-
公开(公告)号:CN114896099A
公开(公告)日:2022-08-12
申请号:CN202210473290.6
申请日:2022-04-29
申请人: 中国人民解放军93216部队 , 杭州电子科技大学
摘要: 本发明属于计算机存储技术领域,具体涉及用于泛在存储系统的网络环境自适应编码方法及系统。方法包括S1,在RS纠删码的基础上扩展纠删码参数;S2,采用有限离散时间马尔科夫链建模,进行数据修复过程;S3,估计数据修复过程所占用的带宽开销比例和数据丢失率,得到最优修复带宽开销及慢速节点分布;S4,通过EAP算法,根据网络环境自适应调整纠删码参数,得到维持期望持久性的最优纠删码参数;S5,通过ORP算法,根据泛在存储系统当前节点抖动率和慢速节点比例的情况下,得到最低修复带宽开销且满足期望持久性的最优纠删码参数。本发明具有在各种网络环境中都可以维持期望持久性的特点。
-
公开(公告)号:CN114281809A
公开(公告)日:2022-04-05
申请号:CN202111577423.6
申请日:2021-12-22
申请人: 杭州电子科技大学
IPC分类号: G06F16/215 , G06F16/23 , G06F16/28 , G06F21/64
摘要: 本发明公开一种多源异构数据清洗方法及装置,面向于多种数据质量维度下不当的数据清洗顺序导致的无效和低质量数据修复问题。本发明从智慧校园背景下多种数据质量维度出发,通过规范数据的检查与修复顺序,保证了整体数据清洗的有效性。在数据修复过程中,利用当前已知的校园内部知识作为外部约束条件,扩展了修复规则集合,提高了数据清洗的准确性。在智慧校园建设过程中,本发明清洗后的校园数据,可有效应用于高校数据治理、数据开放以及数据挖掘和分析等各个过程。避免了在多种数据质量维度情况下,数据修复所产生的一致性问题,极大提高了数据的可用性。
-
公开(公告)号:CN118534779A
公开(公告)日:2024-08-23
申请号:CN202410631030.6
申请日:2024-05-21
申请人: 杭州电子科技大学
IPC分类号: G05B13/04
摘要: 本发明公开了一种区间二型T‑S模糊网络系统故障检测方法,该方法首先建立基于区间二型T‑S模糊模型的网络控制系统模型,基于网络控制系统模型,建立通过网路传输到故障检测滤波器的事件触发条件。其次根据网络控系统模型和事件触发条件,设计网络控制系统的故障检测滤波器。然后根据网络控制系统模型以及故障检测滤波器,建立故障检测系统模型。最后根据故障检测系统模型,选取残差评价函数和检测阈值,通过比较评价函数的输出与故障阈值检测故障信号。本发明可以检测系统在外部扰动以及时滞和随机丢包情况下的故障检测,保证网络系统的安全性,减少网络资源的浪费。
-
公开(公告)号:CN117640650A
公开(公告)日:2024-03-01
申请号:CN202311392197.3
申请日:2023-10-24
申请人: 杭州电子科技大学 , 中国人民解放军93216部队
IPC分类号: H04L67/104 , H04L9/32 , H04L9/00 , H04L9/40
摘要: 本发明公开了一种基于推荐信誉模型和聚类分析的改进拜占庭容错方法及系统,方法如下:步骤1,对所有节点平均分配初始全局信任值;步骤2,将节点的全局信任值从高到低进行排序,根据节点的全局信任值将节点划分为共识组和非共识组;步骤3,在共识组中选取节点全局信任值排名靠前的节点成为主节点备选组,即主组;步骤4,进行一轮共识;步骤5,计算节点的全局信任值;步骤6,判断是否正常达成共识,若未达成共识,则从主组中重新选择主节点,并转到步骤2;若达成共识,则转到步骤7;步骤7,根据节点之间的通信行为,使用聚类分析并更新节点的全局信任值。本发明解决现有PBFT算法存在通信复杂度高、主节点作恶对系统影响较大的问题。
-
公开(公告)号:CN117411625A
公开(公告)日:2024-01-16
申请号:CN202311387003.0
申请日:2023-10-24
申请人: 中国人民解放军93216部队 , 杭州电子科技大学
IPC分类号: H04L9/08
摘要: 本发明公开了一种基于KZG多项式承诺的分布式密钥管理方法及系统,方法如下:S1.可信第三方生成公共参数;S2.配置授权密钥管理节点集群,载入公共参数,集群内通过安全多方计算完成密钥管理初始化设置;S3.用户加入网络,载入公共参数;用户向管理节点发送密钥生成请求,收到不少于门限阀值个通过验证的密钥分片,重建用户私钥;S4.用户间通信,发送消息使用对方公钥加密,使用自身私钥解密接收消息。本发明实现了高度安全的密钥生成和管理,同时降低了系统的复杂性和开销。
-
公开(公告)号:CN116566548A
公开(公告)日:2023-08-08
申请号:CN202310602558.6
申请日:2023-05-25
