公开(公告)号：CN115378629B

公开(公告)日：2024-08-27

申请号：CN202210520557.2

申请日：2022-05-13

申请人： 北京邮电大学 ,  南京航空航天大学 ,  北京工业大学

发明人： 熊翱 ,  童渊征 ,  吴启晖 ,  黄静 ,  郭少勇 ,  王威 ,  韩红桂 ,  公备

IPC分类号： H04L9/40

摘要： 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质，该方法包括以下步骤：基于收集的以太坊交易数据构建训练用的有向交易图；基于随机游走算法对构建的交易图中的节点进行有偏采样，获得第一节点序列；基于随机游走进行多尺度特征提取来生成多尺度序列组；将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间，得到各个节点在向量空间的嵌入表示；基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类，实现对检测模型的训练；利用预训练的检测模型对实际以太坊交易网络进行检测，获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。

公开(公告)号：CN115378629A

公开(公告)日：2022-11-22

申请号：CN202210520557.2

申请日：2022-05-13

申请人： 北京邮电大学 ,  南京航空航天大学 ,  北京工业大学

发明人： 熊翱 ,  童渊征 ,  吴启晖 ,  黄静 ,  郭少勇 ,  王威 ,  韩红桂 ,  公备

IPC分类号： H04L9/40

摘要： 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质，该方法包括以下步骤：基于收集的以太坊交易数据构建训练用的有向交易图；基于随机游走算法对构建的交易图中的节点进行有偏采样，获得第一节点序列；基于随机游走进行多尺度特征提取来生成多尺度序列组；将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间，得到各个节点在向量空间的嵌入表示；基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类，实现对检测模型的训练；利用预训练的检测模型对实际以太坊交易网络进行检测，获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。

公开(公告)号：CN114298166B

公开(公告)日：2024-11-05

申请号：CN202111507860.0

申请日：2021-12-10

申请人： 南京航空航天大学

发明人： 吴启晖 ,  潘光良 ,  王威 ,  李泓余

IPC分类号： G06F18/20 ,  G06N3/044 ,  G06F18/214 ,  G06Q10/04 ,  G06F17/16

摘要： 本发明提供一种基于无线通信网络的频谱可用性预测方法和系统，其中方法包括获取频谱数据集；设置贝叶斯优化的循环次数、超参数的搜索空间和深度学习模型迭代次数；初始化深度学习模型的结构、权重、偏置和超参数；计算频谱数据集在深度学习模型的输入和输出之间的损失；更新深度学习模型的权重和偏置参数；判断深度学习模型的损失曲线和准确率拟合曲线是否处于收敛状态；如果否，重新设置深度学习模型迭代次数；如果是，采用贝叶斯优化微调深度学习模型超参数，得到最优深度学习模型。本发明采用上述方案，能够准确的预测未来时隙可利用的频谱空隙，使得认知用户免受恶意用户的干扰，保证认知用户与基站之间以及认知用户之间的正常通信。

公开(公告)号：CN118861721A

公开(公告)日：2024-10-29

申请号：CN202410949648.7

申请日：2024-07-16

申请人： 南京航空航天大学

发明人： 赵家兴 ,  晋本周 ,  李建峰 ,  孙萌 ,  张小飞 ,  吴启晖

IPC分类号： G06F18/2321 ,  G06F17/16 ,  G06F18/22 ,  G06F18/214

摘要： 本发明公开了一种基于Shapelet的空中目标分群方法与系统，方法包括：基于飞行机动识别模型提取目标轨迹序列中的机动段轨迹序列；计算机动段轨迹序列之间的DTW距离，得到机动段轨迹序列的距离矩阵；使用基于密度的聚类算法对机动段轨迹序列进行聚类；选择每个簇的中心点作为最佳Shapelet，通过衡量目标轨迹序列与最佳Shapelet的匹配度，构建匹配特征向量；将匹配特征向量之间的相似度转换为连通度，获取连通度矩阵中的连通子图，作为空中目标分群结果。本发明提取轨迹序列中具有高鉴别性的机动段轨迹序列作为Shapelet，将轨迹序列表示为Shapelet空间中的匹配特征向量进行空中目标分群，有效提升分群准确性。

公开(公告)号：CN118748802A

公开(公告)日：2024-10-08

申请号：CN202410805851.7

申请日：2024-06-21

申请人： 南京航空航天大学

发明人： 卢晓珍 ,  刘俐欣 ,  吴启晖

IPC分类号： H04W12/08 ,  H04W12/106 ,  H04W12/67 ,  H04W72/0446 ,  H04W72/50 ,  G06N3/092

摘要： 本发明公开了一种基于强化学习的低空智联网可信接入与资源分配方法，属于通信网络安全领域，本发明基于ADS‑B回传信息、负交互次数及计算性能构建各无人机的信誉值，利用区块链存储并更新信誉值。通过观察发明接入基站的无人机数目、任务所需的计算资源量、基站当前持有的计算资源、无人机信誉值以及历史无人机与基站的负交互次数，基站构建系统状态，并作为强化学习模型的输入。基站根据强化学习模型的输出，选择允许接入的无人机个数及ID、相应的计算资源分配策略及区块大小，提高吞吐量的同时降低任务计算时延、传输时延及负交互次数，从而综合提升低空智联网的可信接入能力和任务计算效率。

公开(公告)号：CN115348182B

公开(公告)日：2024-09-06

申请号：CN202210872542.2

申请日：2022-07-21

申请人： 南京航空航天大学

发明人： 吴启晖 ,  潘光良 ,  李婕 ,  周博

IPC分类号： H04L41/147 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/088 ,  G06N3/09 ,  G06N3/048

