一种基于边缘计算环境的数据处理方法

    公开(公告)号:CN110336643A

    公开(公告)日:2019-10-15

    申请号:CN201910606572.7

    申请日:2019-07-05

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于边缘计算环境的数据处理方法,包括以下步骤:获取所述边缘计算环境的网络参数;根据获取的参数使用任务分配方法得到参与计算的边缘设备集合以及需要添加的随机编码块的数量;云根据得到的解生成相应数量的数据块,生成系数编码矩阵,然后对原始计算数据进行编码,最后将编码后的数据发送给参与计算的边缘设备;参与计算的边缘设备在接收到用户的输入数据之后,将输入数据与存储的编码数据做运算,并将中间计算结果发送给用户;用户接收到所有的中间结果,利用系数编码矩阵进行解码,由此实现数据处理。本发明提供的方法实现了基于安全编码的边缘计算中,任务分配最优方案的设计,减少了计算消耗,节约了大量网络计算资源。

    一种基于网络编码的信息论安全多播路由选择方法

    公开(公告)号:CN107770077A

    公开(公告)日:2018-03-06

    申请号:CN201610706571.6

    申请日:2016-08-23

    Applicant: 苏州大学

    CPC classification number: H04L45/16 H04L45/02 H04L63/164

    Abstract: 本发明公开了一种基于网络编码的可满足信息论安全要求的多播路由选择方法,包括:获取基于网络编码的通信网络及其上的多播的参数,所述参数包括:路由器节点集合、多播源节点和所有目的节点、节点间链路连接信息、每条链路容量;根据所述获取的参数将基于网络编码的通信网络表示为有向图;根据所述有向图建立基于网络编码的安全多播通信路由选择的数学模型;对所述数学模型进行求解;获取最大可达安全数据传输速率以及相应的最优路由选择方案。本发明使得多播通信中的传输路径所经过的中间路由节点上能够达到信息论安全的要求,使安全数据传输速率达到最优,从而提供良好的安全性,提高网络吞吐率,降低整个网络所需的带宽。

    基于异构图神经网络的多源信息传播预测方法及系统

    公开(公告)号:CN116523118B

    公开(公告)日:2024-08-23

    申请号:CN202310395439.8

    申请日:2023-04-13

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于异构图神经网络的多源信息传播预测方法及系统,该方法包括基于社交网络信息,构建异构图;基于所述异构图,通过设定的初始特征生成策略为所述异构图中的每一个类节点和边生成初始特征;将所述异构图和所述初始特征输入到预先构建的多层时空嵌入网络模型中进行优化训练,得到训练好的多层时空嵌入网络模型;利用训练好的多层时空嵌入网络模型对社交网络中的多源信息传播进行预测。本发明所提出的方法弥补了传统模型在时间段划分方案缺乏灵活性、关注关系冗余、无法兼顾时空特征且缺乏可拓展性这些方面的不足,能高效且准确地预测社交网络中单/多源信息的流行度。

    一种社交网络信息传播规模预测方法及装置

    公开(公告)号:CN114928548B

    公开(公告)日:2023-07-28

    申请号:CN202210445503.4

    申请日:2022-04-26

    Applicant: 苏州大学

    Abstract: 本发明涉及一种社交网络信息传播规模预测方法及装置,首先通过对用户之间的关注关系进行采样,并构建异构图解决了多源信息传播结构上的不连通问题;然后,对用户转发的时间序列划分时间段,并进一步根据这些时间段向异构图中添加时间节点,并连接对应时间段内的用户,使得构建的异构图也有了表达时间特征的能力;最后,通过对异构图中的时间节点使用循环神经网络提取时间特征,并和使用图卷积神经网络的结构特征学习多轮交替进行,从而实现时间特征和结构特征之间双向强依赖关系的学习。

    基于显式时间和级联注意力的信息流行度预测方法和系统

    公开(公告)号:CN115470994B

    公开(公告)日:2023-07-11

    申请号:CN202211122697.0

    申请日:2022-09-15

    Applicant: 苏州大学

    Abstract: 本发明涉及社交网络及其应用领域,公开一种基于显式时间和级联注意力的信息流行度预测方法和系统,方法包括:提取观测级联样本中的级联图、级联序列和级联节点对应的转发时间序列,使用显式时间嵌入模型获取包含时间属性的节点特征向量;使用级联注意力网络建模级联图和级联序列得到级联表示,将级联表示输入多层感知机得到预测流行度,根据预测流行度和实际流行度值建立损失函数;使用观测级联样本训练整体模型,训练完成对待预测的级联样本进行预测;系统包括显式时间嵌入模块、级联注意力模块、回归模块、训练模块和预测模块。本发明有效捕获级联的时序性、充分捕获级联图和级联序列信息、提高预测效率和准确性。

