-
公开(公告)号：CN112417494A
公开(公告)日：2021-02-26
申请号：CN202011155484.9
申请日：2020-10-26
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
摘要： 本发明涉及可信认证技术领域，提供了基于可信计算的电力区块链系统，包括授权服务链、日志服务链以及远程证明链；在授权服务链、日志服务链以及远程证明链的区块链节点中设有可信芯片；所述日志服务链通过基于智能合约的恶意节点检测机制，实时对采集层终端进行信誉值测量，及时发现可以终端并将其剔除出网络，阻止了恶意终端发布恶意数据；日志服务链与远程验证链通过可信芯片对请求接入系统的终端进行远程完整性验证；授权服务链通对请求接入系统的终端进行策略验证。系统通过完整性证明和访问策略验证两方面检测访问者的访问权限，保证访问终端的可信，全方位维护电力区块链系统安全可信的运行，保护电力区块链中的隐私数据。
-
公开(公告)号：CN111931242B
公开(公告)日：2021-02-19
申请号：CN202011061914.0
申请日：2020-09-30
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
摘要： 本发明公开了一种数据共享方法以及应用其的计算机设备及可读存储介质，属于数据信息安全技术领域。本发明结合区块链技术和联邦学习技术，构建基于区块链和联邦学习的数据安全共享模型，设计数据共享基本流程；以实现可靠的联邦学习为目标，设计基于区块链和节点工作质量的工作节点选择算法；修改区块链的共识方法，设计一种基于模型训练质量的激励机制共识算法，已达到鼓励优秀工作节点工作和简化共识过程，减少共识成本的目的；以平衡数据安全性和模型实用性为目标，选择适用于联邦学习的差分隐私算法。本发明能够解决数据共享过程中隐私泄露的问题；将区块链技术结合到数据共享中，保障数据的安全可信；同时将提高联邦学习任务的效率。
-
公开(公告)号：CN111931242A
公开(公告)日：2020-11-13
申请号：CN202011061914.0
申请日：2020-09-30
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
摘要： 本发明公开了一种数据共享方法以及应用其的计算机设备及可读存储介质，属于数据信息安全技术领域。本发明结合区块链技术和联邦学习技术，构建基于区块链和联邦学习的数据安全共享模型，设计数据共享基本流程；以实现可靠的联邦学习为目标，设计基于区块链和节点工作质量的工作节点选择算法；修改区块链的共识方法，设计一种基于模型训练质量的激励机制共识算法，已达到鼓励优秀工作节点工作和简化共识过程，减少共识成本的目的；以平衡数据安全性和模型实用性为目标，选择适用于联邦学习的差分隐私算法。本发明能够解决数据共享过程中隐私泄露的问题；将区块链技术结合到数据共享中，保障数据的安全可信；同时将提高联邦学习任务的效率。
-
公开(公告)号：CN108848535A
公开(公告)日：2018-11-20
申请号：CN201810551828.4
申请日：2018-05-31
申请人： 国网浙江省电力有限公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了一种面向共享模式的雾计算环境资源分配方法。如何为终端产品合理分配通信带宽资源，使终端信息可以实时上传方便用户查询，成为目前需要解决的问题。本发明面向共享业务构建三层F-RAN网络架构，分别为共享终端层ST、AP层以及FN层；分别利用微分博弈和二分图多重匹配实现ST-AP以及AP-FN两组对应关系间的资源分配策略制定；通过实时更新场景数据信息实现资源的动态分配。本发明基于F-RAN制定合理的资源分配策略，缓解由于资源紧张带来的共享模式信息更新和传输滞后，能够通过实时更新场景数据信息实现资源的动态分配。本发明提出的资源分配策略可实现资源效用最大化，最大程度满足共享终端需求。
-
公开(公告)号：CN108809695B
公开(公告)日：2021-07-06
申请号：CN201810402662.X
申请日：2018-04-28
申请人： 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网浙江省电力有限公司
IPC分类号： H04L12/24
摘要： 本发明公开了一种面向移动边缘计算的分布上行链路卸载策略。本发明基于Lyapunov理论和提出的偏离度更新决策算法DUDA得到适应性计算卸载策略，该策略包含两个主要方面：其一，基于Lyapunov理论在保证系统稳定性及最小化开销的前提下得到各Small Cell中用户的最佳卸载决策集；其二，提出DUDA，依照偏离度决策每个时隙中各Small Cell卸载决策更新顺序；本发明考虑用户终端具有任务部分卸载能力，即单一用户的任务可以进行细分，根据具体应用要求及可用资源情况，以最小化系统开销为目标，选择部分任务在本地计算，剩余任务卸载到该HetNet场景下Macro Cell的边缘服务器中。本发明通过对其漂移加罚函数的确立实现系统稳定性和开销最优的保证，并得到该条件下Small Cell中各用户的最佳卸载策略集。
