-
公开(公告)号：CN112231764A
公开(公告)日：2021-01-15
申请号：CN202010997789.8
申请日：2020-09-21
Applicant: 北京邮电大学
IPC: G06F21/64
Abstract: 本发明提供一种时序数据隐私的保护方法及相关设备，涉及数据隐私保护领域，所述方法包括：计算给定隐私预算下，差分隐私模型中高斯噪声的最佳加噪方差；对时序数据中的每个时间节点数据均添加最佳加噪方差下的高斯噪声；对每个已添加最佳加噪方差下的高斯噪声的时间节点数据均进行去噪处理优化，以得到隐私保护处理后的时序数据。通过这种时序数据隐私的保护方法，在相同隐私预算的条件下，时序数据能达到更高的数据可用性。
-
公开(公告)号：CN112231764B
公开(公告)日：2023-07-04
申请号：CN202010997789.8
申请日：2020-09-21
Applicant: 北京邮电大学
IPC: G06F21/64
Abstract: 本发明提供一种时序数据隐私的保护方法及相关设备，涉及数据隐私保护领域，所述方法包括：计算给定隐私预算下，差分隐私模型中高斯噪声的最佳加噪方差；对时序数据中的每个时间节点数据均添加最佳加噪方差下的高斯噪声；对每个已添加最佳加噪方差下的高斯噪声的时间节点数据均进行去噪处理优化，以得到隐私保护处理后的时序数据。通过这种时序数据隐私的保护方法，在相同隐私预算的条件下，时序数据能达到更高的数据可用性。
-
公开(公告)号：CN112732738B
公开(公告)日：2023-04-18
申请号：CN202110210085.6
申请日：2021-02-24
Applicant: 北京邮电大学
Abstract: 本说明书实施例提供一种基于多目标优化的自适应网络数据采集方法及相关设备；所述方法包括：利用Holt‑Winters方法，预测将被采集的数据；量化采集数据的频率和采集失真度，构建多目标优化问题；通过目标加权法将多目标优化问题转化为新的目标函数，再基于预测数据，利用遗传算法对新的目标函数求解，得出最佳采集时间序列；根据被采设备的CPU利用率，动态调节新的目标函数中的权重参数。与传统周期性采集方法相比，本说明书提供的方法考虑到了被采数据的变化，通过合理分布采集时间点，实现降低采集数据的频率的同时，尽可能减少采集过程造成的失真，同时将被采设备的CPU利用率纳入考虑范围，避免对其造成过大的采集负担。
-
公开(公告)号：CN112307044A
公开(公告)日：2021-02-02
申请号：CN202011223995.X
申请日：2020-11-05
Applicant: 北京邮电大学
Abstract: 本说明书实施例提供一种基于多目标优化的自适应网络数据采集方法及相关设备；所述方法包括：利用Holt‑Winters方法，预测将被采集的数据；量化采集数据的频率和采集失真度，构建多目标优化问题；通过目标加权法将多目标优化问题转化为新的目标函数，再基于预测数据，利用遗传算法对新的目标函数求解，得出最佳采集时间序列；根据被采设备的CPU利用率，动态调节新的目标函数中的权重参数。与传统周期性采集方法相比，本说明书提供的方法考虑到了被采数据的变化，通过合理分布采集时间点，实现降低采集数据的频率的同时，尽可能减少采集过程造成的失真，同时将被采设备的CPU利用率纳入考虑范围，避免对其造成过大的采集负担。
-
公开(公告)号：CN112737868B
公开(公告)日：2022-04-19
申请号：CN202110210101.1
申请日：2021-02-24
Applicant: 北京邮电大学
IPC: H04L41/0823 , H04L41/14 , H04L43/08
Abstract: 本说明书一个或多个实施例提供一种基于探针调度的多目标优化方法及相关设备；所述方法包括：根据不同的探针覆盖指标，创建探针覆盖率约束条件；在满足所述探针覆盖率约束条件的情况下，以探针集的负载和探针集的数量作为优化目标，创建多目标优化模型；利用NSGA2算法对所述多目标优化模型进行求解，得到若干个满意探针集；利用层次分析法AHP对所述若干个满意探针集进行决策分析，得到最优探针集。本说明书提供的方法及相关设备，在满足覆盖率的条件下，优先选择负载小，数量少的探针集，提高了对网络性能测量的效率，同时还避免了测量资源的浪费。
-
Patent Agency Ranking
公开(公告)号：CN112422322A
公开(公告)日：2021-02-26
申请号：CN202011173969.0
申请日：2020-10-28