申请人: 杭州电子科技大学 , 中国人民解放军93216部队
摘要: 本发明公开了一种基于初等元胞自动机的混沌交织器及数据交织方法,方法具体步骤如下:S1,确定混沌交织器的数据分组长度、交织深度和混沌交织器系统模型;S2,设置基于初等元胞自动机的混沌交织器系统的初始参数和状态;S3,混沌交织器系统根据设定的参数迭代产生数据;S4,将生成的数据映射成为一个交织序列;S5,检查交织序列是否满足交织深度的要求,不满足则跳回步骤S3,满足则执行步骤S6;S6,得到待交织的数据,然后按照步骤S5的交织序列对数据进行交织。本发明的交织器较传统的交织器如块交织器、混沌交织器性能更优,而且参数可控、便于优化、确定参数后可快速大量的生成交织器。
-
公开(公告)号:CN117997525A
公开(公告)日:2024-05-07
申请号:CN202311820817.9
申请日:2023-12-27
申请人: 杭州电子科技大学 , 中国人民解放军93216部队
摘要: 本发明公开了一种基于多点评估机制的身份基门限密钥管理方法及系统,方法按如下步骤:(1)离线可信第三方生成公共参数;(2)对系统进行可信初始化设置;(3)生成用户密钥;(4)进行加密和解密。在本发明中,管理节点在系统初始化的共享分发阶段使用多点评估技术进行预处理计算,生成所有邻居的共享份额和相应的路径证明,从而减少了可验证秘密共享的贡献值与证明值计算的开销。本发明方案利用多点认证树的同态性质进行路径聚合,生成系统主密钥分片的证明路径,使用户可以通过两级验证确认获得密钥分片正确性。管理节点与用户之间通过短签名进行离线注册实现双向认证,消除了用户申请私钥时对可信信道的依赖。
-
公开(公告)号:CN115883589A
公开(公告)日:2023-03-31
申请号:CN202211511048.X
申请日:2022-11-29
申请人: 杭州电子科技大学
IPC分类号: H04L67/1097 , H04L67/1025
摘要: 本发明公开了分布式存储中针对数据修复的动态节点选择方法及系统,方法按如下步骤:(1)对节点的计算能力建模;(2)对节点负载变化的检测;(3)对节点计算能力的动态调整;(4)处理时延的计算;(5)传输时延的计算;(6)基于网络距离和负载均衡的节点选择。本发明提出的基于网络距离和负载均衡的节点选择方案,在存储节点计算能力异构的基础上考虑了存储节点的负载变化并动态调整节点的计算能力,其可以根据实际负载的变化选择不同的节点参与数据修复工作,实现了自适应节点选择,可以有效解决在实际存储系统中节点负载的突发情况对数据修复的影响,优化数据修复时延,合理规划节点负载。
-
公开(公告)号:CN113139143B
公开(公告)日:2022-07-12
申请号:CN202110350187.8
申请日:2021-03-31
申请人: 杭州电子科技大学
IPC分类号: G06F16/957 , G06F16/215 , G06F16/22 , G06F16/25 , G06F16/28 , G06F16/955
摘要: 本发明公开了面向智慧校园的网页表数据与关系型数据库数据集成方法。本发明通过多分类器计算所有数据表对应属性列的相似度,获得属性关联关系后进行初步数据集成,有效降低属性之间的不确定性。通过爬虫获取校园网页中离散的网页表数据,使用混合标签匹配器得到多个网页表的标签映射关系,再将这些网页表缝合为一张较大网页表。将这缝合后的网页表转换为结构化数据表,与初步集成后的数据特征表进行数据集成,提高了集成数据完整性。本发明在传统的数据集成中增加了对校园网页中网页表数据的集成方法,使得最后得到的用户特征表更加完善,将网络上的数据与本地数据结合起来,进一步提升数据集成的准确率,发现有价值的潜在信息。
-
公开(公告)号:CN113139143A
公开(公告)日:2021-07-20
申请号:CN202110350187.8
申请日:2021-03-31
申请人: 杭州电子科技大学
IPC分类号: G06F16/957 , G06F16/215 , G06F16/22 , G06F16/25 , G06F16/28 , G06F16/955
摘要: 本发明公开了面向智慧校园的网页表数据与关系型数据库数据集成方法。本发明通过多分类器计算所有数据表对应属性列的相似度,获得属性关联关系后进行初步数据集成,有效降低属性之间的不确定性。通过爬虫获取校园网页中离散的网页表数据,使用混合标签匹配器得到多个网页表的标签映射关系,再将这些网页表缝合为一张较大网页表。将这缝合后的网页表转换为结构化数据表,与初步集成后的数据特征表进行数据集成,提高了集成数据完整性。本发明在传统的数据集成中增加了对校园网页中网页表数据的集成方法,使得最后得到的用户特征表更加完善,将网络上的数据与本地数据结合起来,进一步提升数据集成的准确率,发现有价值的潜在信息。
-
-
-
-
-
-
-
-
-