-
公开(公告)号：CN118260773A
公开(公告)日：2024-06-28
申请号：CN202410525501.5
申请日：2024-04-29
Applicant: 兰州交通大学
Abstract: 一种基于多关系图的源代码漏洞检测方法，其首先从标准漏洞数据库SARD和NVD数据集中切分得到C语言源代码数据集，借助Joern生成AST并取得其程序切片；其次，为了捕获AST的额外语法信息，使用编译器对AST添加携带额外信息的边进行扩展以增强其结构和连接性，然后将增强的AST转化为多关系图；最后，构建多关系图注意力网络学习嵌入向量。使用图注意力网络从源代码中提取多个代码关系，利用多关系图的邻接矩阵和初始节点表示学习全局嵌入向量，对其进行归一化并馈送到softmax层进行处理。本发明借助新设计的表征方式和多关系图聚合学习，能够为下游软件漏洞检测任务提供更优质的代码表示，从而实现准确、高效且更适用的漏洞检测方法。
-
公开(公告)号：CN115994567B
公开(公告)日：2024-03-22
申请号：CN202211688400.7
申请日：2022-12-28
Applicant: 兰州交通大学
IPC: G06N3/063
Abstract: 一种深度神经网络模型并行计算任务异步调度方法，采用改进的流水线模型并行任务调度优化方法，建立适合大规模模型计算任务的多迭代异步并行任务管理机制；结合给定的模型结构和硬件配置信息，通过启发式动态规划算法设计计算任务和计算资源分配机制；设计计算资源和任务运行时调度策略，控制微批量单元调度过程，对设备默认流进行优化，最大限度消除计算节点计算和通信的相互依赖关系，实现计算与通信最大化重叠。本发明在不增加额外开销和无需特殊硬件支持情况下，降低模型切分难度、实现神经网络模型计算任务和计算资源合理匹配、实现计算与通信最大重叠，提高计算资源利用率。实验证明，本发明将大规模深度神经网络模型训练速度平均提升2.8倍。
-
公开(公告)号：CN116321346A
公开(公告)日：2023-06-23
申请号：CN202310296654.2
申请日：2023-03-24
Applicant: 兰州交通大学
Abstract: 本发明属于通信技术领域，具体涉及一种基于选择合并的能量收集协作多用户认知NOMA传输方法。对于能量收集辅助的具有多个次用户源节点的CR‑NOMA网络，主用户发射机将信号发送给主用户接收机，选择主用户发射机与次用户源节点间信噪比最大的最佳次用户源节点作为中继转发信号，采用NOMA协同传输。传输分为两个阶段，主用户接收机通过选择合并将从两个传输阶段接收到的信号合并，提高了系统性能。
-
公开(公告)号：CN116321185A
公开(公告)日：2023-06-23
申请号：CN202310296678.8
申请日：2023-03-24
Applicant: 兰州交通大学
IPC: H04W16/14 , H04W40/22 , H04B17/336
Abstract: 本发明属于无线电非正交多址接入技术领域，具体涉及一种基于CR‑NOMA技术的协作传输方法。考虑了因不完全自干扰消除和信道状态信息效应限制了涉及认知系统的NOMA在实际应用中的性能的问题。通过分析第一传输阶段和第二传输阶段，分别计算信息传输过程中两个阶段的信干燥比；利用两个阶段的干燥比计算出主用户PU和次用户SU的中断概率，并分别计算主用户PU和次用户SU的容量，最后通过模拟仿真得出不同的次用户源节点的数目N、不完全自干扰消除与系统中断概率以及容量之间的关系。本发明通过在有不完全自干扰消除和信道状态信息存在的情况下，一个协作共享CR‑NOMA系统可以改善小区边缘用户的性能，降低系统的中断概率以及增大系统容量。
-
公开(公告)号：CN111866869B
公开(公告)日：2023-06-23
申请号：CN202010645474.7
申请日：2020-07-07
Applicant: 兰州交通大学
IPC: G06F16/587 , H04W12/02 , H04W16/22 , H04W64/00
Abstract: 本发明提出了一种面向边缘计算的联邦学习室内定位隐私保护方法，该方法基于联邦学习和差分隐私保护技术，在边缘计算环境下进行室内定位模型的可信联邦训练，训练过程中各参与用户不共享训练数据，只通过共享定位模型参数进行室内定位模型的分布式训练和可信聚合，同时，通过端云协同的迭代方式更新模型参数，不断优化室内定位模型，实现多用户定位模型训练的隐私保护和协同获益。实验结果表明，与传统集中式的模型训练方法和基于联邦学习的模型训练方法相比，本发明不仅能提供可证明的隐私保护，而且在增加极小计算开销的情况下保证了模型的定位效果。
-
Patent Agency Ranking
公开(公告)号：CN115690542A
公开(公告)日：2023-02-03
申请号：CN202211369709.X
申请日：2022-11-03
Applicant: 国网甘肃省电力公司 , 国网甘肃省电力公司电力科学研究院 , 兰州交通大学
