-
公开(公告)号：CN117640492A
公开(公告)日：2024-03-01
申请号：CN202311679094.5
申请日：2023-12-08
Applicant: 电子科技大学
IPC: H04L45/00 , H04L45/76 , H04L47/2475
Abstract: 本发明涉及网络通信技术领域，特别是涉及一种适用于时间确定性业务的网络传输方法，通过接收和分析时间确定性业务需求，并维护一个由时间窗口组成的软时分时间矩阵，实现对时间确定性业务的传输支持；全链路感知方法用于获取网络资源和链路状态，进而通过路由分配和时间片分配为业务分配合适的路由和发送时间片，并将有关策略下发到各转发节点，转发节点执行策略的结果即满足业务对时间确定性的要求。通过本网络传输方法，可满足确定性业务的可控传输，并保持最大的网络吞吐量。
-
公开(公告)号：CN117596067A
公开(公告)日：2024-02-23
申请号：CN202311677031.6
申请日：2023-12-08
Applicant: 电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于可控蜜罐的DDoS防御验证方法，属于网络安全技术领域，其特征在于，包括以下步骤：a、在真实的网络环境中部署一个或多个蜜罐，模拟真实的网络环境；b、将蜜罐采集到的流量进行整流和流量编辑，模拟真实的DDoS攻击环境；c、在蜜罐上捕获DDoS攻击流量并分析DDoS攻击流量，包括攻击来源、攻击类型和攻击模式；d、使用流量回放工具，将捕获的DDoS攻击流量进行回放，针对真实系统模拟DDoS攻击，验证DDoS防御策略的有效性，根据验证结果，对DDoS防御策略进行调整优化。本发明能够捕获、分析攻击行为，并验证防御策略的有效性，并通过回放流量来模拟真实的攻击，进而验证真实系统的防御能力。
-
公开(公告)号：CN117275569A
公开(公告)日：2023-12-22
申请号：CN202311203053.9
申请日：2023-09-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供一种融合神经网络和最小二乘法的关键蛋白质识别方法及识别终端，涉及关键蛋白质的识别技术领域，包括：缺失生物数据处理，利用普通最小二乘法对生物数据进行线性回归，处理缺失数据；基于深度神经网络构建识别关键蛋白质的预测模型，整合生物数据的拓扑特征和序列特征作为DNN网络的特征输入，DNN可将网络节点映射为低维稠密向量，以此更加准确地捕捉生物数据中的复杂关系。本发明将最小二乘法和深度神经网络引入到生物信息学的关键蛋白质数据补足和预测过程中，通过最小二乘法解决生物数据库中元数据缺失的问题，提高模型的鲁棒性，通过深度神经网络捕捉生物数据中的复杂关系，增强模型的识别精度。
-
公开(公告)号：CN117218903A
公开(公告)日：2023-12-12
申请号：CN202311227297.0
申请日：2023-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了时序飞行参数的进跑道高度对平飘距离影响的评估方法，该方法包括数据采集，数据筛选，数据分析，建立模型。针对飞机着陆阶段的场景，通过QAR采集飞机在各阶段的飞行数据，剔除最后进近阶段进跑道高度和到跑道头距离的异常数据，获取飞机进跑道高度、平飘距离，绘制进跑道高度与平飘距离的散点图，分析进跑道高度对平飘距离的影响，构建进跑道高度与平飘距离的关系模型，通过不同等级跑道长度算出进跑道高度阈值，当进跑道高度超过阈值时给出预警。
-
公开(公告)号：CN115102743B
公开(公告)日：2023-08-22
申请号：CN202210683320.6
申请日：2022-06-17
Applicant: 电子科技大学
IPC: H04L9/40 , G06F16/901 , G06F16/903 , G06F16/906
Abstract: 本发明公开了一种面向网络安全的多层攻击图生成方法，属于计算机网络与安全技术领域。将攻击图分为三个层次进行建模表示：第一层为抽象攻击目标和抽象攻击模式全图，包含主机信息与主机可达性信息；第二层为具体攻击目标和攻击动作子图，包含被攻击主机信息与协议信息，第三层为网络资源和攻击条件子图，包含多跳抽象边与多跳抽象节点。采用本方法面对网络攻防中随时出现可达性变化的情况，能很好地快速动态更新攻击图，攻击图生成过程时间复杂度低，展示度更好，有利于显示和检索分析，同时还具有动态更新的灵活度。
-
Patent Agency Ranking
公开(公告)号：CN113657020B
公开(公告)日：2023-05-05
申请号：CN202110788390.3
申请日：2021-07-13
Applicant: 电子科技大学
