公开(公告)号：CN117762643A

公开(公告)日：2024-03-26

申请号：CN202410024338.4

申请日：2024-01-08

申请人： 南京邮电大学

发明人： 郭永安 ,  狄杰斯 ,  王宇翱 ,  奚城科 ,  钱琪杰

IPC分类号： G06F9/50 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/092 ,  H04W28/08 ,  H04W28/084

摘要： 本发明公开一种基于强化学习的车联网边缘计算资源调度方法；属于车载边缘计算技术领域；利用LSTM模型对预处理后的数据进行训练，预测数据的流行度；结合强化学习的当前状态进行训练，将流行度作为强化学习的状态；根据从边缘设备计算的时延以及消耗的能量作为奖励R，得到最优的任务卸载策略；主边缘设备根据接收的从边缘设备发送的计算结果进行任务处理的性能评估，将性能评估结果作为奖励R反馈给强化学习训练过程得到更新后的Q值，主边缘设备对任务卸载策略进行再优化，进一步调整任务资源分配；根据车辆状态和任务类型等因素，动态地调整资源分配策略，能够高效地利用车辆边缘计算的资源，提高计算的效率、性能和资源利用率。

公开(公告)号：CN117114113B

公开(公告)日：2023-12-29

申请号：CN202311378988.0

申请日：2023-10-24

申请人： 南京邮电大学

发明人： 郭永安 ,  齐帅 ,  王宇翱 ,  钱琪杰 ,  白晨浩

IPC分类号： G06N5/04 ,  G06N3/0464 ,  G06F9/50

摘要： 本发明属于边缘计算技术领域，涉及一种基于排队论的协同推理加速方法；包括：步骤1建立任务属性模型；步骤2建立通信模型；步骤3依据当前队列状态信息做出是否直接上传云服务器的决策，上传则步骤7，否则步骤4；步骤4进行DNN模型分区，若此时任务不触发反悔机制则转步骤5，否则转步骤6；步骤5基于步骤4，边缘服务器协同执行推理任务并转步骤8；步骤6触发反悔机制，DNN模型深段部分转步骤7；步骤7模型上传云服务器并完成推理结果的聚合进入步骤8；步骤8获得此时的模型分区策略及总推理时延；当总推理时延不再减小，输出最优模型分区策略以及最小推理时延；结合队列状态信息对模型分区点进行优化，实现最小化系统推理时延。(56)对比文件顾冰雪.面向深度学习的云边任务迁移与调度研究《.中国优秀硕士学位论文全文数据库 信息科技辑》.2022,(第2022年12期),I139-422.郭永安 等.基于边端协同的CNN推理加速框架《.南京邮电大学学报（自然科学版）》.2023,第43卷(第3期),68-77.Siqi Fan 等.Dynamic Regret ofRandomized Online Service Caching in EdgeComputing《.arXiv》.2023,1-10.Zixing Lei 等.Latency-AwareCollaborative Perception《.arXiv》.2022,1-17.Bin Han 等.Impatient Queuing forIntelligent Task Offloading inMultiaccess Edge Computing《.IEEETRANSACTIONS ON WIRELESS COMMUNICATIONS》.2022,第22卷(第1期),59-72.

公开(公告)号：CN116828226B

公开(公告)日：2023-11-10

申请号：CN202311084846.3

申请日：2023-08-28

申请人： 南京邮电大学

发明人： 郭永安 ,  周沂 ,  王宇翱 ,  程瑶

IPC分类号： H04N21/231 ,  H04N21/2543 ,  H04L9/00

摘要： 本发明属于移动通信中的边缘缓存技术领域，公开了基于区块链的云边端协同视频流缓存系统，通过网络模块实现CDN服务器、边缘服务器、视频用户三者之间的通信；缓存模块用于计算视频内容的流行度，以及视频内容缓存在CDN服务器层和边缘服务器层时的访问延迟、流量成本和缓存能耗；并将所有视频请求的内容访问延迟、流量成本和能耗的问题最小化；区块链模块用于计算视频用户请求的付费视频内容上链所产生的能耗。本发明充分发挥边缘侧MEC服务器的计算和存储能力，并加入区块链技术，解决互联网视频流量大幅度增长所导致的时延及能耗过高的问题以及计费信息安全问题；实现协同边缘缓存。

