-
公开(公告)号：CN110225524B
公开(公告)日：2022-11-11
申请号：CN201910454284.4
申请日：2019-05-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于5G下行链路数据传输的方法，该发明结合5G超密集网络和移动边缘计算技术，构建基于5G移动边缘云的宏小区内三层基站的超密集蜂窝网络架构，并提出一个简单的信道分配方法。该方法包括：对宏蜂窝系统网络架构的搭建，对用户设备请求文件在边缘服务器的查找，对可能链路中传输节点(基站)发射信道的预分配，对当前用户设备可能的全部下行链路基于文件传输完成时延采用迪杰斯特拉算法计算最短时延和进行最佳路由选择，并在最佳路由的链路上进行大容量文件的数据传输。该方法可以最大限度地提高受限于物理资源的5G边缘云网络传输时延的收益，解决5G网络的热点区域容量和用户在线获取大容量文件的数据传输速率问题。
-
公开(公告)号：CN111988235A
公开(公告)日：2020-11-24
申请号：CN202010814342.2
申请日：2020-08-13
Applicant: 暨南大学
IPC: H04L12/813 , H04L12/873 , H04L12/875 , H04L29/08
Abstract: 发明公开了一种基于多HTTP/3连接的并行传输机制，具体步骤为：步骤1、该机制在客户端工作，并分为延迟探测模块、并行决策模块和数据复制模块三部分；步骤2、延迟探测模块负责在每个RTT结束的时候获取各HTTP/3连接的延迟信息，并将更新后的信息通知并行决策模块；步骤3、并行决策模块将符合要求的请求拆分为多个HTTP Byte Range请求，并由数据复制模块在多条HTTP/3连接上并行执行；步骤4、数据复制模块把从多条HTTP/3连接收到的响应按照原字节顺序拼合，并将其交付上层应用程序。本发明涉及HTTP/3连接技术领域。通过引入基于多HTTP/3连接的并行传输机制，可提升上层应用在使用HTTP/3协议传输短数据流时的性能。
-
公开(公告)号：CN107944270A
公开(公告)日：2018-04-20
申请号：CN201711263967.9
申请日：2017-12-05
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种可验证的安卓恶意软件检测系统及方法，该系统包括安卓应用源数据初始化过滤模块、可疑代码报警器模块和恶意代码验证模块，安卓应用源数据初始化过滤模块首先对安卓应用源数据初始化过滤和特征生成；可疑代码报警器模块发现可疑的恶意代码通过警报器标记；恶意代码验证模块用验证器验证安卓恶意软件及其恶意代码。本发明实现自动地检测由病毒检测服务平台的门户网站提交的数据流是否含有恶意代码，以及由系统提供的API接口提交的文件里是否含有恶意代码，并实现识别技术给予验证，该发明可发现安卓恶意应用开发者提交的安卓恶意代码，并通过有效的验证技术提高恶意代码检测的准确率。
-
公开(公告)号：CN118870395B
公开(公告)日：2024-12-17
申请号：CN202411288630.3
申请日：2024-09-14
Applicant: 暨南大学
IPC: H04W24/02 , H04W24/06 , H04W28/08 , H04W28/16 , H04W4/44 , H04W4/46 , G06F8/61 , G06F9/50 , G06N3/006 , G06N3/0464
Abstract: 本发明提供一种基于自注意力机制的车联网任务卸载和资源分配方法及系统，方法包括以下步骤：基于车联网高速道路环境VEC架构，构建车联网任务卸载模型；基于车联网任务卸载模型，获得任务卸载和资源分配的联合优化问题；将联合优化问题转化为马尔科夫决策过程；采用基于自注意力机制的A‑MADDPG算法求解马尔科夫决策过程，获得联合优化方案；基于联合优化方案，完成车联网任务卸载和资源分配。本发明所设计的任务卸载联合优化方案，通过智能协作，车辆不仅选取合适的卸载对象还选取合适的通信信道进行卸载传输，而且各个边缘服务器闲置资源按照任务需求进行动态分配，从而确保整个环境中的所有车辆都能处于高效的运行水平。
-
公开(公告)号：CN110222507B
公开(公告)日：2023-07-07
申请号：CN201910424747.2
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于模糊哈希的恶意软件大数据智能学习识别方法，包括以下步骤，获取移动软件文件夹路径，根据文件夹路径读取移动软件；对每个移动软件进行反编译，获取移动软件的源代码；对移动软件的源代码进行预处理，即获取源代码特征值；通过源代码特征值，获取模糊哈希值集合和移动软件的每个文件中代码行数集合；再进行相似性分数计算和模糊哈希值与相似性分数的权值计算，移动软件之间进行相似性比较，获得比较结果，进而甄别移动恶意软件；本发明通过移动软件源代码获取移动软件每个文件对应的模糊哈希值，利用模糊哈希值计算相似性分数和权值，进而对移动软件区分，有效监测恶意移动软件并进行区别，让用户远离恶意软件，减少损失。
