-
公开(公告)号：CN110348238A
公开(公告)日：2019-10-18
申请号：CN201910450194.8
申请日：2019-05-28
Applicant: 北京邮电大学
IPC: G06F21/62 , G06F16/2458 , G06F16/25
Abstract: 本发明实施例提供一种面向应用的隐私保护分级方法及装置。其中，方法包括：基于不同应用场景下差异化的隐私保护需求和数据效用需求，在多维数据中确定相应的敏感属性和重点关注属性；基于多维数据中的敏感属性和重点关注属性，对多维数据进行关联度分析和聚类分析，确定多维数据中各数据层次的隐私保护等级；其中，各数据层次包括：数据层、属性层和数值层；基于多维数据中各数据层次的隐私保护等级，确定隐私保护算法的参数，并基于确定参数后的隐私保护算法，对多维数据进行隐私保护。能够针对灵活多变的应用场景，快速给出兼顾数据私密性与可用性的个性化的隐私保护方案，实现数据的精准隐私保护，提高了多维数据的可用性。
-
公开(公告)号：CN109474482A
公开(公告)日：2019-03-15
申请号：CN201811622990.7
申请日：2018-12-28
Applicant: 北京邮电大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于网络技术的虚拟实验方法，该方法包括下述步骤：S1.进行网络规划；S2.构建所规划的网络中包括的各个部件，并赋予其硬件逻辑属性以及接口属性；S3.根据预定功能构建网络实验验证模块，包括综合验证模块、交换机验证模块、路由器验证模块、FW验证模块、链路验证模块、服务器验证模块中的至少一个；S4.根据构建的各个部件以及验证模块，进行网络拓扑显示；S5.基于构建的虚拟网络以及验证的功能自动推荐与各个部件相对应的实体硬件以及相对应的配置文件。通过本发明，能够通过所述虚拟实验系统，能够很好地模拟网络技术的硬件组件、网络配置及虚拟网络配置等主要网络使用的实验，并且借助IaaS技术，充分地结合了硬件资源复用的理念。
-
公开(公告)号：CN109450934A
公开(公告)日：2019-03-08
申请号：CN201811549389.X
申请日：2018-12-18
Applicant: 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司福州供电公司 , 北京邮电大学
Inventor： 梁晓兵 , 许斌 , 翟峰 , 刘鹰 , 吕英杰 , 岑炜 , 付义伦 , 李保丰 , 曹永峰 , 王楠 , 崔宝江 , 李思韬 , 张庚 , 孔令达 , 徐萌 , 冯云 , 袁泉 , 冯占成 , 杨全萍 , 任博 , 周琪 , 卢艳 , 韩文博 , 李丽丽 , 马倩 , 孙邦
IPC: H04L29/06
CPC classification number: H04L63/1425 , H04Q2209/60
Abstract: 本发明涉及一种终端接入数据异常检测方法及系统,包括：把原始报文数据的相关属性抽象为可识别的特征向量，并对特征向量进行解析；对解析后的报文特征数据进行去重处理，且对取值范围较大的特征数据进行量化处理；检测终端接入数据中的正常数据与异常数据，并生成对应模型文件；通过加载模型文件对报文数据进行在线分类与检测，并生成检测结果。不但误报率和漏报率低，而且可保障用电信息采集系统的可靠运行。
-
公开(公告)号：CN104348668B
公开(公告)日：2018-05-04
申请号：CN201410693540.2
申请日：2014-11-26
Applicant: 国家电网公司 , 中国电力科学研究院 , 全球能源互联网研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于快速近非迭代的双树形可靠PON规划方法，所述方法包括下述步骤：获取PON网络规划信息；构建PON规划模型，并初始化所述构建PON规划模型中的全部信息；设定实际PON网络约束条件；根据所述约束条件，优化PON网络中各节点的连接；建立已规划方案的备份保护连接；逆向补偿双树形连接方案光功率信息；保存双树形连接方案，形成可靠PON规划方案。
-
公开(公告)号：CN104348668A
公开(公告)日：2015-02-11
申请号：CN201410693540.2
申请日：2014-11-26
Abstract: 本发明涉及一种基于快速近非迭代的双树形可靠PON规划方法，所述方法包括下述步骤：获取PON网络规划信息；构建PON规划模型，并初始化所述构建PON规划模型中的全部信息；设定实际PON网络约束条件；根据所述约束条件，优化PON网络中各节点的连接；建立已规划方案的备份保护连接；逆向补偿双树形连接方案光功率信息；保存双树形连接方案，形成可靠PON规划方案。
-
Patent Agency Ranking
公开(公告)号：CN102546351B
公开(公告)日：2014-05-14
