面向5G智能网联系统的区块链网络切片安全智能优化方法

    公开(公告)号:CN114070775A

    公开(公告)日:2022-02-18

    申请号:CN202111203106.8

    申请日:2021-10-15

    摘要: 本发明涉及一种面向5G智能网联系统的区块链网络切片安全智能优化方法,该方法的具体步骤如下:步骤1:建立基于5G切片环境的移动区块链网络;步骤2:得到移动区块链网络运行的原始数据集,包括正常运行情况下的数据和出现传输链路故障情况下的数据,并进行数据预处理;步骤3:根据基于机器学习的链路状态推断算法建立联邦半监督学习模型并进行训练;步骤4:训练完联邦半监督学习模型后得到优化的全局模型,实现预测性快速共识收敛,与现有技术相比,本发明具有使移动区块链网络共识的快速收敛、显著提高推理速度以及物联网中位于不同网络切片上的区块链节点可以更有效地传输本地的感知数据等优点。

    一种资源高效的安全数据分享方法及系统

    公开(公告)号:CN108540280B

    公开(公告)日:2020-09-15

    申请号:CN201810136222.4

    申请日:2018-02-09

    IPC分类号: H04L9/06 H04L9/08 H04L9/32

    摘要: 本发明提供了一种资源高效的安全数据分享方法及系统,包括:发布者端对原始数据进行预处理得到元数据M,元数据M通过雾节点对称加密方案加密,对称密钥由设定的访问结构保护,只有当订阅者端的属性集合S满足目标密文对应的访问结构时,通过解密服务端解密得到正确的对称密钥,进而恢复出元数据M;所述对称密钥以及所述属性由属性授权端管理;所述访问结构为由发布者端构建的访问树Γ,访问树Γ的非叶子节点是阈值门,叶子节点与所述属性的值关联,访问树Γ包括左子树Γu和右子树tc;所述左子树Γu由发布者端确定,对应于一条密文;所述右子树tc是用来描述时间戳的叶子节点。本发明能够在实现不同安全需求的同时,显著降低计算开销,实现高效的用户撤销。

    智能传感器网络中的轻量级安全同步方法

    公开(公告)号:CN105245305A

    公开(公告)日:2016-01-13

    申请号:CN201510703427.2

    申请日:2015-10-26

    IPC分类号: H04J3/06 H04L29/06

    摘要: 本发明提供了一种智能传感器网络中的轻量级安全同步方法,包括如下步骤:步骤S1,认证阶段:在传感器节点和应用程序两者之间广播认证消息;步骤S2,时间戳传递阶段:时间戳信息通过轻量的加密算法进行传递以保证通信的安全性;步骤S3,时间同步阶段:考虑认证阶段和时间戳传递阶段的脉冲传播时延,从而进行时间同步调整。本发明可以被运用到ISO/IEC/IEEE 21451中;充分满足了同步机制中的安全需求,提高了安全性,一些虚假和无效的信息将在传输过程中被丢弃;在只有微小延迟的代价下提高了时间同步的安全性能,同时可以运用于基于ISO/IEC/IEEE 21451的传感器网络中。

    一种低存储容量的Turbo码译码器及其设计方法

    公开(公告)号:CN103957016A

    公开(公告)日:2014-07-30

    申请号:CN201410199648.6

    申请日:2014-05-12

    发明人: 詹明 伍军 文红

    IPC分类号: H03M13/29

    摘要: 本发明提供一种低存储容量的Turbo码译码器及其设计方法,包括BMUα和BMUβ,所述BMUβ与LIFO SMC存储器相连,所述BMUα与LIFO SMC存储器均连接至后验概率LLR计算单元,所述BMUβ和LIFO SMC存储器之间通过一个压缩计算单元相连,所述LIFO SMC存储器和后验概率LLR计算单元之间通过一个再生计算单元相连,所述压缩计算单元对后向度量进行排序构造序号数组并计算增量值,所述序号数组与增量值存储于所述LIFO SMC存储器中,所述再生计算单元访问所述LIFO SMC存储器中的序号数组与增量值,估算后向度量。本发明所提供的Turbo译码器,LIFO SMC容量降低效果更好,不仅适用于单比特Turbo码,也适用于双二元的Turbo码,使低LIFO SMC容量译码器结构设计方案得到了统一。

    面向5G智能网联系统的区块链网络切片安全智能优化方法

    公开(公告)号:CN114070775B

    公开(公告)日:2023-07-07

    申请号:CN202111203106.8

    申请日:2021-10-15

    摘要: 本发明涉及一种面向5G智能网联系统的区块链网络切片安全智能优化方法,该方法的具体步骤如下:步骤1:建立基于5G切片环境的移动区块链网络;步骤2:得到移动区块链网络运行的原始数据集,包括正常运行情况下的数据和出现传输链路故障情况下的数据,并进行数据预处理;步骤3:根据基于机器学习的链路状态推断算法建立联邦半监督学习模型并进行训练;步骤4:训练完联邦半监督学习模型后得到优化的全局模型,实现预测性快速共识收敛,与现有技术相比,本发明具有使移动区块链网络共识的快速收敛、显著提高推理速度以及物联网中位于不同网络切片上的区块链节点可以更有效地传输本地的感知数据等优点。

    一种小样本恶意流量检测方法、装置及存储介质

    公开(公告)号:CN116318778A

    公开(公告)日:2023-06-23

    申请号:CN202211527530.2

    申请日:2022-11-30

    摘要: 本发明涉及一种面向边缘智能网络的小样本恶意流量检测方法、装置及存储介质,其中方法包括:从已知物联网网络活动中收集并标记网络流量;对网络流量进行预处理和特征提取,并划分为选举集和辅助集;构建基于三重网络的度量学习模型,模型的输入为三元组,输出为嵌入层中特征向量的欧式距离;基于选举集和辅助集生成训练三元组;利用训练三元组,基于对比距离损失度量区分相似和不相似的样本对,对度量学习模型进行训练;将实时网络流量样本与恶意节点网络流量支撑样本对进行组合生成检测三元组,利用度量学习模型,实现未知恶意活动网络流量的检测。与现有技术相比,本发明具有检测准确率高等优点。