公开(公告)号：CN116781418B

公开(公告)日：2023-10-31

申请号：CN202311027822.4

申请日：2023-08-16

申请人： 南京邮电大学

发明人： 郭永安 ,  黄浩 ,  佘昊 ,  王宇翱

IPC分类号： H04L9/40 ,  H04L43/0876 ,  H04L43/04 ,  H04L41/16 ,  G06F18/2411 ,  G06F18/2431

摘要： 本发明公开了一种基于神经网络和SVM的SDN恶意控制器检测方法，包括：利用带内遥测技术获取SDN网络中ONOS控制器数据；从获取的数据中提取特征数据，并形成特征子图；利用注意力机制对特征数据赋予初始权重；利用多分类器SVM对带有初始权重的特征数据进行分类，输出分类结果。本发明的带内网络遥测能够对网络拓扑、网络性能和网络流量实现更细粒度的测量，对恶意控制器的检测提高的准确性；本发明引入注意力机制，为初始样本数据进行权重分配，可以提高检测效率。

公开(公告)号：CN116915781A

公开(公告)日：2023-10-20

申请号：CN202311182560.9

申请日：2023-09-14

申请人： 南京邮电大学

发明人： 郭永安 ,  程瑶 ,  周沂 ,  王宇翱

IPC分类号： H04L67/1001 ,  H04L67/1004 ,  H04L67/1074 ,  H04L67/1097 ,  H04L67/06 ,  H04L67/568 ,  H04L9/00 ,  H04L9/40 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/092

摘要： 本发明公开了一种基于区块链的边缘协作缓存系统及方法，系统包括边缘节点、服务器和区块链；若干边缘节点用于基于用户历史请求信息生成内容流行度分布，并通过区块链将内容流行度分布上传至服务器，服务器用于将接收到的内容流行度分布结合各边缘节点的缓存空间状态制定边缘协作缓存策略，并基于制定的边缘协作缓存策略调控相关边缘节点协作缓存流行内容数据。本发明改进区块链技术并引入协作缓存的思想，构建安全可信、协同高效的边缘协作缓存系统，提高了缓存效率和缓存命中率，最大化资源利用率，同时所有数据通过基于智能合约的区块链来传输，减少了服务器的访问压力和通信成本，降低了数据泄露的风险，可以有效防止他人的恶意入侵。

公开(公告)号：CN116582871A

公开(公告)日：2023-08-11

申请号：CN202310828232.5

申请日：2023-07-07

申请人： 南京邮电大学

发明人： 郭永安 ,  李嘉靖 ,  王宇翱 ,  钱琪杰

IPC分类号： H04W24/02 ,  H04W28/08 ,  H04W84/08 ,  G06N20/20

摘要： 本发明公开了一种基于拓扑优化的无人机集群联邦学习模型优化方法，本发明面向无人机集群，根据带宽分配、计算时延、通信时延以及拓扑设计的约束条件，最小化无人机集群联邦学习每一轮的能量消耗和时延的加权和；进而获得每一轮无人机集群对应的关于模型参数传输的拓扑结构，基于拓扑结构，各跟随无人机的本地联邦学习模型参数传输至领头无人机；领头无人机进行参数聚合并更新，获得下一轮迭代中的全局联邦学习模型参数，当全局联邦学习模型参数对应的联邦学习模型精度达到要求，则获得无人机集群对应的联邦学习模型。本发明显著加快联邦学习过程，大大提高了无人机集群联邦学习的鲁棒性，使联邦学习能够更好地适应网络拓扑高动态的无人机集群。