申请号：CN201210069330.7
申请日：2012-03-15
Applicant: 北京邮电大学
Abstract: 本发明公布了一种openflow网络和现有IP网络互联互通的系统和方法。把整个openflow网络抽象为一个现有IP网络中的路由器，在控制子系统的控制下，整个openflow网络对外表现得就像一台标准的路由器，控制子系统映射为标准路由器的路由处理部分；转发子系统映射为标准路由器的数据转发部分；边缘交换单元的边缘接口映射为标准路由器的接口。布置了本发明的openflow网络可以看成整个互联网中的一个路由器，使网络很好地融入了整个互联网的路由体系之中，数据包通过openflow网络就像经过了一跳标准的路由器，从而实现了openflow网络和现有IP网络的互联互通。
-
公开(公告)号：CN116260693A
公开(公告)日：2023-06-13
申请号：CN202310138530.1
申请日：2023-02-20
Applicant: 北京邮电大学 , 北京理工大学 , 雅泰歌思(上海)通讯科技有限公司
Abstract: 本发明提供一种基于预均衡的超高阶QAM调制传输系统和方法，所述系统包括：发射端算法模块，包括预均衡处理层，所述预均衡处理层基于权重矩阵对待发送数据矩阵进行处理，所述权重矩阵在每次对待发送数据矩阵进行处理后，基于所述权重矩阵中的0抽头个数对所述权重矩阵进行更新；数据发射模块，包括任意波发生器和IQ调制器，所述数据发射模块通过任意波发生器和IQ调制器输出数据；数据接收模块，包括相干接收机和示波器，所述相干接收机与所述IQ调制器通过传输光纤相连接，传入的数据顺序通过相干接收机和示波器进行处理；接收端算法模块，包括解码层，所述接收端算法模块接收示波器传入的数据，通过所述解码层解析得到接收数据矩阵。
-
公开(公告)号：CN113067873B
公开(公告)日：2022-08-30
申请号：CN202110298308.9
申请日：2021-03-19
Applicant: 北京邮电大学
IPC: H04L67/10 , H04L41/142 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于深度强化学习的边云协同优化方法，所述方法包括：在离线阶段，通过离线训练深度学习模型生成带有多个早退点的多分支网络，并获取云服务器与终端设备运行深度学习模型中的不同神经网络层的时延和能耗作为设备参数；在优化决策阶段，将预先获取的时延、能耗、准确率以及带宽的设备参数一起输入至优化器进行优化，得到深度学习模型关于早退点、分割点以及量化编码的推理方案；在在线推理阶段，边缘设备与云服务器建立连接并运行深度学习模型，优化器根据边缘设备实时检测到的带宽对推理方案进行动态优化，并按照优化后的推理方案指导边缘设备与云服务器协同实施。本发明对于传输数据的时延、能耗和准确率能够有效优化。
-
公开(公告)号：CN116306801A
公开(公告)日：2023-06-23
申请号：CN202211567134.2
申请日：2022-12-07
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于重要性的数据采集存储方法、装置、设备及介质，基于重要性的数据采集存储方法应用于包括边缘服务器、边缘设备以及中央处理器的边缘计算系统；该方法包括：确定待训练的卷积神经网络模型对应的损失函数，基于小批量随机梯度下降算法和所述损失函数，更新所述卷积神经网络模型；根据所述损失函数、边缘服务器的属性信息以及边缘设备的属性信息，确定数据上传信息和缓存队列信息；基于所述数据上传信息和所述缓存队列信息，确定随机优化问题；基于所述随机优化问题，确定长期优化策略和短期优化策略，基于所述长期优化策略和所述短期优化策略进行数据采集存储。本发明实现了算法性能的提升，降低了网络资源损耗。
-
公开(公告)号：CN116233954A
公开(公告)日：2023-06-06
申请号：CN202211575350.1
申请日：2022-12-08
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于联邦学习系统的分簇数据共享方法、装置及存储介质，联邦学习系统包括K个分布式设备和中央服务器，K为大于1的整数；方法包括：基于预先设置的分簇算法，将K个分布式设备划分为M个簇；M为小于K的整数，M个簇中存在至少一个包括簇头设备和簇内成员设备的簇；控制各簇中的簇头设备向簇内成员设备共享训练数据；基于预先设置的联邦学习算法，通过各分布式设备的训练数据与所述中央服务器协同迭代训练预先设置的初始模型，得到联邦学习训练后的目标模型。本发明通过对分布式设备进行分簇，由簇头设备向簇内成员设备共享训练数据，减缓了数据异构的程度，减小了联邦学习训练的通信开销，提高了最终训练的目标模型的准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.026 seconds)
