-
公开(公告)号：CN119653474A
公开(公告)日：2025-03-18
申请号：CN202411509145.4
申请日：2024-10-28
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明涉及无线通信技术领域，具体涉及到一种面向高速移动平台的时频同步方法。包括：在发射端基于恒包络零自相关序列经过与权重因子、共轭处理、对称变换等数学变形得到的前导序列。在接收端对接收到的信号进行逐步处理，(1)将持续接收到的信号与本地权重因子序列进行数学运算得到定时度量序列，选取最大值并记录对应位置完成符号定时同步。(2)提取接收导频序列，进行分数倍载波频率偏差估计及补偿，再进行整数倍载波频率偏差估计及补偿。(3)提取接收导频序列，利用本地前导序列进行公共相位偏差估计及补偿。本发明实现了在低信噪比条件、高动态多普勒频移及收发端晶振不匹配的环境下，高准确度定时捕获和高精度频偏纠正能力。
-
公开(公告)号：CN114120028B
公开(公告)日：2024-11-29
申请号：CN202111249871.3
申请日：2021-10-26
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提出了一种基于双层生成对抗网络的对抗样本生成方法，涉及人工智能安全领域。该方法采用第一层条件生成对抗网络、特征提取器、第二层生成对抗网络和目标网络；条件生成对抗网络用于生成新的样本，其鉴别器不但要分辨生成样本的真实性，还对其类别进行判定；特征提取器用于提取原始样本隐藏层特征，生成具有对抗先验的扰动；第二层生成对抗网络用于生成对抗扰动，鉴别器分析对抗样本的真实性及其与条件生成对抗网络生成样本的相似性；目标网络用于验证对抗样本的攻击成功率。本发明利用两层神经网络分别生成特定类别的样本和对抗扰动，能够实现利用特定类别对抗样本进行攻击和对抗训练的目的，有效提升攻击的成功率和对抗训练的效率。
-
公开(公告)号：CN113268326B
公开(公告)日：2024-05-28
申请号：CN202110574065.7
申请日：2021-05-25
Applicant: 西安交通大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开一种基于时间片轮转的公平流束调度方法及系统，方法包括：把时间分成若干个片段，每个片段为一轮，以一轮为基本时间单位对coflow调度；根据一轮调度时是否存在信息不可知coflow，采用两种不同方式调度：若存在信息不可知coflow，则使用优先发送先导流的方式，估算信息不可知coflow的大小信息，同时以租户轮询的方式对其分配带宽对coflow进行调度；若不存在信息不可知coflow，则基于coflow的信息，以分配优先级和租户轮询相结合方式对其分配带宽对coflow进行调度；两种调度方式均限制租户在一轮内的最大传输数据量，以保证本方法的策略防范性。本发明可以在保证策略防范和一轮的最优隔离的同时，提高coflow的性能，与现有提供隔离保证的方法相比，性能提升了54％。
-
公开(公告)号：CN117749475A
公开(公告)日：2024-03-22
申请号：CN202311746411.0
申请日：2023-12-19
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明属于信息安全领域，公开了一种基于标识密码的多因素持续验证系统，主要解决现有技术安全性不足和资源开销较大的问题。该系统包括标识密码生成服务器、持续认证服务器和持续认证客户端；标识密码生成服务器完成系统密码参数的初始化，接受持续认证服务器和持续认证客户端的密钥生成请求并为其生成密钥；持续认证服务器接受用户的认证协商请求，完成对持续认证属性的确认，并基于该属性完成对持续认证客户端的持续认证；持续认证客户端向持续认证服务器认证协商请求，完成认证协商并确定持续认证属性，并基于持续认证属性完成对用户的身份认证。本发明能够提升持续认证协议的安全性并降低资源开销，能够用于资源访问系统的安全防护。
-
公开(公告)号：CN117638510A
公开(公告)日：2024-03-01
申请号：CN202311613205.2
申请日：2023-11-29
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开一种反射型1比特可编程超表面单元，属于微波毫米波天线技术领域。本发明包括由从上往下依次设置的第一介质基板与第二介质基板，第一介质基板的上表面设有贴片天线单元，下表面设有金属地板；第二介质基板的下表面设有偏置电路；贴片天线单元的外围设有多个矩形缝隙，贴片天线单元的一端刻蚀有一个镂空区域，镂空区域内设有一个PIN二极管与贴片天线单元相连；偏置电路包括依次连接的扇形枝节与L形枝节；贴片天线单元向金属地板与偏置电路上分别设有第一金属过孔与第二金属过孔。本发明实现对超表面单元反射相位的动态调控。不仅改善了超表面天线的性能，达到了低剖面的目的，而且实现了超表面天线尺寸小型化的效果。
