-
公开(公告)号：CN101834897A
公开(公告)日：2010-09-15
申请号：CN201010153490.0
申请日：2010-04-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种DHT网络负载均衡装置及虚节点划分的方法。DHT网络负载均衡装置的构成包括节点存储容量收集装置、节点带宽收集装置、节点工D区域收集装置、节点性能评价装置、节点邻居集收集装置、节点加入装置、节点退出装置。虚节点划分的方法包括：1)节点加入网络，节点通过性能模型定义自身节点级别，若本身为弱节点，找到临近的弱节点；2)节点合并，节点退出网络并与找到的临近弱节点建立连接，共同组成一个强虚节点，退出节点通过相邻弱节点与系统中的其他节点交互，其他节点将退出节点看成为强虚节点的一部分；3)节点合并后的调整。节点合并后查询只包含强虚节点ID，由强虚节点分配各弱节点的负载，以达到负载均衡。
-
公开(公告)号：CN101795215A
公开(公告)日：2010-08-04
申请号：CN201010101883.7
申请日：2010-01-28
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种网络流量异常检测方法及检测装置。包括数据选取单元，用于选取待检测的网络指标数据，建立属性记录；分布分析单元，考察网络中各个主机发起连接和被连接中的所述属性记录的各个属性的分布状况；观测信息熵获得单元，用于当时间间隔到达设定的时间阈值时，根据所述属性分布状况获得观测信息熵；预测单元，根据所述观测信息熵预测下一个时间间隔的网络指标数据的信息熵；置信区间获得单元，根据所述观测信息熵和所述预测信息熵获得异常判决所需置信区间；异常判决单元，分析所述观测信息熵在所述置信区间的分布，根据分析结果确定网络流量是否异常。解决了现有技术用于网络流量异常检测时可操作性不强、灵活性较差的问题。
-
公开(公告)号：CN101674264A
公开(公告)日：2010-03-17
申请号：CN200910073070.9
申请日：2009-10-20
Applicant: 哈尔滨工程大学
IPC: H04L12/58
Abstract: 本发明提供的是一种基于用户关系挖掘及信誉评价的垃圾邮件检测装置及方法。所述的检测装置的构成包括用户关系建模装置、指纹收集装置、路径挖掘装置、邮件评价装置、邮件输出装置、用户评价装置、信誉更新装置。所述的方法为根据受控网内用户通信关系建立用户关系模型，然后依据用户关系模型挖掘特定路径集，最后通过该路径集上用户的历史评价建立邮件判定记录，识别邮件属性。本发明的优点在于：有很好的垃圾邮件识别能力，能较好的识别恶意用户并抵抗恶意用户的干扰，可部署在邮件服务器、网关、骨干网出入口处，可广泛应用于电子邮件过滤技术等应用领域。
-
公开(公告)号：CN112101996B
公开(公告)日：2023-10-17
申请号：CN202010959783.1
申请日：2020-09-14
Applicant: 哈尔滨工程大学
IPC: G06Q30/0242 , G06Q50/00 , G06F16/29
Abstract: 本发明属于社交网络动态影响力最大化技术领域，具体涉及一种基于区域的社交网络动态影响力最大化方法。本发明具有NP难特性和单调子模性。本发明首先采用了四叉树保存节点位置信息，在选取目标区域后，通过四叉树中的存储信息对节点进行筛选。然后，对相应区域的节点生成相应的元组，元组中包含目标节点，目标节点的坐标，目标节点与其他节点之间的传播关系函数，以及生成的草图，草图中的每一个节点都能到达目标节点。当目标区域中节点的位置信息发生改变时，可以实时更新元组。最后，计算出目标区域中的种子节点，并进行影响力的扩散。本发明提出的一种基于区域的社交网络动态影响力最大化方法在运行效率和准确率上高于现有的影响力算法。
-
公开(公告)号：CN112100241B
公开(公告)日：2023-07-25
申请号：CN202010959772.3
申请日：2020-09-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于社交网络影响力最大化技术领域，具体涉及一种基于主题的社交网络动态影响力最大化方法。本发明在基于主题的传播模型下具有NP难特性以及函数的单调子模性。本发明首先根据目标主题对数据集进行筛选，然后使用元组对节点的主题信息，主题向量进行存储，选取出种子节点，并通过主题传播模型进行影响力传播。当筛选后的集合内的节点以及节点的主题发生变化时，实时更新元组，确保能够选出最具有代表性的种子节点。本发明提出的一种基于主题的社交网络动态影响力最大化方法在效率性和准确性优势明显。