摘要： 本发明公开了一种基于深度堆栈自编码器的长期频谱预测方法，包括获取来源于真实世界不同通信业务的频谱数据；数据预处理，得到训练集和测试集；将训练集输入到堆栈自编码器，更新自编码器中的参数，使输入和输出之间的损失函数值最小化；将训练集重新输入训练好的堆栈自编码器得到原始高维频谱数据的语义编码，将语义编码信息输入到预测器,完成预测器训练，同时实现对堆栈自编码器的微调；将训练好的堆栈自编码器和预测器在测试集上进行在线测试，统计预测的性能指标。本发明能够利用真实世界频谱数据实现长期频谱态势预测，并具有较好的预测精度，可很好服务于无线通信。

公开(公告)号：CN117938979A

公开(公告)日：2024-04-26

申请号：CN202410212520.2

申请日：2024-02-27

申请人： 南京航空航天大学

发明人： 董超 ,  孙青楠 ,  张磊 ,  朱小军 ,  周福辉 ,  吴启晖

IPC分类号： H04L69/08 ,  H04W80/06 ,  H04W84/06 ,  H04L101/622

摘要： 本发明提供了一种面向战术无人机网络的MAC协议切换方法及系统，涉及无人机网络技术领域。无人机集群在具有干扰的作战环境下受到敌方干扰源影响会造成部分无人机的任务中断，根据作战任务的要求，各无人机作战任务的流量需求和任务时间是不同的。干扰和任务需求造成无人机网络质量动态变化。基于此，本专利在衡量网络状态时，考虑了干扰造成的无人机状态变化计算网络的流量负载。本专利采用集中式算法，指定无人机集群中一架无人机作为簇首，通过控制信道向簇内节点发送控制报文。簇内节点向簇首反馈应答报文以确认无人机是否在线，任务无人机向簇首发送请求报文以确认任务时间和带宽需求。簇首根据接收到的报文分析集群流量负载，通过阈值判断在CSMA和TDMA协议中进行选择，并向全簇发送决策，实现协议切换。

公开(公告)号：CN117933317A

公开(公告)日：2024-04-26

申请号：CN202410098883.8

申请日：2024-01-24

申请人： 南京航空航天大学

发明人： 屈毓锛 ,  董超 ,  经宇骞 ,  张磊 ,  周福辉 ,  吴启晖

IPC分类号： G06N3/0475 ,  G06N3/084 ,  G06Q50/50 ,  G16Y10/75

摘要： 本发明提供了一种基于无人机位置优化的空地协同增量联邦学习方法，考虑在一个数据动态变化的环境中，配备有聚合服务器的无人机为远离基站或基站故障条件下的地面用户提供辅助的通信和计算服务，无人机作为空中基站协助用户聚合模型进行增量联邦学习来更新陈旧模型以应对不断涌入的新样本。通过对无人机位置、用户频率与样本筛选的联合优化，实现在满足时延条件和决策变量基本限制下，最小化能耗和训练损失的权衡问题。本发明中的用户为物联网中资源受限边缘设备，本发明所提出的方法具有高效节能、智能化的特点，大大节省了物联网系统中资源受限的边缘设备的能耗，提高训练效果。

公开(公告)号：CN117850454A

公开(公告)日：2024-04-09

申请号：CN202410033421.8

申请日：2024-01-10

申请人： 南京航空航天大学

发明人： 董超 ,  尤嘉豪 ,  贾子晔 ,  吴启晖

IPC分类号： G05D1/46 ,  G05D1/695

摘要： 本发明公开了一种基于协同认知动态系统的无人机集群可重构系统，包括协同认知动态子系统、集群组网分层可重构子系统、集群组网可靠控制子系统；协同认知动态子系统，用于无人机集群的认知动态系统协同、同构子网协同动态认知和异构集群协同动态认知；集群组网分层可重构子系统，用于基于CCDS的无人机大规模组网，动态组网的可重构和异构仿生群体子网的融合；集群组网可靠控制子系统，用于无人机大规模集群分层协同控制、集群子网分布式协同控制和协同风险控制。本发明可优化和提升无人机集群的管理，可以应对网络拓扑和用户任务的高动态变化，保障了用户所需服务的连续性，提供了高质量的网络服务。

公开(公告)号：CN113838083B

公开(公告)日：2024-04-05

申请号：CN202011117258.1

申请日：2020-10-19

申请人： 南京航空航天大学 ,  海华电子企业(中国)有限公司

发明人： 徐帆 ,  商智高 ,  吴启晖 ,  陈朝晖 ,  宋明 ,  黄旭阳

IPC分类号： G06T7/194 ,  G06T5/70 ,  G06T5/50 ,  G06T3/4038 ,  G06V10/26 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/60

摘要： 本发明公开了一种多尺度增强UNet被动式太赫兹图像固定背景扣除方法，其技术要点是：采集被动式太赫兹图像数据，并进行去噪处理，包括多尺度双边滤波；对去噪后的被动式太赫兹图像数据进行背景带标记并构建数据增强训练集；设计用于数据分割的UNet卷积神经网络模型，包括编码层和解码层；使用所述数据增强训练集的图像数据对所述UNet卷积神经网络模型进行训练，生成已训练UNet卷积神经网络模型；使用所述已训练UNet卷积神经网络模型对被动式太赫兹图像进行语义分割。通过UNet进行语义分割，可高效提升被动式太赫兹图像的对比度与清晰度，有效去除背景带划分感兴趣区域，更好地应用到后续的太赫兹图像目标识别。