公开(公告)号：CN117834661A

公开(公告)日：2024-04-05

申请号：CN202211217347.2

申请日：2022-10-03

Applicant: 东北林业大学

Inventor： 李清锋 ,  陈家骏 ,  姜德森 ,  罗骏 ,  陈宇翱 ,  汤骁

IPC: H04L67/12 ,  G08G1/01 ,  G08G1/017

Abstract: 本发明设计一种交通事故预警系统，具体为一种基于边缘计算和机器学习的物联网交通事故检测、预警方法与装置。针对目前交通事故处理中存在的问题，本发明设计了一种基于“云‑边‑端”架构的边缘计算和机器学习的物联网交通事故检测与预警方法与装置，能够实时更新车祸发生概率预测模型的同时，还采用了边缘计算的方式，既增强了系统的稳定性，又能够通过交通道路中的监控视频进行实时处理与分析，降低了误差，提升了通信速度，也提高了系统的可靠性。

公开(公告)号：CN114745194B

公开(公告)日：2022-11-01

申请号：CN202210440173.X

申请日：2022-04-25

Applicant: 东北林业大学

Inventor： 李清锋 ,  李博 ,  温林郅 ,  温雪岩 ,  陈家骏

IPC: H04L9/40 ,  G06N3/00

Abstract: 本发明提出涉及一种SDN环境下基于集成学习的DDoS检测方法、装置、电子设备及存储介质，属于DDoS检测技术领域。包括以下步骤：S1.搭建SDN网络环境，获取交换机的流表消息；S2.将S1所述流表消息进行计算处理，以每个交换机作为处理对象，得到最终的数据；S3.构建集成学习模型；S4.输入S2所述数据至集成学习模型中，输出检测结果。本发明实现了能够实时更新DDos检测模型的同时，采用了集成学习的方式，既增强了模型的鲁棒性，又能够增强模型的表达能力，降低实验结果的误差。解决了现有技术中存在的不能实时优化更新模型，SVM单一算法普适性不高，准确率等指标偏低的技术问题。

公开(公告)号：CN114745194A

公开(公告)日：2022-07-12

申请号：CN202210440173.X

申请日：2022-04-25

Applicant: 东北林业大学

Inventor： 李清锋 ,  李博 ,  温林郅 ,  温雪岩 ,  陈家骏

IPC: H04L9/40 ,  G06N3/00

Abstract: 本发明提出涉及一种SDN环境下基于集成学习的DDoS检测方法、装置、电子设备及存储介质，属于DDoS检测技术领域。包括以下步骤：S1.搭建SDN网络环境，获取交换机的流表消息；S2.将S1所述流表消息进行计算处理，以每个交换机作为处理对象，得到最终的数据；S3.构建集成学习模型；S4.输入S2所述数据至集成学习模型中，输出检测结果。本发明实现了能够实时更新DDos检测模型的同时，采用了集成学习的方式，既增强了模型的鲁棒性，又能够增强模型的表达能力，降低实验结果的误差。解决了现有技术中存在的不能实时优化更新模型，SVM单一算法普适性不高，准确率等指标偏低的技术问题。