-
公开(公告)号：CN119136206B
公开(公告)日：2025-04-29
申请号：CN202411249200.0
申请日：2024-09-06
Applicant: 南京理工大学
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于契约理论的无人机群智频谱感知激励方法，包括构建一个多无人机协作频谱感知框架，分别建立无人机效用函数和次级用户的效用函数；针对无人机和授权用户之间的非对称位置信息，构建一组“检测概率‑感知奖励”契约对，在保证无人机的个体理性与激励相容约束等条件下，最大化次级用户的期望效用；通过分析契约的可行性条件和简化约束条件，求解优化问题获得最优契约与最优无人机数量。本发明利用契约理论，辅助次级用户设计无人机频谱感知位置未知条件下的激励机制，以提高群智频谱感知的精度和效率。
-
公开(公告)号：CN114428978B
公开(公告)日：2025-04-11
申请号：CN202111471798.4
申请日：2021-12-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于计算预言机的工业互联网区块链可信计算架构及方法，所述架构包括工业互联网设备层、区块链层和预言机层；工业互联网设备层包括各类异构工业互联网设备，在管理这些设备的过程中产生工业计算任务；区块链层包括智能合约，以智能合约引擎为载体执行工业计算任务；预言机层包括计算预言机和链上预言机，用于提升智能合约的计算能力。本发明设计一套基于计算预言机的区块链计算体系，满足了工业场景中的大计算需求；在链下预言机网络的激励机制中，提出基于节点计算能力的匹配算法，在链下计算预言机与计算任务的匹配过程中考虑了节点计算能力，减小了计算预言机的网络总延时。
-
公开(公告)号：CN119201996B
公开(公告)日：2025-03-25
申请号：CN202411228645.0
申请日：2024-09-03
Applicant: 南京理工大学
IPC: G06F16/2455 , G06F16/27 , G06N3/092 , G06N3/098
Abstract: 本发明属于分布式缓存领域，公开了一种融合强化学习和协作学习证明共识的分布式缓存方法和系统，所述方法包括用户节点通过应用程序接口向预言机节点发起请求；预言机节点广播准备消息；预言机节点训练基于强化学习网络的间接缓存命中模型；预言机节点广播训练完成后的所述模型；预言机节点验证训练完成后的所述模型；预言机节点缓存所需内容后响应用户请求，所述缓存所需内容包括基于本地缓存池的直接缓存命中和基于强化学习网络的间接缓存命中；本发明改进了集中式训练分布式执行范式，保证了训练的有效性，从而实现了良好的多智能体合作性能。本发明提出的分布式缓存框架适用于多种Web3.0场景，提升分布式缓存框架的安全性与可靠性。
-
公开(公告)号：CN118573454B
公开(公告)日：2025-02-07
申请号：CN202410796019.5
申请日：2024-06-19
Applicant: 南京理工大学
IPC: H04L9/40 , H04L67/104 , G06N3/08
Abstract: 本发明属于信誉管理技术领域，公开了一种基于图学习的对等网络信誉评估方法，包括以下步骤：给定通信网络拓扑结构；生成节点偏好、拒绝概率以及交互次数；生成节点特征，计算标准信誉值，并划分训练集、测试集和验证集；基于注意力机制对图神经网络进行监督训练。本发明采用上述的一种基于图学习的对等网络信誉评估方法，针对图学习和信誉传播的特点设计基于注意力机制的对等网络信誉评估方法，有利于在真实场景中部署高精确度的信誉管理模型；随着对等网络中节点数量的增加以及图直径的增加，本发明在交互次数上具有更优越的性能范围，不依赖于特定场景，具有更广泛的适用性。
-
公开(公告)号：CN119341738A
公开(公告)日：2025-01-21
申请号：CN202411359429.X
申请日：2024-09-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于量子纠错码的隐蔽量子通信方法，该方法包括：发送方和接收方产生密钥并约定量子纠错码和哈希函数；所述发送方编码覆盖信息和隐蔽信息得到覆盖消息和隐蔽消息，将所述隐蔽消息和所述隐蔽信息的哈希函数值嵌入所述覆盖消息并旋转，将所述覆盖消息发送给所述接收方成为覆盖扰动消息；所述接收方通过解旋得到隐蔽扰动消息及所述哈希函数值，解码隐蔽扰动消息和覆盖扰动消息得到隐蔽扰动信息和原始覆盖信息，对比所述隐蔽扰动信息的扰动哈希函数值与所述哈希函数值决定是否放弃通信；接收方计算隐蔽性标准判断通信是否隐蔽。本发明解决了利用量子去极化信道进行隐蔽通信的问题，实现了对攻击行为的检测和更高的准确率。
-
Patent Agency Ranking
公开(公告)号：CN119136206A
公开(公告)日：2024-12-13
