-
公开(公告)号：CN117473415A
公开(公告)日：2024-01-30
申请号：CN202311510758.5
申请日：2023-11-14
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明属于物联网流量分类领域，涉及基于融合特征和自适应权重的物联网流量分类方法。该方法包括以下步骤：S1)对数据进行预处理，按照五元组将流量数据分成会话流，使用USTC‑TK2016工具对会话流进行清洗、提取有效字节并转化成灰度图；S2)在Inception结构基础上重新设计多尺度结构，提出一种轻量级多尺度特征融合模块。使用空洞卷积降低模型参数量，融合不同层次的语义信息，获得全面的空间信息；S3)嵌入自适应坐标注意力机制，通过引入加权系数对特征图水平方向和垂直方向的特征进行自适应精细化提取，捕获关键位置信息；S4)针对模型轻量化操作带来的部分特征损失和可能的梯度消失问题，使用残差链接保证语义信息的完整，解决梯度消失问题，同时加快模型收敛；S5)使用全卷积替代全连接层，提高模型非线性能力，最后经过SoftMax进行分类。本发明提出一种物联网流量分类模型，该模型能实现性能和模型复杂度之间的平衡，降低了日益剧增的网络流量带来的沉重开销，能有效应用于移动边缘计算场景。
-
公开(公告)号：CN115438856A
公开(公告)日：2022-12-06
申请号：CN202211077931.2
申请日：2022-09-05
Applicant: 重庆邮电大学
Abstract: 本发明属于轨迹预测领域，涉及基于时空交互特征和终点信息的行人轨迹预测方法。该方法包括以下步骤：S1)将所用的数据进行预处理；S2)采用条件变分自编码器网络生成轨迹终点信息特征；S3)利用长短期记忆神经网络提取数据历史轨迹特征；S4)采用时空图注意力网络提取数据的行人交互特征；S5)将提取的特征融合后输入解码器输出预测轨迹。提出一种基于时空交互特征和终点信息的行人轨迹预测方法，该方法充分考虑行人轨迹运动时空规律，从不同角度提取特征信息，与传统的轨迹预测方法相比更加强大，具有更优的轨迹预测性能。
-
公开(公告)号：CN114679699A
公开(公告)日：2022-06-28
申请号：CN202210285830.8
申请日：2022-03-23
Applicant: 重庆邮电大学
Abstract: 本发明属于空天地一体领域，涉及多无人机巡航和无人机辅助通信技术领域，具体涉及基于深度强化学习的多无人机节能巡航通信覆盖方法。包括：建立无人机与地面用户之间的通信，在满足地面用户通信条件下将目标区域进行栅格化；确定目标区域中的重点聚集点区域与普通目标区域，分别设置重点聚集点区域与普通目标区域的所对应的权值；设置环境中所需要的相关变量和评估指标，采用深度强化学习方法对多个无人机进行集中式训练、分布式执行；计算在整个网络中多无人机巡航覆盖目标区域的能量效率、目标区域的平均覆盖指数以及目标区域的公平覆盖指数。本发明能实现灾后全区域的通信覆盖，相比与其他方法，该发明在平均覆盖指数、公平覆盖指数以及能量效率上取得的效果更佳，在提升系统可行性的同时实现多无人机通信的节能降耗。
-
公开(公告)号：CN113055850B
公开(公告)日：2022-05-03
申请号：CN202110240672.X
申请日：2021-03-04
Applicant: 重庆邮电大学
Abstract: 本发明属于空天地一体化领域，涉及无人机巡航和无人机辅助通信技术领域，具体涉及一种无人机巡航通信的能量最小化方法。包括：建立无人机与地面节点之间的通信，设置满足边界节点通信的最小吞吐量Q，在边界节点达到最小吞吐量的前提下计算满足地面节点通信的无人机最优飞行速度；将整片矩形区域网格化，确定无人机最大化区域覆盖同时最小化能耗的飞行路径；计算无人机飞行时间、飞行通信相关的能量、无人机悬停时间和悬停通信相关的能量；计算在整个系统下无人机实现巡航通信的最小化能量。本发明能实现全区域通信覆盖，该发明在提升系统可行性的同时实现无人机通信的节能降耗。
-
公开(公告)号：CN111212406B
公开(公告)日：2022-05-03
申请号：CN202010185087.X
申请日：2020-03-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及移动无线通信技术领域，具体为一种适用于可伸缩视频的D2D资源分配方法；所述方法包括根据蜂窝用户和D2D用户的最小SINR要求和功率限制，进行D2D用户接入筛选；将筛选后的D2D用户以及蜂窝用户遍历所有视频层；根据蜂窝用户和D2D用户传输的视频层数分别得到所需的最小传输速率要求，从而分别计算出蜂窝用户和D2D用户的最小发送功率；计算出所有满足最小发送功率限制的D2D用户复用蜂窝用户频谱的收益和，进而得到最大收益和；构建出增益矩阵，对多个D2D用户复用多个频谱进行资源分配；通过灵活地资源分配，最终达到在在蜂窝D2D协作网络中传输可伸缩视频时获得有效的最大吞吐量或者平均视频质量。
-
Patent Agency Ranking
公开(公告)号：CN111343165A
公开(公告)日：2020-06-26
申请号：CN202010094729.5
