2024-09-10
申请号：CN202410833390.4
申请日：2024-06-26
Applicant: 江苏大学
IPC: H04L9/40
Abstract: 本发明公开了融合知识蒸馏和时空图神经网络的物联网恶意攻击流量检测方法、设备及存储介质。首先，对输入的原始流量数据集进行预处理，解决样本不平衡问题，并构建流量拓扑图充分表示主机之间的通信连接和交互关系。其次，在教师模型训练中，SAGPool‑STGNN算法使用自注意力图池化机制筛选并保留重要节点，并结合门控循环单元保存流量的历史信息和当前信息。接着，在学生模型训练中，使用基于响应的知识蒸馏技术，让学生模型模仿教师模型，结合KL散度和交叉熵函数计算整体损失，有效学习流量拓扑图的全局信息，提取时空特征。最后，在计算资源受限的物联网设备终端上通过TensorFlow Lite部署使用该方法训练好的模型，实现对物联网恶意流量的高效检测。
-
公开(公告)号：CN114928826A
公开(公告)日：2022-08-19
申请号：CN202210358813.2
申请日：2022-04-07
Applicant: 江苏大学
Abstract: 本发明公开了一种软件定义车载任务卸载与资源分配的二阶段优化方法、控制器及决策方法，包括：1.获取车辆任务可接入RSU的信息、车载任务的信息等；2.将车载任务卸载与资源分配二阶段优化方法转化为数学问题；3.使用深度强化学习方法求解步骤2中的数学问题；4.将算法部署至软件定义的中央控制器，由SDN控制器根据当前网络和节点的状态信息为车载任务确定最佳的卸载和资源分配决策。本发明充分考虑每个车载任务的卸载位置和适当的资源调度，在确保计算资源足够使用且计算时延满足任务需求的同时，使得边缘计算服务器提供商的利益最大化。
-
公开(公告)号：CN109151738B
公开(公告)日：2021-03-23
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：CN105228180A
公开(公告)日：2016-01-06
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。
-
Patent Agency Ranking
公开(公告)号：CN117544353A
公开(公告)日：2024-02-09
申请号：CN202311495222.0
申请日：2023-11-10
Applicant: 江苏大学
IPC: H04L9/40 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了轻量级生成对抗网络、匿名网络环境下基于该网络的加密流量隐匿方法及设备，包括1.对普通流量进行基于特征关联性加权的分裂层次聚类；2.将步骤1中的类簇进行数据增强；3.根据步骤2中的类簇，训练使用引入带有权衡因子的正交化权重矩阵的变分自编码器；4.使用编码器和解码器输出浓缩隐变量和模糊流量；5.根据步骤4的结果，训练改进后的轻量级生成对抗网络；6.根据步骤5的结果，修改匿名网络出入口节点的加密流量。本发明将生成器和判别器的大量计算分摊到训练更稳定、时间开销更小的变分自编码器，不仅能够生成与目标流量相似的虚假流量，躲避流量分析攻击，而且能够减少生成对抗网络参数、网络层数，实现模型的轻量化。
-
公开(公告)号：CN117113060A
公开(公告)日：2023-11-24
申请号：CN202311186747.6
申请日：2023-09-14
Applicant: 江苏大学
IPC: G06F18/213 , G06F18/241 , G06N20/00
Abstract: 本发明公开了一种融合熵、方差和相关系数的权重分配特征评估与选择方法及计算机设备，包括：(1)确定数据集；(2)对数据集进行样本划分；(3)计算每类样本特征的相关系数；(4)计算每类样本特征的方差；(5)计算每类样本特征的熵；(6)将得到的三项特征指标进行缩放和权重分配；(7)递归添加特征，选出最重要的特征集合；(8)合并经过特征选择后的每个样本，并检查特征维度；本发明综合考虑了特征的统计特性、信息特性和相关度三个指标，将误报率作为衡量标准，使用递归添加特征法训练模型，在保证模型性能的同时，能全面快速的选择出最适合数据样本的特征子集，达到降维、消除冗余、提高训练效率和减少过拟合的目的。
-
公开(公告)号：CN110891253B
公开(公告)日：2022-09-16
申请号：CN201910973338.8
申请日：2019-10-14
Applicant: 江苏大学
Abstract: 本发明公开了一种基于节点所属社区和场景中社区的热度的车载容迟网络路由方法，共包含四个阶段。阶段1：阶段1每隔T天执行一次，来对场景中节点在社区间的移动信息进行统计，然后利用Google的Pagerank排名技术数值化场景中各个社区的社区热度。本发明中T＝30。阶段2：源节点以概率P转发消息给遇到的中继节点，并更新P的值阶段3：消息携带者将消息投递至目标社区。阶段4：消息在目标社区内部传播。目标社区的ThrowBox将存储的消息转发给进入社区内部的节点，而这些被带入社区内部的消息将在本发明中路由协议的控制下通过移动社交网络(MSNs，Mobile Social Networks)中的经典路由方法Spray&Wait在社区内传播。
-
公开(公告)号：CN112153004A
公开(公告)日：2020-12-29
申请号：CN202010872243.X
申请日：2020-08-26
Applicant: 江苏大学
Abstract: 本发明公开了一种SDN环境下基于子网温度的DDoS攻击检测方法，包括步骤1.设置计算子网温度时使用的数据参数；2.周期性获取网络中各个子网的流表并根据步骤1中的数据参数计算各个子网的子网温度；3.根据步骤2中的子网温度与步骤1中设置的阈值进行比较；4.根据步骤3中的判定结果以子网相关温度对子网中的流量使用SVM分类算法进行分类分析。本发明能够应对多种使用情景并可考虑多种影响因素，相关参数的灵活改变，能够适应不同强度下的检测，能高效准确的检测出DDoS攻击。
-
公开(公告)号：CN115269858A
公开(公告)日：2022-11-01
申请号：CN202210587455.2
申请日：2022-05-27
Applicant: 江苏大学
Abstract: 本发明公开了一种基于知识图谱的区块链匿名追踪方法及电子设备，首先根据已知可疑地址账户按照交易价值进行筛选，得到交易发生时间及相应地址账户范围，并根据交易的流向及价值对区块链进行切片分析；然后通过对切片分析后得到的图谱进行依存句法树分析提取出图谱中隐含的逻辑规则，其次使用GraphSAGE算法学习得到各个节点在低维空间的向量表示以供逻辑推理分析任务使用。紧接着由关系评估函数对节点的向量表示进行评估从而推理得到节点间潜在的逻辑关系并采用K‑shell算法评估节点在区块链网络中的重要程度，最后使用可视化工具将节点的重要程度或影响力表示出来以观察节点间的关系及影响范围，推测出地址账户间的隐藏关系，从而发现实体间的关系。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