申请号：CN202411249200.0
申请日：2024-09-06
Applicant: 南京理工大学
Abstract: 本发明涉及无线通信技术领域，特别涉及一种基于契约理论的无人机群智频谱感知激励方法，包括构建一个多无人机协作频谱感知框架，分别建立无人机效用函数和次级用户的效用函数；针对无人机和授权用户之间的非对称位置信息，构建一组“检测概率‑感知奖励”契约对，在保证无人机的个体理性与激励相容约束等条件下，最大化次级用户的期望效用；通过分析契约的可行性条件和简化约束条件，求解优化问题获得最优契约与最优无人机数量。本发明利用契约理论，辅助次级用户设计无人机频谱感知位置未知条件下的激励机制，以提高群智频谱感知的精度和效率。
-
公开(公告)号：CN114912705A
公开(公告)日：2022-08-16
申请号：CN202210615296.2
申请日：2022-06-01
Applicant: 南京理工大学
Abstract: 本发明公开了一种联邦学习中异质模型融合的优化方法，该方法包括：在联邦学习系统中，客户端上传本地模型，同时上传客户端自身本地迭代次数；服务器根据客户端上传的迭代次数对联邦学习中的异质模型聚合过程进行优化：服务器根据收集到的客户端上传的本地迭代次数，对全局聚合时各个客户端对应的聚合权重进行优化，包括线性权重优化、平方权重优化、差分线性权重优化。所述异质模型是指在联邦学习系统中，由于各个客户端之间计算能力和拥有的数据量大小之间具有差异性，导致本地训练后生成具有异质性的模型；本地迭代次数是指本地客户端在进行本地的模型训练时，在规定的训练时间内共迭代的本地训练的次数。本发明提高了联邦学习系统的学习性能。
-
公开(公告)号：CN114338667A
公开(公告)日：2022-04-12
申请号：CN202111472017.3
申请日：2021-12-06
Applicant: 南京理工大学
IPC: H04L67/10 , H04L67/1004 , H04L67/1097
Abstract: 本发明公开了一种辅助工业区块链智能合约的数据预言机架构及运行方法，采用分布式的预言机网络来桥接链下环境与智能合约，扩展智能合约的链下数据空间；所述数据预言机架构包括链上预言机系统和去中心化的链下数据预言机网络，链上预言机系统包括注册预言机合约、监控预言机合约、支付预言机合约和代理预言机合约；预言机合约表示链上的预言机智能合约，非预言机合约表示链下智能合约。方法为：设计基于拍卖理论的数据预言机激励机制，保证系统中预言机参与方的诚实可靠，仿真结果证明本发明能够使数据预言机系统满足个体理性与激励相容性。本发明针对工业互联网的大数据场景，保证了链上智能合约能够可信地获取链下工业数据和扩展链下数据空间。
-
公开(公告)号：CN116126511A
公开(公告)日：2023-05-16
申请号：CN202210736414.5
申请日：2022-06-27
Applicant: 南京理工大学
IPC: G06F9/50 , G06N5/04 , G06Q30/0601 , G06Q40/12
Abstract: 本发明公开了一种基于边缘计算的区块链网络中计算与存储资源分配方法，具体为：将轻量级节点与边缘节点之间的博弈建模成两阶段的主从博弈模型，实现轻量级节点的计算与存储任务的卸载和边缘节点资源的分配；在轻量级节点之间达到纳什均衡状态，在多个轻量级节点与边缘节点之间达到主从博弈均衡状态。在第一阶段边缘节点作为领导者，分别为每个轻量级节点提供一个统一的单位算力与存储空间的报价；在第二阶段每个轻量级节点作为追随者，基于边缘节点给定的报价和其他节点的策略，决定轻量级节点自己的算力购买量和区块大小。本发明实现了轻量级节点的计算与存储任务的卸载和边缘节点资源的分配，能够以较低的复杂度迭代到主从博弈均衡点。
-
公开(公告)号：CN114020024B
公开(公告)日：2023-03-31
申请号：CN202111305350.5
申请日：2021-11-05
Applicant: 南京理工大学
IPC: G05D1/10
Abstract: 本发明公开一种算法效率高、性能好、能够更好地适应动态环境的基于蒙特卡洛树搜索的无人机路径规划方法。本发明方法包括如下步骤：(10)建立蒙特卡洛树，初始化根节点，并初始化无人机位置；(20)根据实验数据，设定蒙特卡洛树搜索算法训练总次数；(30)在设定训练总次数内，对蒙特卡洛树进行搜索算法训练，使蒙特卡洛树参数根据具体步骤进行迭代，无人机作出相应的动作；(40)当训练次数等于训练总次数时，训练结束，得到一棵训练完毕的蒙特卡洛树；根据所述训练完毕蒙特卡洛树的树结构，从根节点开始利用UCT算法持续向下选择UCT值最大的子节点，直到到达一个叶子节点为止，无人机根据所选择的节点执行相应的动作，即得到最优无人机路径。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.033 seconds)