-
Patent Agency Ranking
公开(公告)号：CN116668556A
公开(公告)日：2023-08-29
申请号：CN202310638130.7
申请日：2023-06-01
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明涉及无人集群路由协议切换领域，提供了一种基于网络状态的无人集群路由协议切换方法，其主要模块可分为网络状态收集模块、关键参数分析模块和切换阈值寻优模块。主要流程为基于无人机节点当前的网络状态信息，分析能否满足业务传输需求，通过强化学习基于网络状态环境的不断感知与路由协议切换阈值调整的反馈和强化，生成最优的路由协议切换阈值建议，实现基于网络当前状态分析适用的路由协议并平稳切换。本发明设计了双阈值切换方法，以降低在某一阈值附近波动导致的路由协议震荡。本发明提供的方法可根据网络环境的动态变化完成不同路由协议之间的灵活自适应切换，支撑无人集群路由协议的智能适变、通信保障。
-
公开(公告)号：CN116578932A
公开(公告)日：2023-08-11
申请号：CN202310534738.5
申请日：2023-05-12
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F18/243 , H04B17/318 , G06N3/006
Abstract: 本发明提出一种基于随机森林的有无人协同网络链路质量评估方法，属于无线通信网络和有无人协同自组织网络领域。本发明首先构建链路质量评估指标体系；然后构建随机森林模型，并通过分层采样法平衡样本数据；接下来采用麻雀搜索算法优化随机森林模型的超参数，并通过引入蝴蝶优化算法改进麻雀搜索算法中发现者位置更新方法，并采用自适应缩小搜索空间机制限制每次迭代中种群的搜索空间；最后基于改进麻雀搜索算法优化的随机森林分类模型实现对网络链路质量评估。本发明提升了链路质量评估的准确度和收敛速度，增强了有无人协同网互联互通的稳定性和可靠性。
-
公开(公告)号：CN116321136A
公开(公告)日：2023-06-23
申请号：CN202310284003.1
申请日：2023-03-22
Applicant: 中国电子科技集团公司第五十四研究所
IPC: H04W12/041 , H04W12/033 , H04W12/06 , H04W12/088 , H04W88/16
Abstract: 本发明公开了一种支持多因素身份认证的隐身网关设计方法，以软件定义边界技术为核心，对已认证设备发起的用户访问进行动态授权，对未认证设备发起的用户访问进行阻断，经过隐身网关基于密码、动态口令、IP地址等多因素身份认证后转发合法用户的访问请求。相较于传统的VPN、防火墙等，隐身网关可有效缩小网络攻击面，实现多因素认证和边界隐身，提高全域数据安全。
-
公开(公告)号：CN116188909A
公开(公告)日：2023-05-30
申请号：CN202310203136.1
申请日：2023-03-06
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及网络安全技术领域，公开了一种针对YOLO模型的通用对抗样本生成方法。本发明通过分析YOLO算法的检测模型组成，针对YOLO算法中的目标存在、分类识别两个子任务，提出同步两个子任务梯度下降的优化算法，尽最大能力使对抗样本在目标存在和分类识别的最优位置生成，从而提供对抗样本的鲁棒性和通用性。
-
公开(公告)号：CN112653751B
公开(公告)日：2022-05-13
申请号：CN202011503520.6
申请日：2020-12-18
Applicant: 杭州电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种物联网环境下基于多层极限学习机的分布式入侵检测方法，由于相关设备的资源受约束的特性，用于实现自动攻击检测的这类计算较重的任务，都要移到边界设备上，以便让处理功能靠近数据源。这些边界设备能运行预置的分类模型。但当面对大量的训练数据时，却没有足够的存储和处理能力来构造和升级这类模型。为解决这一问题，本发明将计算密集和存储量大的训练运算移到云服务器中进行，构建并在云服务器中训练单隐藏层极限学习机和多隐藏层极限学习机模型，以让边界设备基于云服务器中预置的深度学习模型来执行流量分类，从而分类出是正常流量还是网络攻击，并通过实验分析得出多隐藏层极限学习机拥有更好的性能。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.055 seconds)
