-
公开(公告)号：CN117150341A
公开(公告)日：2023-12-01
申请号：CN202311102973.1
申请日：2023-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , H04L9/40
Abstract: 本发明提出了一种基于混合深度学习的加密流量分类方法及系统，涉及网络安全技术领域，具体方案包括：对采集的原始加密流量数据进行预处理，将其转换为统一格式的字节序列；利用训练好的混合深度学习模型对所述字节序列进行分类预测，得到加密流量的分类结果；本发明基于卷积神经网络、时间卷积神经网络以及通道注意力机制的混合深度学习模型，进行时空特征的提取及关注关键特征，从而增强时空特征提取的鲁棒性，提高加密流量分类的效率和准确度。
-
公开(公告)号：CN117062094A
公开(公告)日：2023-11-14
申请号：CN202311047327.X
申请日：2023-08-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了一种雾无线接入网络中边缘缓存主动放置方法及系统，涉及无线通信技术领域，构建F‑RAN无线网络模型，获取F‑RAN无线网络模型的边缘节点以及缓存容量；获取需缓存的用户的请求内容，引入队列理论，设计到达速率的共享队列模型以及三种传输模式，将三种传输模式的到达率问题转换为内容放置时延最小的模型的求解，通过采用贪心算法，使每个缓存节点都缓存尽可能多的流行内容，直至缓存存储容量受限；考虑各个F‑AP节点的局部内容的流行度，使进行缓存时依据请求内容的流行度和请求内容大小进行缓存主动放置；本公开解决了现有边缘缓存方案中延迟控制不准确及流量成本过高的问题。
-
公开(公告)号：CN116994054A
公开(公告)日：2023-11-03
申请号：CN202310986619.3
申请日：2023-08-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明公开了面向类别不平衡的联邦学习图像分类方法及系统，多个客户端按照标准的联邦学习方法联合训练一个全局模型；每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征；每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到尾类的增广样本，以增强本地训练数据；每个客户端使用增强的本地训练数据对全局模型进行微调，并将其上传到服务器来进一步更新全局模型。此外，本发明设计了一个新的损失函数TailDistillation Loss，能够减轻全局类不平衡的影响。
-
公开(公告)号：CN116980965A
公开(公告)日：2023-10-31
申请号：CN202310982783.7
申请日：2023-08-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04W28/02 , H04W28/06 , H04W28/086 , H04W28/084 , H04W28/08
Abstract: 本发明公开了基于信息中心网络的能效感知边缘缓存方法及系统，其中方法，包括：消费者客户端将兴趣包转发给基站；基站查找是否有数据包与兴趣包名称一致，如果没有，则在待处理兴趣表中新增一个条目；基站判断兴趣包内容是否是流行内容，如果是，则为兴趣包添加POP字段，并将添加字段的兴趣包，通过信息中心网络的路由器节点转发给核心网，核心网再转发给源服务器；源服务器将兴趣包对应的数据包，通过信息中心网络的路由器节点传输给核心网，核心网再传输给基站；基站判断当前返回数据包的名称，与待处理兴趣表中条目是否一致；如果一致，则基站判断当前返回数据包是否有POP字段标识，如果有，则将当前返回数据包转发给消费者客户端。
-
公开(公告)号：CN116436678A
公开(公告)日：2023-07-14
申请号：CN202310436976.2
申请日：2023-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/241 , G06F18/21 , G06N3/0475 , G06N3/045
Abstract: 本发明公开的面向多类不平衡数据特点的加密恶意流量识别方法及系统，对网络恶意流量数据进行预处理，获得恶意流量的特征图像；通过恶意流量的特征图像和训练好的恶意流量样本生成模型，获得恶意流量样本，在恶意流量样本生成模型的生成器和判别器中均加入自注意力模块，自注意力模块以卷积层输出的特征图为输入，获取输入自注意力模块的特征图的注意力图，根据注意力图确定自注意力特征图，将自注意力特征图与输入自注意力模块的特征图加权求和，获得自注意力模块输出的特征图，自注意力模块输出的特征图输入下一个卷积层中；对恶意流量样本进行识别，获得恶意流量识别结果。提高了对恶意流量识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116318928A
公开(公告)日：2023-06-23
申请号：CN202310206294.2