申请日：2020-02-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及网络入侵检测技术，特别涉及基于BIRCH和SMOTE的网络入侵检测方法及系统，方法包括将网络入侵历史数据集中的符号属性转换为数字属性；将网络入侵历史数据集归一化至区间[0,1]；利用平衡采样算法对网络入侵历史数据集进行采样，得到每个类别平衡的训练集；利用获得的训练集训练机器学习分类器；将实时的网络入侵数据输入训练好的分类器，分类器输出该实时的网络入侵数据的类别；本发明比单纯使用欠采样的网络入侵检测方法减少了有潜在价值的多数类样本的丢弃，比单纯使用SMOTE过采样的网络入侵检测方法减少了生成少数类新样本时引入的噪音，因此本发明具有更高的少数类召回率和更高的整体分类性能G-means值。
-
公开(公告)号：CN111314353A
公开(公告)日：2020-06-19
申请号：CN202010103246.7
申请日：2020-02-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及网络入侵检测技术领域，特别涉及一种基于混合采样的网络入侵检测方法及系统，方法包括将网络入侵历史数据集中的符号属性转换为数字属性；将网络入侵历史数据集归一化至区间[0,1]；利用混合采样算法对网络入侵历史数据集进行采样，得到每个类别平衡的训练集；利用获得的训练集训练BP神经网络分类器；将实时的网络入侵数据输入训练好的BP神经网络分类器，BP神经网络分类器输出该实时的网络入侵数据的类别；本发明减少了多数类样本的舍弃，从而减少了对构建分类器有价值的信息的损失；相比基于SMOTE过采样的入侵检测技术，减少了生成少数类新样本时引入的噪音，因此该算法对不平衡数据有更好的分类性能。
-
公开(公告)号：CN120074831A
公开(公告)日：2025-05-30
申请号：CN202510165442.X
申请日：2025-02-14
Applicant: 重庆邮电大学
IPC: H04L9/32 , H04L9/40 , H04L9/00 , H04L67/1097 , H04L41/0654
Abstract: 本发明请求保护一种基于信令网威胁流数据的分布式存储与可控共享系统，包括数据共享模块、共享通道管理模块、数据管理模块、身份管理模块、联盟链管理模块以及用户管理模块，统架构采用前后端分离框架进行开发，前端采用Vue.js框架搭建界面框架，并结合ElementUI、Echarts等框架进行界面设计实现。后端主要基于Java语言实现，使用Springboot框架进行开发。本发明系统通过严格的权限管理和数据加密传输，保护信令数据的隐私性和安全性。引入区块链技术和分布式存储系统IPFS，确保即使部分节点故障也不会影响系统的整体功能，保证信令数据的持续安全共享。分布式存储提高了数据的访问效率，结合智能合约管理，实现了数据共享和业务逻辑的自动化，提高了系统的运行效率。
-
公开(公告)号：CN115459996B
公开(公告)日：2025-01-14
申请号：CN202211083386.8
申请日：2022-09-06
Applicant: 重庆邮电大学
IPC: H04L9/40 , G06F18/2415 , G06F18/2433 , G06F18/25 , G06F18/21 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/049 , G06N3/084 , G06N3/09
Abstract: 本发明属于入侵检测领域，涉及基于门控卷积和特征金字塔的网络入侵检测方法。该方法包括以下步骤：S1)将所用的数据进行预处理；S2)采用门控卷积神经网络按深度提取出网络数据不同程度的语义特征；S3)采用特征金字塔网络将模型深层的特征图进行融合；S4)对融合后的各模型深层特征图应用全连接神经网络进行分类判决；S5)采用FocalLoss损失函数对整体模型进行多监督训练。本发明能实现高性能的入侵检测，相比与其他方法，该发明在多分类入侵检测中的查准率、查全率以及综合指标F1‑score上取得的效果更佳，在提升入侵检测系统性能的同时实现对少数类样本F1‑score的巨大提升。
-
公开(公告)号：CN118921189A
公开(公告)日：2024-11-08
申请号：CN202410918406.1
申请日：2024-07-10
Applicant: 重庆邮电大学
IPC: H04L9/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明属于网络流量数据增强领域，涉及基于生成对抗网络的物联网恶意流量数据增强方法。该方法包括以下步骤：S1)将一维(1D)时间序列轨迹转换为二维(2D)GADF图像；S2)采用MFFECA生成模型对GADF图像进行生成；S3)使用二分类器对生成的数据集进行分类实验.本发明提出一种结合MFFECA生成模型，GADF图像转换以及GADF图像增强算法的物联网流量数据增强方法，该方法通过生成高质量的物联网恶意流量，最终有效地对物联网流量数据集进行增强，解决物联网领域攻击数据不足的问题。最后使用CNN分类器在扩充后的数据集上进行分类，用来评价物联网恶意合成流量生成的效果。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.021 seconds)
