-
公开(公告)号：CN107277065A
公开(公告)日：2017-10-20
申请号：CN201710684939.8
申请日：2017-08-11
Applicant: 厦门大学
IPC: H04L29/06
Abstract: 基于强化学习的检测高级持续威胁的资源调度方法，涉及计算机和信息安全。针对计算机或云存储系统，调度其CPU等计算资源检测APT攻击，采用神经情景控制学习，不需预知APT攻击模型，优化动态数据存储系统的检测资源调度策略。结合深度卷积神经网络和情景记忆，压缩APT检测的状态空间，利用情景记忆模块存储资源分配经验，充分利用上下文环境信息，加快对APT攻防新特征的认知，加快学习速度。该方法可适应动态云存储环境和攻击模式，提高计算机和云存储系统在APT攻击下的数据隐私性能。
-
公开(公告)号：CN106961684A
公开(公告)日：2017-07-18
申请号：CN201710181997.9
申请日：2017-03-24
Applicant: 厦门大学
CPC classification number: H04W16/14 , G06N3/08 , G06N3/084 , G06N99/005 , H04W24/02
Abstract: 基于深度强化学习的认知无线电空频二维抗敌意干扰方法，认知无线电次用户在未知干扰机攻击模式和无线信道环境的状态下，观察认知无线电主用户的接入状态、无线信号的信干比，利用深度强化学习机制决定是否离开所在被干扰区域或者选择一个合适的频点发送信号。结合深度卷积神经网络和Q学习，利用Q学习在无线动态博弈中学习最优抗干扰策略，将观测状态和获取效益输入深度卷积神经网络作为训练集加快学习速度。利用深度强化学习的机制，提高认知无线电在动态变化的无线网络环境场景下对抗敌意干扰机的通信效率。可克服人工神经网络需要在训练过程中需要先对数据进行分类以及Q学习算法在状态集和动作集维度大的情况下学习速度会快速下降问题。
-
公开(公告)号：CN104104737A
公开(公告)日：2014-10-15
申请号：CN201410383851.9
申请日：2014-08-07
Applicant: 厦门大学
Abstract: 一种基于信誉的智能手机群众外包的激励方法。1、参数初始化；2、检测传感平台是否有传感任务和手机用户是否有服务请求，若有传感任务则执行步骤3～11；若无但有服务请求则执行步骤12；否则重复步骤2；3、传感平台识别手机身份；4、传感平台向该手机说明传感任务；5、该手机用户决定传感计划级别；6、手机用户通知传感平台它的传感计划级别；7、传感平台更新该手机用户信誉；8、传感平台计算各用户的报酬和服务等级；9、传感平台通知各手机用户的向量信誉和服务等级并支付报酬；10、手机用户执行传感任务；11、各手机将传感数据发送给传感平台，执行步骤2；12、传感平台为该手机用户提供等级为G的服务，执行步骤2。
-
公开(公告)号：CN117896765A
公开(公告)日：2024-04-16
申请号：CN202410109702.7
申请日：2024-01-26
Applicant: 厦门大学
Abstract: 一种干扰攻击下无人机辅助空天地海通信网络的高能效资源管理方法，属于无人机通信、空天地海一体化网络、无人机轨迹优化、抗干扰安全通信等领域，结合无人机当前飞行位置、剩余能量和用户信道状态等重要信息数据，考虑空天地海一体化网络中的安全通信要求、无人机飞行角度、无人机能量等多方面约束，提出基于深度强化学习的，以双延迟深度确定性策略梯度算法为基础的无人机节能和资源调度方案，旨在最大程度地平衡无人机的能量效率和用户公平指数。在确保无人机抗干扰效果的前提下，提高无人机能量效率并增大用户的公平性。
-
公开(公告)号：CN116827412A
公开(公告)日：2023-09-29
申请号：CN202310770209.5
申请日：2023-06-28
Applicant: 厦门大学
Abstract: 本发明公开了面向快速目标检测的无人机视频抗干扰传输方法，包括以下步骤：S1，初始化神经网络并定义参数；S2，无人机捕获捕获视频信息并构建状态；S3，将状态输入神经网络，获得传输视频的视频分辨率、传输信道和发射功率；S4，将视频数据传输至控制中心，控制中心反馈检测边界框尺寸、目标类别、检测置信度、检测时延和传输时延；S5，计算检测效益；S6，计算风险等级；S7，更新神经网络的权重；S8，重复步骤S2～S7，直至目标检测置信度、检测时延和传输时延满足预设值。本发明加入风险评估网络规避危险策略，利用分层机制加快优化速率；联合历史目标和当前信道状态，优化无人机视频分辨率、传输信道以及发射功率，无需预知干扰机位置和干扰模型。
-