申请日：2023-02-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/006 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种基于数据增强和特征融合的恶意流量识别方法及系统，涉及网络安全领域，对原始流量数据集进行预处理、特征选择和流量平衡，得到数据增强后的训练集；基于多头注意力，构建恶意流量分类模型，用于特征提取和特征融合；通过参数寻优和模型训练，得到最终的恶意流量分类模型；将待识别的流量，输入到恶意流量分类模型中，输出分类结果；本发明设计了一种能够识别网络流量、自动提取特征并解决数据可用性不足问题的恶意流量分类模型，利用特征选择方法准确地过滤掉冗余特征，利用数据增强技术使各类流量数据均衡、去重叠数据，准确地进行神经网络模型参数权重的优化调整，获得更加合理的模型超参数，提高恶意流量识别的准确性和性能。
-
公开(公告)号：CN116074347A
公开(公告)日：2023-05-05
申请号：CN202211717383.5
申请日：2022-12-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: H04L67/12 , H04L67/10 , H04L41/14 , H04L43/0852 , H04L67/141
Abstract: 本发明公开了一种用于传感网的算力分配方法、系统、设备及介质，涉及海洋观监测传感网络技术领域，算力分配方法包括：根据当前的海洋算力网络，确定多个可用节点，海洋算力网络包括多个海洋节点，每个可用节点各自对应一个海洋节点；获取任务信息，根据任务信息对应的数据量和每个可用节点各自对应的算力信息，确定任务信息对应的任务时延模型；任务时延模型用于根据任务信息对应数据量所确定的卸载方案，确定执行任务信息的总时延；求解任务时延模型，得到目标卸载方案，目标卸载方案包括每个可用节点各自对应的目标分配比例；对于每个可用节点，根据可用节点对应的目标分配比例和任务信息对应的数据量，确定可用节点在本地所需处理的数据量。
-
公开(公告)号：CN114973060A
公开(公告)日：2022-08-30
申请号：CN202210430592.5
申请日：2022-04-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种移动视频的相似度计算方法和系统，涉及数据挖掘领域。该方法包括：通过视频帧数据模型计算第一视频帧的可视区域和第二视频帧的可视区域的交集和并集，根据交集和并集计算出第一视频帧和第二视频帧之间的预设系数，根据预设系数确定最大公共视图相似度，将第一视频帧和第二视频帧分别转换成第一视频帧序列和第二视频帧序列，基于最长公共子序列算法，结合第一视频帧序列和第二视频帧序列、以最大公共视图相似度作为权值，计算出第一视频帧和素和第二视频帧的视频相似距离，对视频相似距离进行归一化处理，获得相似度值，实现了基于最大公共子视图测量移动视频的相似度的识别和计算。
-
公开(公告)号：CN114782866A
公开(公告)日：2022-07-22
申请号：CN202210417377.1
申请日：2022-04-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/40 , G06V10/74 , G06V10/762 , G06K9/62 , G06F16/71 , G06F16/75 , G06F16/787
Abstract: 本发明涉及一种地理标记视频的相似度确定方法、装置、电子设备及介质，该方法包括：获取待处理的第一视频和第二视频，第一视频和第二视频均为地理标记视频；基于数据库缓存区的内存容量阈值，分别对第一视频和第二视频进行分割，得到多个目标分割视频场景；对于属于同一个视频的每个目标分割视频场景，将至少一个目标分割视频场景中的满足聚类条件的目标分割视频场景进行合并，得到至少一个目标视频场景；根据至少一个目标视频场景中每个目标视频场景对应的视场区域，确定第一视频和第二视频之间的视频相似度。通过本发明的方法，可减少数据处理量，减少算法复杂度，提高数据处理效率。
-
公开(公告)号：CN119829297A
公开(公告)日：2025-04-15
申请号：CN202510308469.X
申请日：2025-03-17
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了基于强化学习的边‑端动态协同任务批处理方法及系统，涉及人工智能技术领域，包括：获取任务集合；基于离散软演员‑评论家的强化学习方法，利用延迟‑精度奖励动态选择任务处理模型的划分点，实现对任务处理模型的拆分；将拆分后的任务处理模型分别部署在终端和边缘服务器上；对任务集合进行批处理初始化，为批任务设置时间窗口长度，在时间窗口内收集任务集合所对应的特征集合，并进行合并；将合并后的特征输入至部署在边缘服务器上的部分任务处理模型，从拆分点所在网络层继续执行模型尾部计算过程，得到任务的推理结果集合，再将推理结果集合传回到终端，实现边‑端动态协同的任务批处理过程。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.114 seconds)