    一种在边缘计算环境中针对污染攻击的计算验证的方法

    公开(公告)号:CN111049814A

    公开(公告)日:2020-04-21

    申请号:CN201911229659.3

    申请日:2019-12-04

    Applicant: 苏州大学

    Abstract: 本发明公开了一种在边缘计算环境中针对污染攻击的计算验证的方法,在云端随机生成零空间向量矩阵和标记验证矩阵,得到完成两次扩展的编码数据块;进行行序随机重排,并将重排后的行号记录进集合并发送给边缘设备;用户向云端发送计算请求后,云端将边缘节点信息、编码系数矩阵、零空间验证矩阵、零空间扩展行与标记行行序号记录发送给用户节点;用户将输入矩阵发送给边缘设备,获得中间计算结果;用户对接收到的计算结果进行标记行验证和零空间验证从而确定正确计算结果;用户在得到某个固定数量的正确中间结果后进行解码并获得最终的计算结果。本发明给出的基于编码边缘计算的可验证计算方案,能够在用户付出较少计算代价的情况下对计算结果进行正确性验证。

    考虑现有产品影响的社交网络营销种子用户选取方法

    公开(公告)号:CN108960929A

    公开(公告)日:2018-12-07

    申请号:CN201810778152.2

    申请日:2018-07-16

    Applicant: 苏州大学

    CPC classification number: G06Q30/0202 G06Q50/01

    Abstract: 本发明涉及一种考虑现有产品影响的社交网络营销种子用户选取方法,包括:步骤1、将社交网络模型化为一幅社交图G=(V,E,W),其中顶点集V表示社交网络中所有社交用户集合,边集E表示社交用户间社交关系集合,W表示所有边上的权值集合;步骤2、初始化种子用户集合S为空集,即初始化用户集合U为步骤1中所有用户集合,即U←V;步骤3、计算步骤2中集合U中所有用户的营销影响力。上述考虑现有产品影响的社交网络营销种子用户选取方法,考虑现有产品对营销产品推广的影响,从社交关系和现有产品两方面对社交用户的营销影响力进行度量,以营销回报率作为优化目标,利用双向优化方法选取种子用户集合,以最大化营销回报率。

    一种基于边缘计算环境的编码分布式计算方法及装置

    公开(公告)号:CN108809520A

    公开(公告)日:2018-11-13

    申请号:CN201810635631.9

    申请日:2018-06-20

    Applicant: 苏州大学

    CPC classification number: H04L1/0076 H04L1/0077 H04L67/10

    Abstract: 本发明公开了一种基于边缘计算环境的编码分布式计算方法、装置、设备及计算机可读存储介质,该方法包括:获取边缘计算网络的网络参数;基于网络参数得到计算任务布置方案;进行编码分布式计算得到边缘计算网络内数据迁移的编码方案;确定任一参与节点为目标节点,确定目标节点上任一输出函数及对应输入数据均位于目标节点、且除目标节点之外的其他参与节点均不具有该任一输出函数时该任一输出函数对应中间值的计算任务为特定计算任务,确定除目标节点之外其他参与节点的特定计算任务为异常计算任务,删除计算任务布置方案中的异常计算任务;基于编码方案及计算任务布置方案实现边缘计算。从而大大减少了计算冗余,节约了网络计算资源。

    分布式存储系统中供应服务器选择和修复数据传输方法

    公开(公告)号:CN105450741B

    公开(公告)日:2018-09-25

    申请号:CN201510784810.5

    申请日:2015-11-16

    Applicant: 苏州大学

    Abstract: 本发明公开了一种分布式存储系统中供应服务器选择和修复数据传输方法,其特征在于,基于混合整数线性规划实现,将供应服务器定义为供应节点,根据待修复的分布式存储系统,获取节点集合、链路集合、需选择的供应节点的数量、每个供应节点需传输到新生节点的数据量;将基于网络编码的分布式存储系统表示为有向图;根据有向图,基于混合整数线性规划,建立最优供应节点选择及修复数据传输的数学模型;求解获得最优的供应节点集合,每个供应节点到新生节点的数据传输路径以及每条路径上传输的数据传输速率。本发明减少了整个数据修复的再生时间,从而提高了系统性能。

    一种基于超图分割的社交用户数据优化放置方法

    公开(公告)号:CN107257356A

    公开(公告)日:2017-10-17

    申请号:CN201710258237.3

    申请日:2017-04-19

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于超图分割的社交用户数据优化放置方法,包括三个步骤:构建基于超图的社交网络模型、超图划分和子图到服务器映射。本发明利用超图中超边能够准确描述社交网络中多用户交互行为,根据用户交互行为放置用户数据,可以极大地降低用户交互过程中产生的通信量,优化的数据放置同时能够保持服务器间负载均衡。本发明能够根据社交网络用户交互行为优化用户数据在各服务器上的放置,保持服务器间负载均衡,降低数据中心内通信量。

Patent Agency Ranking