-
公开(公告)号：CN116456307A
公开(公告)日：2023-07-18
申请号：CN202310522070.2
申请日：2023-05-06
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 江苏海洋大学
摘要： 本发明公开一种基于Q学习的能量受限物联网数据采集和融合方法，属于利用计算机模型优化无人机群数据采集能耗的技术领域。本发明针对无人机群的碰撞避免、飞行角度变化和节点距离约束，将无人机能耗问题转化为马尔可夫决策过程，应用强化学习算法求解无人机路径决策问题：将无人机与节点之间的距离、无人机飞行角度的变化以及无人机之间的安全距离作为强化学习的奖励，使无人机群协同访问所有节点，并有效降低了能耗。此外，在无人机群任务完成后，动态选择距离基站最近的无人机作为中继无人机，中继无人机将其他无人机采集的数据统一传输到基站，从而降低了无人机群的总体飞行能耗。
-
公开(公告)号：CN114500043B
公开(公告)日：2022-08-26
申请号：CN202210086936.5
申请日：2022-01-25
申请人： 山东省计算中心(国家超级计算济南中心) , 江苏海洋大学
摘要： 本发明公开了基于同源性分析的物联网固件漏洞检测方法，包括：建立函数漏洞库；提取待检测固件的可执行文件集合以及对应的指令架构，将在函数漏洞库中存在同名同架构的可执行文件作为待检测可执行文件；对待检测可执行文件进行反汇编，获取待检测可执行文件的函数集合，将在函数漏洞库中存在同名的函数作为待检测函数；对待检测函数的二进制文件进行反汇编，提取待检测函数的汇编代码，形成待检测函数指令集合，计算待检测函数指令集合与漏洞函数的指令集合的相似度。本发明还提供了基于同源性分析的物联网固件漏洞检测系统。本发明能够更加高效、精确地检测固件中存在的同源性漏洞。
-
公开(公告)号：CN114500043A
公开(公告)日：2022-05-13
申请号：CN202210086936.5
申请日：2022-01-25
申请人： 山东省计算中心(国家超级计算济南中心) , 江苏海洋大学
摘要： 本发明公开了基于同源性分析的物联网固件漏洞检测方法，包括：建立函数漏洞库；提取待检测固件的可执行文件集合以及对应的指令架构，将在函数漏洞库中存在同名同架构的可执行文件作为待检测可执行文件；对待检测可执行文件进行反汇编，获取待检测可执行文件的函数集合，将在函数漏洞库中存在同名的函数作为待检测函数；对待检测函数的二进制文件进行反汇编，提取待检测函数的汇编代码，形成待检测函数指令集合，计算待检测函数指令集合与漏洞函数的指令集合的相似度。本发明还提供了基于同源性分析的物联网固件漏洞检测系统。本发明能够更加高效、精确地检测固件中存在的同源性漏洞。
-
公开(公告)号：CN117939563B
公开(公告)日：2024-09-03
申请号：CN202410145361.9
申请日：2024-01-31
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 江苏海洋大学
摘要： 本发明属于物联网数据采集的技术领域，更具体地，涉及一种工业环境下面向通信受限物联网节点的数据汇集方法及装置。所述方法包括：S1、给定节点数据集和预设参数，预设参数包括节点覆盖半径R、节点覆盖率C以及初始簇头个数K；S2、基于给定的节点数据集和预设参数，使用K‑medoids聚类算法将节点数据集中的所有传感器节点划分为K个簇；S3、计算K个簇的总节点覆盖率C′，若总节点覆盖率C′大于给定的节点覆盖率C，则执行步骤S4，若总节点覆盖率C′小于或等于给定的节点覆盖率C，则将给定的初始簇头个数K加一，重复执行步骤S2；S4、判断待发送数据的成员节点与其对应的目标簇头节点之间是否存在中间成员节点，若存在：筛选待发送数据的成员节点与其对应的目标簇头节点之间的最优通信链路，并控制待发送数据的成员节点通过最优通信链路将其数据传输至对应的目标簇头节点。本发明解决了现有方法无法确保在数据传输过程中节点之间建立有效的通信链路的问题。
-
公开(公告)号：CN117939563A