IPC: G06F30/27 , G06F30/28 , G06F30/15 , G06N3/045 , G06N3/08 , G06F18/15 , G06F18/23213 , G06F18/241 , G06F18/27 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种用于气动数据处理的深度集群神经网络模型构建方法，涉及空气动力学数据处理领域中的深度集群神经网络模型构建技术领域。a、数据集的准备和预处理：首先通过计算流体动力学方法获得气动数据集，提取气动数据集中的主要设计参数和响应参数；然后将数据进行分类，划分为多个子集；对每个子集打上标签；最后将气动数据集划分为训练集、验证集和测试集；b、深度集群神经网络模型构建；c、深度集群神经网络模型训练；d、深度集群神经网络模型验证。采用此方法训练得到的集群神经网络在处理空气动力学数据时，能够弥补样本采样不均或样本分布不均而导致的样本质量不足的环境下传统神经网络模型的缺陷，从而提高了模型的预测精度。
-
公开(公告)号：CN115549983A
公开(公告)日：2022-12-30
申请号：CN202211113114.8
申请日：2022-09-14
Applicant: 电子科技大学
Abstract: 本发明提供一种基于时间同步的IPv6网络传输设备的安全认方法，包括以下步骤：S1:控制器模块选取加密方法和初始化密钥信息；S2:同步模块同步网络传输设备间的时间并维护设备间的传输时延信息；S3：认证模块基于IPv6网络层协议创建认证辅助信息并获取同步模块的发送时间戳信息，传输模块通过加密模块进行单向加密后填入认证协议字段并发送数据包；S4：认证模块调用加密模块完成对时间戳的单向加密获取认证辅助信息并根据认证结果决定数据包的传输是否继续。本发明实现对确定性网络中高成本的高精度时间同步能力的充分利用和数据包传输的额外安全保障，以显著减少基于传统网络的数据包对本网络的负载影响。
-
公开(公告)号：CN115037958A
公开(公告)日：2022-09-09
申请号：CN202210281030.9
申请日：2022-03-22
Applicant: 电子科技大学
IPC: H04N21/231 , H04N21/239 , H04N21/4363 , H04N21/647 , H04N13/194 , H04N13/366 , H04L65/60 , H04L65/80
Abstract: 本发明公开了一种基于5G网络的MEC协作传输VR视频的方法，涉及VR视频传输技术领域。本发明提出MEC协作域，依据地域特征将多个基站划分成一个协作区域，一个协作域域内的MEC相互协作，共同完成对协作域内用户请求内容的处理。一个协作域内存储着一份VR视频的全视角低码率版本，每个MEC独立运行对高码率tile块的缓存策略。具体来说，依据本管辖区域内用户对tile块所属FOV的请求频率和此FOV与管辖区域内用户的偏好相似度来决定是否缓存该tile块的高码率版本。本发明克服单MEC的计算能力和存储能力的限制，协同多个MEC共同来处理用户请求，充分利用多个MEC的计算和存储资源，提升最大可服务的用户数量、降低用户平均内容请求时延以及降低回程链路流量。
-
公开(公告)号：CN113657020A
公开(公告)日：2021-11-16
申请号：CN202110788390.3
申请日：2021-07-13
Applicant: 电子科技大学
IPC: G06F30/27 , G06F30/28 , G06F30/15 , G06N3/04 , G06N3/08 , G06K9/62 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种用于气动数据处理的深度集群神经网络模型构建方法，涉及空气动力学数据处理领域中的深度集群神经网络模型构建技术领域。a、数据集的准备和预处理：首先通过计算流体动力学方法获得气动数据集，提取气动数据集中的主要设计参数和响应参数；然后将数据进行分类，划分为多个子集；对每个子集打上标签；最后将气动数据集划分为训练集、验证集和测试集；b、深度集群神经网络模型构建；c、深度集群神经网络模型训练；d、深度集群神经网络模型验证。采用此方法训练得到的集群神经网络在处理空气动力学数据时，能够弥补样本采样不均或样本分布不均而导致的样本质量不足的环境下传统神经网络模型的缺陷，从而提高了模型的预测精度。
-
公开(公告)号：CN110620937B
公开(公告)日：2021-07-30
申请号：CN201911000061.7
申请日：2019-10-21
Applicant: 电子科技大学
IPC: H04N21/234 , H04N21/44 , H04N21/2347 , H04N21/8547 , H04N21/24 , H04N21/442 , H04N21/845 , H04N21/8543
Abstract: 本发明属于计算机网络安全技术领域，公开了一种基于HTTP的动态自适应加密视频流量分类识别方法，属于网络安全技术领域。包括加密视频流量数据采集及预处理、计算时间序列相似度、通过提出的最近邻和最近类算法进行相似度判断等内容。本发明的优点在于仅使用加密视频流的BPP一个特征，在不解密流量的前提下，识别出其中的视频。该方法不解密流量，不侵犯用户隐私，且取得了较好的准确率。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.028 seconds)