-
Patent Agency Ranking
公开(公告)号：CN109918947B
公开(公告)日：2023-06-09
申请号：CN201910194194.6
申请日：2019-03-14
Applicant: 哈尔滨工程大学
IPC: G06F21/62 , G06F16/901
Abstract: 本发明属于社交网络信息发布的安全领域，具体涉及一种基于社交网络组合度‑邻域标签匹配攻击的敏感标签保护方法。包括输入图G(A,B)＝(GA,GB,Γ)；广度优先遍历构建组图标签泛化树，生成携带二级敏感泛化标签的中间量；求取相似性对所有顶点进行聚类；将顶点v1,...,vl的标签邻域同化，主要同化步骤有边连接、标签合并、添加噪声点；根据组图标签匹配结果对敏感标签进行高级别泛化；返回匿名组图本发明使在单社交网络数据中针对组合度‑邻域标签产生的敏感标签具有L多样性的组图中，避免了通过组图候选结果集合再匹配对目标顶点敏感标签进行唯一性识别，使得根据任意组合度‑邻域标签匹配获得的顶点所携带的敏感标签的多样性不小于L，应用前景广泛。
-
-
公开(公告)号：CN110046224B
公开(公告)日：2023-05-09
申请号：CN201910300119.3
申请日：2019-04-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于区域的社交网络谣言抑制方法。(1)根据已知信息构建社交网络中任意节点的最大影响树；(2)根据社交网络中节点的位置信息构建四叉树存储节点位置；(3)对于给定的查询区域和阻断区域，得到备选种子集和阻断节点集；(4)对于备选种子集中的每个备选种子，计算其区域影响集；(5)对于备选种子集中的每个备选种子，计算其区域阻断影响力；(6)以贪婪的方式循环从备选种子集中选择阻断影响力最大的k个节点作为种子节点传播真实消息，阻断谣言在阻断区域中的传播。本发明能够根据不同的查询区域和阻断区域进行种子选择，在查询区域中选择最优种子进行正面消息的传播，从而在阻断区域中最大限度的抑制谣言的传播。
-
公开(公告)号：CN115713126A
公开(公告)日：2023-02-24
申请号：CN202211370527.4
申请日：2022-11-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于联邦学习技术领域，具体涉及一种基于数字水印技术的去中心化联邦学习训练行为监督方法。本发明包括任务发布者初始化全局模型，并准备若干水印数据集，向选定的工人节点发送初始全局模型以及水印数据集；工人节点将本地数据集以及水印数据集拼接之后进行本地训练，完成水印的嵌入过程；任务发布者对数字水印进行验证，根据数字水印的完成情况，标识工人节点的训练诚实度。本发明针对去中心化联邦学习体系结构中工人节点伪造训练结果而影响模型训练整体精度的问题，通过拓展数字水印的应用场景，将每个工人节点的训练行为量化、可视化，从而达成促使工人节点在训练行为上保持诚实的目的，为去中心化的联邦学习系统提供可信的算力支持。
-
公开(公告)号：CN115660624A
公开(公告)日：2023-01-31
申请号：CN202211369715.5
申请日：2022-11-03
Applicant: 哈尔滨工程大学
IPC: G06Q10/1053 , G06Q10/04 , G06N20/20
Abstract: 本发明属于联邦学习系统中工人训练报酬确定策略技术领域，具体涉及一种面向多任竞争的工人训练报酬确定方法。本发明基于联邦学习系统中存在多个任务发布者和多个工人节点的情景，在该情景下多个任务发布者之间存在竞争关系。对于任务发布者们而言，为了在竞争中取得优势地位从而吸引更多高质量的工人节点的加入，他们需要提高所支付的报酬。但从自身利益考虑，任务发布者们又要通过降低支付报酬的方式在任务中获得更高的收益。对于工人节点而言，多个任务发布者的出现让他们有选择的最优合同的机会，以保证自己的收益。本发明可以同时满足个人理性约束和激励兼容性约束，能够平衡任务发布者和工人节点的关系，使系统中的两种角色均能获得预期收益，形成良性发展，达到激励工人节点加入联邦学习系统的目的。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.055 seconds)