Patent Agency Ranking
公开(公告)号：CN116405870A
公开(公告)日：2023-07-07
申请号：CN202310186370.8
申请日：2023-03-01
Applicant: 厦门大学
IPC: H04W4/02 , H04W4/029 , H04W4/40 , H04W12/126 , H04W72/541 , H04B7/185
Abstract: 本申请公开了一种基于协作干扰与飞行位置联合优化的无人机空地通信方法，包括：初始化预先设置的多维度初始参数，其中，多维度初始参数包括合法接收者的接收速率、窃听者的窃听速率和系统安全速率；采用连续凸逼近将多维度初始参数的非凸约束转化为凸函数；在预设约束条件下，采用凸优化工具箱根据凸函数进行求解以得到最佳无人机发射功率、协作干扰功率、无人机飞行位置和最大化系统安全速率，以便根据最佳无人机发射功率、协作干扰功率、无人机飞行位置和最大化系统安全速率进行数据通信；由此，基于协作干扰无人机，联合优化无人机航迹，从而提高安全通信效果。
-
公开(公告)号：CN112261646B
公开(公告)日：2022-03-08
申请号：CN202011107880.4
申请日：2020-10-16
Applicant: 厦门大学
IPC: H04W12/02
Abstract: 一种可穿戴设备数据安全传输智能调度方法，属于无线通信和信息安全领域。采取跨层设计结合了应用层加密技术和物理层功率控制，应用深度强化学习算法来动态优化可穿戴设备的发射功率和加密密钥长度而无需预测窃听信道模型和干扰模型。采用深度强化学习算法，通过观测数据包优先级、信道状态、接收干扰功率和误码率BER来动态优化可穿戴设备的发射功率和加密密钥长度，以达到抗主动窃听的目的。实现了跨层设计，有效提升系统的保密速率并且降低可穿戴设备的能耗。
-
公开(公告)号：CN110049527B
公开(公告)日：2021-09-03
申请号：CN201910316722.0
申请日：2019-04-19
Applicant: 厦门大学
IPC: H04W40/02 , H04W40/12 , H04L12/721
Abstract: 本发明公开了一种基于软件定义车联网路由的方法及系统，包括：获取各节点周期性发送的节点状态信息，以生成网络带权无向图，并根据节点状态信息更新网络带权无向图，其中，网络带权无向图包括各节点信息、节点间的链路信息以及链路稳定度；获取源节点的通信请求，并根据各节点信息、节点间的链路信息以及通信请求计算源节点到目标节点的最佳路由；下发流表给最佳路由中相应的各个节点，以便以较小的传输时延进行数据传输，且减少流表更新和切换的开销和数据量；从而根据网络带权无向图和节点状态信息为节点规划全局最优路由，优化路由的选择方式；同时，提高所选取的最佳路由的稳定性，减小链路因负荷过大而导致失效的机率。
-
公开(公告)号：CN112261024A
公开(公告)日：2021-01-22
申请号：CN202011107886.1
申请日：2020-10-16
Applicant: 厦门大学
IPC: H04L29/06 , H04L29/08 , H04L9/06 , H04W4/40 , H04W12/0433
Abstract: 基于强化学习的面向快速加解密的车联网密钥管理方法，涉及车联网通信和安全。针对车联网用户个性化通信需求，防止数据泄露，设计了一种基于强化学习的面向快速加解密的车联网密钥管理方法。该方法基于车联网中车辆接收到的干扰功率、密钥持续时间、车辆密度等信息，采用强化学习持续优化车辆密钥更新频率和密钥长度，防止数据泄露。所提方法可适应动态车联网环境和防止窃听攻击，提高车辆通信的抗窃听拦截率，降低安全通信的时延。
-
公开(公告)号：CN107277065B
公开(公告)日：2019-12-17
申请号：CN201710684939.8
申请日：2017-08-11
Applicant: 厦门大学
IPC: H04L29/06
Abstract: 基于强化学习的检测高级持续威胁的资源调度方法，涉及计算机和信息安全。针对计算机或云存储系统，调度其CPU等计算资源检测APT攻击，采用神经情景控制学习，不需预知APT攻击模型，优化动态数据存储系统的检测资源调度策略。结合深度卷积神经网络和情景记忆，压缩APT检测的状态空间，利用情景记忆模块存储资源分配经验，充分利用上下文环境信息，加快对APT攻防新特征的认知，加快学习速度。该方法可适应动态云存储环境和攻击模式，提高计算机和云存储系统在APT攻击下的数据隐私性能。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.026 seconds)