-
公开(公告)号：CN108809695A
公开(公告)日：2018-11-13
申请号：CN201810402662.X
申请日：2018-04-28
申请人： 国网浙江省电力有限公司电力科学研究院 , 国家电网公司
IPC分类号： H04L12/24
摘要： 本发明公开了一种面向移动边缘计算的分布上行链路卸载策略。本发明基于Lyapunov理论和提出的偏离度更新决策算法DUDA得到适应性计算卸载策略，该策略包含两个主要方面：其一，基于Lyapunov理论在保证系统稳定性及最小化开销的前提下得到各Small Cell中用户的最佳卸载决策集；其二，提出DUDA，依照偏离度决策每个时隙中各Small Cell卸载决策更新顺序；本发明考虑用户终端具有任务部分卸载能力，即单一用户的任务可以进行细分，根据具体应用要求及可用资源情况，以最小化系统开销为目标，选择部分任务在本地计算，剩余任务卸载到该HetNet场景下Macro Cell的边缘服务器中。本发明通过对其漂移加罚函数的确立实现系统稳定性和开销最优的保证，并得到该条件下Small Cell中各用户的最佳卸载策略集。
-
公开(公告)号：CN108848535B
公开(公告)日：2022-11-15
申请号：CN201810551828.4
申请日：2018-05-31
申请人： 国网浙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网浙江省电力有限公司
摘要： 本发明公开了一种面向共享模式的雾计算环境资源分配方法。如何为终端产品合理分配通信带宽资源，使终端信息可以实时上传方便用户查询，成为目前需要解决的问题。本发明面向共享业务构建三层F‑RAN网络架构，分别为共享终端层ST、AP层以及FN层；分别利用微分博弈和二分图多重匹配实现ST‑AP以及AP‑FN两组对应关系间的资源分配策略制定；通过实时更新场景数据信息实现资源的动态分配。本发明基于F‑RAN制定合理的资源分配策略，缓解由于资源紧张带来的共享模式信息更新和传输滞后，能够通过实时更新场景数据信息实现资源的动态分配。本发明提出的资源分配策略可实现资源效用最大化，最大程度满足共享终端需求。
-
公开(公告)号：CN118656202A
公开(公告)日：2024-09-17
申请号：CN202410611581.6
申请日：2024-05-16
申请人： 北京邮电大学
摘要： 本发明提供一种基于分层联邦学习的数据共享系统，该基于分层联邦学习的数据共享系统包括：云服务器，多个云侧边缘设备和多个路侧边缘设备；多个路侧边缘设备分布于多个边缘区域中，每个边缘区域中包括至少一个路侧边缘设备，云侧边缘设备至少对应一个边缘区域。在每个全局迭代轮次中，针对各云侧边缘设备，云侧边缘设备用于向对应的边缘区域中的路侧边缘设备下发各边缘迭代轮次分别对应的边缘模型参数，并将最后一个边缘迭代轮次对应的边缘聚合梯度上传至云服务器。本发明技术方案能够减小通信开销，并且能够确保模型参数同步的稳定性。
-
公开(公告)号：CN118612091A
公开(公告)日：2024-09-06
申请号：CN202410700552.7
申请日：2024-05-31
申请人： 北京邮电大学
IPC分类号： H04L41/147 , H04L41/16 , H04L43/04 , G06N3/096 , G06N3/098
摘要： 本发明提供一种基于联邦迁移学习的网络流量预测方法和装置，方法包括：获取目标域的网络流量数据；将目标域的网络流量数据输入至网络流量预测模型中，得到目标域下一时刻的目标网络流量；其中，网络流量预测模型为基于多个域的多个局部模型进行动态权重聚合得到，每个局部模型均包括特征提取模块、生成对抗模块和预测模块；特征提取模块用于提取网络流量数据中的时序特征和空间特征；生成对抗模块用于生成自适应分布的特征，并基于时序特征、空间特征和自适应分布的特征与特征提取模块作对抗训练；预测模块用于基于时序特征和空间特征预测得到对应域下一时刻的网络流量。通过本发明提供的方法，实现目标域网络流量的预测。
-
公开(公告)号：CN118433183A
公开(公告)日：2024-08-02
申请号：CN202410617407.2
申请日：2024-05-17
申请人： 北京邮电大学
IPC分类号： H04L67/10 , H04L41/14 , H04L41/142 , H04L41/12 , G06N3/126
摘要： 本发明提供一种面向运行可靠性和时延的多目标DNN推理任务部署方法和系统，所述方法包括：接收移动设备提出的DNN推理任务；获取包含中心云服务器、边缘服务器和移动设备的物理网络拓扑图；获取预设的用于多目标DNN推理任务部署寻优的种群数量和最大迭代次数；利用多目标遗传模型寻找优化的DNN推理任务部署，按照所述种群数量生成种群个体，对所有的种群个体进行多次迭代寻优，迭代达到所述最大迭代次数后，输出寻找到的优化后的DNN推理任务部署结果。其中，将所述物理网络拓扑图和所述DNN推理任务作为多目标遗传模型的输入，多目标遗传模型的多目标优化方向包含高运行可靠性和低延迟性，多目标遗传模型的约束条件包含推理总时延约束。
-
-
-
-
-
-
-
-
-
搜索结果
254 条记录 (耗时 0.077 秒)