-
Patent Agency Ranking
公开(公告)号：CN110298171A
公开(公告)日：2019-10-01
申请号：CN201910521357.7
申请日：2019-06-17
Applicant: 暨南大学
Abstract: 本发明公开了一种移动互联网大数据应用的智能检测与安全防护方法。随着移动App大数据时代的到来，可以发现越来越多的移动应用被复制或重新包装。不法分子通过对原生移动应用进行高度模仿、植入恶意代码等行为来重新打包移动应用，使得用户在使用应用经常会时造成隐私泄露、远程控制等危害。本发明使用描述熵相似方法、资源相似检测、统计相似检测以及字符串相似智能检测进行检测移动应用是否存在剽窃或恶意行为，智能分析其是否存在恶意攻击代码以及潜在漏洞；通过聚类算法、混淆加密技术等对应用程序进行分类和安全加固，实现对移动大数据应用的智能检测及安全防护。
-
公开(公告)号：CN110225524A
公开(公告)日：2019-09-10
申请号：CN201910454284.4
申请日：2019-05-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于5G下行链路数据传输的方法，该发明结合5G超密集网络和移动边缘计算技术，构建基于5G移动边缘云的宏小区内三层基站的超密集蜂窝网络架构，并提出一个简单的信道分配方法。该方法包括：对宏蜂窝系统网络架构的搭建，对用户设备请求文件在边缘服务器的查找，对可能链路中传输节点(基站)发射信道的预分配，对当前用户设备可能的全部下行链路基于文件传输完成时延采用迪杰斯特拉算法计算最短时延和进行最佳路由选择，并在最佳路由的链路上进行大容量文件的数据传输。该方法可以最大限度地提高受限于物理资源的5G边缘云网络传输时延的收益，解决5G网络的热点区域容量和用户在线获取大容量文件的数据传输速率问题。
-
公开(公告)号：CN110222507A
公开(公告)日：2019-09-10
申请号：CN201910424747.2
申请日：2019-05-21
Applicant: 暨南大学
IPC: G06F21/56
Abstract: 本发明公开了一种基于模糊哈希的恶意软件大数据智能学习识别方法，包括以下步骤，获取移动软件文件夹路径，根据文件夹路径读取移动软件；对每个移动软件进行反编译，获取移动软件的源代码；对移动软件的源代码进行预处理，即获取源代码特征值；通过源代码特征值，获取模糊哈希值集合和移动软件的每个文件中代码行数集合；再进行相似性分数计算和模糊哈希值与相似性分数的权值计算，移动软件之间进行相似性比较，获得比较结果，进而甄别移动恶意软件；本发明通过移动软件源代码获取移动软件每个文件对应的模糊哈希值，利用模糊哈希值计算相似性分数和权值，进而对移动软件区分，有效监测恶意移动软件并进行区别，让用户远离恶意软件，减少损失。
-
公开(公告)号：CN116132018A
公开(公告)日：2023-05-16
申请号：CN202211640459.9
申请日：2022-12-20
Applicant: 暨南大学
Abstract: 本发明公开了一种在P4可编程交换机上实现SHA256算法的方法，包括如下步骤：S1、将P4可编程交换机安排为包括预处理模块、中间数据处理模块以及数据平面处理模块，预处理模块和中间数据处理模块联接至P4可编程交换机的控制平面上，该数据平面处理模块联接至P4可编程交换机流水线上；S2、通过预处理模块在交换机控制平面上接收待处理的消息，对待处理数据进行扩展处理，在P4可编程交换机上实现SHA256算法的方法将需要加密的内容放入交换机的控制平面进行解析，生成流表项，交由控制平面进行下一步操作，这样就能够在可编程网络的数据平面中实现一种保证数据签名算法安全所必须的安全散列算法，提高了网络数据签名的安全性。
-
公开(公告)号：CN115914141A
公开(公告)日：2023-04-04
申请号：CN202211167850.1
申请日：2022-09-23
Applicant: 暨南大学
IPC: H04L49/20 , H04L49/90 , H04L47/2441
Abstract: 本发明公开了一种基于P4硬件交换机的网络数据流分类预测方法，包括以下步骤：在控制器上使用历史数据流量集提取数据流的信息和模型训练算法离线训练决策树预测模型；挑选由控制器中计算得到的预测模型并插入模型所转换的匹配‑动作表项；在P4硬件交换机流水线上实时提取并计算数据流的相关特征，以进行实时数据流分类预测功能；在P4硬件交换机流水线上进行内存管理，释放不活跃数据流占用的空间。本发明解决了在训练数据包分类预测模型时由于数据集中不同类别的数据样本量不平衡问题的存在导致模型准确率低，以及由于模型过大而无法满足交换机内存限制问题，同时提供实时的数据流分类预测功能并且能重复利用有限的内存资源以防止内存溢出。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