IPC: G06V10/774 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 一种基于改进yolov5的航拍绝缘子定向识别方法，包括以下步骤：获取训练所用的绝缘子图片集，利用带角度参数的定向框对所获图片集进行标注，生成深度学习模型所需的数据集，并对数据集进行划分得到训练集和测试集；基于yolov5网络构建绝缘子定向识别模型，该绝缘子定向识别模型括图像输入模块，特征提取BackBone模块，特征融合Neck模块及预测head模块；使用训练集对绝缘子识别模型进行训练，训练完成后使用划分好的测试集对绝缘子识别模型的性能进行评估，计算平均精度AP指标。本发明解决了yolov5网络无法进行定向目标识别，在复杂背景下学习干扰信息使先验知识含有背景噪声而导致定位不精确的问题。与现有方法比，本方法识别速度快、精度高，可应用于绝缘子视频流检测。
-
公开(公告)号：CN111988845A
公开(公告)日：2020-11-24
申请号：CN202010915760.0
申请日：2020-09-03
Applicant: 兰州交通大学
Abstract: 一种边缘计算架构下的差分私有多源无线信号指纹融合室内定位方法，其为：(1)边缘设备将自己拥有的信息强度RSS数据经添加拉普拉斯噪声后随机发送到附近边缘节点；(2)边缘节点接收到RSS数据后，将相同位置收集到的WiFi和蓝牙的RSS数据进行聚合，并对其进行统一标定后发送给边缘服务器；(3)边缘服务器将接收到的噪声标记和未标记样本整合在一起，并利用图拉普拉斯流行约束对WiFi和BLE的RSS数据进行差分隐私保护的特征融合，并将所有经过隐私保护处理后的数据集发送到云服务器；(4)云服务器拟合学习参数，进行满足差分私有的机器学习模型训练，生成安全可信的室内定位模型。本发明不仅能够提供可证明的隐私保护，而且可以保证较高的定位精度和较少的资源消耗。
-
公开(公告)号：CN114970833B
公开(公告)日：2024-11-19
申请号：CN202210709776.5
申请日：2022-06-22
Applicant: 兰州交通大学
IPC: G06N3/098 , H04W12/02 , H04W12/033 , H04W28/084 , H04W4/02 , H04W4/33 , H04W64/00
Abstract: 一种基于Android的差分私有室内定位联邦学习方法，包括数据收集与预处理、离线训练和在线定位三个阶段；在数据收集与预处理阶段，移动终端设备收集RSS指纹数据并通过计算位置点与RSS指纹数据间的皮尔逊相关系数来剔除不相关的位置点；在离线训练阶段，预处理后的RSS指纹数据在移动终端设备上进行室内定位子模型训练，对模型参数在本地进行差分隐私保护处理后上传到边缘服务器，边缘服务器对接收到的模型参数进行可信聚合，将聚合后的最新模型参数下发给各移动终端设备，使其进行下一步迭代训练，直到得到最优的室内定位模型；在在线定位阶段，用户实时采集其附近的室内RSS指纹数据，并将其输入到训练好的室内定位模型中，以获取安全、可靠的室内定位服务。
-
公开(公告)号：CN118296612B
公开(公告)日：2024-11-01
申请号：CN202410495528.4
申请日：2024-04-24
Applicant: 兰州交通大学
IPC: G06F21/57 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 一种基于序列和图双通道模型的源代码漏洞检测方法VulD‑SG，其首先从公开的源代码漏洞数据集MSR中切分得到C语言源代码数据集，使用Joern工具生成源代码的程序依赖图PDG并取得其程序切片；其次，构建一个双通道的局部模型模块，分为上下两个部分，上部分为基于序列的特征向量提取模型，下部分为基于图的特征向量提取模型。融合模型阶段将基于序列的特征向量提取模型和基于图的特征向量提取模型的输出使用全连接层连接，最后输出漏洞检测的结果。本发明有效解决了传统的基于序列模型缺少源代码结构信息和基于图模型缺少源代码语法语义信息的问题。此外，通过设计融合模型，提升了漏洞检测的准确率。
-
公开(公告)号：CN118296612A
公开(公告)日：2024-07-05
申请号：CN202410495528.4
申请日：2024-04-24
Applicant: 兰州交通大学
IPC: G06F21/57 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 一种基于序列和图双通道模型的源代码漏洞检测方法VulD‑SG，其首先从公开的源代码漏洞数据集MSR中切分得到C语言源代码数据集，使用Joern工具生成源代码的程序依赖图PDG并取得其程序切片；其次，构建一个双通道的局部模型模块，分为上下两个部分，上部分为基于序列的特征向量提取模型，下部分为基于图的特征向量提取模型。融合模型阶段将基于序列的特征向量提取模型和基于图的特征向量提取模型的输出使用全连接层连接，最后输出漏洞检测的结果。本发明有效解决了传统的基于序列模型缺少源代码结构信息和基于图模型缺少源代码语法语义信息的问题。此外，通过设计融合模型，提升了漏洞检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.03 seconds)