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种基于探针调度的多目标优化方法及相关设备；所述方法包括：根据不同的探针覆盖指标，创建探针覆盖率约束条件；在满足所述探针覆盖率约束条件的情况下，以探针集的负载和探针集的数量作为优化目标，创建多目标优化模型；利用NSGA2算法对所述多目标优化模型进行求解，得到若干个满意探针集；利用层次分析法AHP对所述若干个满意探针集进行决策分析，得到最优探针集。本说明书提供的方法及相关设备，在满足覆盖率的条件下，优先选择负载小，数量少的探针集，提高了对网络性能测量的效率，同时还避免了测量资源的浪费。
-
公开(公告)号：CN112232527A
公开(公告)日：2021-01-15
申请号：CN202010996487.9
申请日：2020-09-21
Applicant: 北京邮电大学
IPC: G06N20/20
Abstract: 本说明书一个或多个实施例提供一种安全的分布式联邦深度学习方法，以保护联邦深度学习过程中的参与方的原始数据，同时避免学习模型的参数泄露参与方的原始数据。各个参与方经过身份认证后加入超级账本，由一个节点给出初始模型和初始参数；根据智能合约将参与方划分为聚合节点和普通节点；普通节点接收到模型后进行训练并将训练结果进行加密并传送至聚合节点，聚合节点接收到加密模型后执行聚合操作并将结果传送至普通节点，普通节点接收到聚合结果后将其解密并进行训练；普通节点将聚合结果解密后需验证模型效果，并通过智能合约投票是否终止学习。本发明提出的方法不假设存在半诚实的“中央服务器”，提高了算法的安全性，且更贴近实际场景。
-
公开(公告)号：CN112232527B
公开(公告)日：2024-01-23
申请号：CN202010996487.9
申请日：2020-09-21
Applicant: 北京邮电大学
IPC: G06N20/20
Abstract: 本说明书一个或多个实施例提供一种安全的分布式联邦深度学习方法，以保护联邦深度学习过程中的参与方的原始数据，同时避免学习模型的参数泄露参与方的原始数据。各个参与方经过身份认证后加入超级账本，由一个节点给出初始模型和初始参数；根据智能合约将参与方划分为聚合节点和普通节点；普通节点接收到模型后进行训练并将训练结果进行加密并传送至聚合节点，聚合节点接收到加密模型后执行聚合操作并将结果传送至普通节点，普通节点接收到聚合结果后将其解密并进行训练；普通节点将聚合结果解密后需验证模型效果，并通过智能合约投票是否终止学习。本发明提出的方法不假设存在半诚实的“中央服务器”，提高了算法的安全性，且更贴近实际场景。
-
公开(公告)号：CN116662803A
公开(公告)日：2023-08-29
申请号：CN202310552458.7
申请日：2023-05-16
Applicant: 北京邮电大学
IPC: G06F18/214 , G08G1/07 , G08G1/01 , G08G1/085 , G06N20/00
Abstract: 本申请提供一种针对异构交叉路口的交通信号控制方法及相关设备，所述方法应用于元学习模型和多个子学习模型。获取所述元学习模型的模型参数，根据所述元学习模型的模型参数分别对每个子学习模型的模型参数执行第一次更新操作。采用每个路口对应的本地历史训练集对相应的子学习模型进行训练。响应于到达预设的配时时刻，分别获取每个路口当前的车道车辆状态信息，基于所述车道车辆状态信息通过对应的子学习模型输出配时方案。令每个路口执行对应的配时方案，并反馈响应信息。通过经过所述第二次更新操作的每个子学习模型获取对应路口新的响应信息；基于所有新的响应信息对所述元学习模型进行训练。
-
公开(公告)号：CN112737868A
公开(公告)日：2021-04-30
申请号：CN202110210101.1
申请日：2021-02-24
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种基于探针调度的多目标优化方法及相关设备；所述方法包括：根据不同的探针覆盖指标，创建探针覆盖率约束条件；在满足所述探针覆盖率约束条件的情况下，以探针集的负载和探针集的数量作为优化目标，创建多目标优化模型；利用NSGA2算法对所述多目标优化模型进行求解，得到若干个满意探针集；利用层次分析法AHP对所述若干个满意探针集进行决策分析，得到最优探针集。本说明书提供的方法及相关设备，在满足覆盖率的条件下，优先选择负载小，数量少的探针集，提高了对网络性能测量的效率，同时还避免了测量资源的浪费。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.03 seconds)