公开(公告)号：CN116541163A

公开(公告)日：2023-08-04

申请号：CN202310297848.4

申请日：2023-03-24

申请人： 南京邮电大学

发明人： 郭永安 ,  齐帅 ,  王宇翱 ,  钱琪杰

IPC分类号： G06F9/50

摘要： 本发明公开了一种基于任务聚类的云边端协同系统数据处理方法及系统，包括终端设备层、边缘服务器层和云服务器层；终端设备层包括各种移动终端设备；边缘服务器层包括多个具有计算能力的边缘服务器；云服务器层包括一个具有强计算能力的云服务器；终端设备层中的每个移动终端设备不进行本地计算且可产生一个计算任务，该任务被分解为多个子任务，将类型相同的子任务聚合到一个簇内，通过深度强化学习算法，终端设备层与边缘服务器层交互，为每个任务簇分配相应计算能力的边缘服务器来处理计算任务。本发明通过云边端协同计算，使用更多的节点来负载流量，有效降低系统时延，并且大大降低系统的能耗成本。

公开(公告)号：CN116151260A

公开(公告)日：2023-05-23

申请号：CN202310189507.5

申请日：2023-02-28

申请人： 南京邮电大学

发明人： 郭永安 ,  左静怡 ,  钱琪杰 ,  王宇翱

IPC分类号： G06F40/295 ,  G06F40/211 ,  G06F40/30 ,  G06N7/01 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/0895

摘要： 本发明公开了一种基于半监督学习的糖尿病命名实体识别模型构建方法，其网络结构包括两个模块，一个模块是命名实体识别(NER)模块，包括BERT嵌入层、BERT模型、CRF模型和生成对抗训练。其中，BERT嵌入层加和三个向量作为BERT模型的输入；BERT模型对输入字符上下文信息进行捕获，学习语义特征；CRF模型提取标签间的约束关系，计算最优标签序列；生成对抗训练通过对已标注样本和未标注样本的潜在变量分布之间的训练，优化命名实体识别模型。另一个模块是半监督学习模块，通过迭代训练优化模型。本发明的命名实体识别模型能充分利用未标注样本，优化命名实体识别模型，并在少量标注样本的情况下，达到良好的命名实体识别效果。

公开(公告)号：CN116016538A

公开(公告)日：2023-04-25

申请号：CN202310303751.X

申请日：2023-03-27

申请人： 南京邮电大学

发明人： 郭永安 ,  周金粮 ,  王宇翱 ,  钱琪杰 ,  周沂

IPC分类号： H04L67/101 ,  H04L67/1008 ,  H04L41/0823 ,  H04L41/0896 ,  H04L41/0894 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了面向动态环境的边端协同推理任务卸载优化方法与系统。所述方法运行在物理终端、边缘集群、云服务器三个层次内，其中云服务器负责模型训练，并将模型下发至边缘集群；物理终端产生计算任务并向边缘集群提出计算请求；在边缘集群内，本方法会综合考虑高度动态的网络带宽和设备负载情况，通过将边端协同推理工作中涉及到的推理时延和传输时延转换为与计算任务复杂度、设备负载、张量数据和网络带宽等相关联的最优化问题，并分步决策出模型的多个最佳分割位置以优化通信和计算权衡，最终在保证模型准确率的前提下，最小化协同推理时延的同时提升边缘服务器的计算资源利用率。

公开(公告)号：CN115034390A

公开(公告)日：2022-09-09

申请号：CN202210961978.9

申请日：2022-08-11

申请人： 南京邮电大学

发明人： 郭永安 ,  周金粮 ,  王宇翱 ,  钱琪杰 ,  孙洪波

IPC分类号： G06N3/08 ,  G06N3/04 ,  G06F9/50 ,  H04L67/10

摘要： 本发明公开了一种基于云边端协同的深度学习模型推理加速方法，具体涉及一种深度学习模型分层卸载方法。该方法通过对整个深度学习模型推理过程中的计算时延、数据传输时延、数据传播时延和模型分层卸载策略生成时延进行理论建模，并以计算任务响应时延最小为优化目标，决定最优深度学习模型的分层卸载策略。相较于以物理端为主导和以云计算中心为主导的深度学习模型执行框架，本方法通过将边缘计算范式和云计算结合起来，并将深度学习模型分层卸载至不同的边缘计算节点，在满足计算精度的前提下，实现计算任务响应时延最小化。