公开(公告)日：2024-04-26
申请号：CN202410145361.9
申请日：2024-01-31
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 江苏海洋大学
摘要： 本发明属于物联网数据采集的技术领域，更具体地，涉及一种工业环境下面向通信受限物联网节点的数据汇集方法及装置。所述方法包括：S1、给定节点数据集和预设参数，预设参数包括节点覆盖半径R、节点覆盖率C以及初始簇头个数K；S2、基于给定的节点数据集和预设参数，使用K‑medoids聚类算法将节点数据集中的所有传感器节点划分为K个簇；S3、计算K个簇的总节点覆盖率C′，若总节点覆盖率C′大于给定的节点覆盖率C，则执行步骤S4，若总节点覆盖率C′小于或等于给定的节点覆盖率C，则将给定的初始簇头个数K加一，重复执行步骤S2；S4、判断待发送数据的成员节点与其对应的目标簇头节点之间是否存在中间成员节点，若存在：筛选待发送数据的成员节点与其对应的目标簇头节点之间的最优通信链路，并控制待发送数据的成员节点通过最优通信链路将其数据传输至对应的目标簇头节点。本发明解决了现有方法无法确保在数据传输过程中节点之间建立有效的通信链路的问题。
-
公开(公告)号：CN116456307B
公开(公告)日：2024-04-09
申请号：CN202310522070.2
申请日：2023-05-06
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 江苏海洋大学
摘要： 本发明公开一种基于Q学习的能量受限物联网数据采集和融合方法，属于利用计算机模型优化无人机群数据采集能耗的技术领域。本发明针对无人机群的碰撞避免、飞行角度变化和节点距离约束，将无人机能耗问题转化为马尔可夫决策过程，应用强化学习算法求解无人机路径决策问题：将无人机与节点之间的距离、无人机飞行角度的变化以及无人机之间的安全距离作为强化学习的奖励，使无人机群协同访问所有节点，并有效降低了能耗。此外，在无人机群任务完成后，动态选择距离基站最近的无人机作为中继无人机，中继无人机将其他无人机采集的数据统一传输到基站，从而降低了无人机群的总体飞行能耗。
-
公开(公告)号：CN116862021B
公开(公告)日：2024-05-03
申请号：CN202310953891.1
申请日：2023-07-31
IPC分类号： G06N20/00
摘要： 本发明公开了一种基于信誉评估的抗拜占庭攻击的去中心化学习方法及系统，涉及人工智能与信息安全交叉技术领域，该方法包括：基于获取的分布式网络中各个节点的训练数据，通过不断迭代训练实现去中心化学习，其训练过程中：分布式网络中的每一节点获取自节点的邻居节点当前轮次的局部参数，以此计算每一邻居节点当前轮次的信誉贡献值和信誉损失值，确定信誉有效值，进而确定自节点及其每一邻居节点的全局历史信誉值；基于全局历史信誉值为自节点及其每一邻居节点分配权重，进而更新自节点的局部参数并发送至邻居节点。本发明构建信誉评估机制，建立全局历史信誉值模型，通过权重分配，降低拜占庭攻击的影响，达到保护学习模型的目的。
-
公开(公告)号：CN116862021A
公开(公告)日：2023-10-10
申请号：CN202310953891.1
申请日：2023-07-31
IPC分类号： G06N20/00
摘要： 本发明公开了一种基于信誉评估的抗拜占庭攻击的去中心化学习方法及系统，涉及人工智能与信息安全交叉技术领域，该方法包括：基于获取的分布式网络中各个节点的训练数据，通过不断迭代训练实现去中心化学习，其训练过程中：分布式网络中的每一节点获取自节点的邻居节点当前轮次的局部参数，以此计算每一邻居节点当前轮次的信誉贡献值和信誉损失值，确定信誉有效值，进而确定自节点及其每一邻居节点的全局历史信誉值；基于全局历史信誉值为自节点及其每一邻居节点分配权重，进而更新自节点的局部参数并发送至邻居节点。本发明构建信誉评估机制，建立全局历史信誉值模型，通过权重分配，降低拜占庭攻击的影响，达到保护学习模型的目的。
-
公开(公告)号：CN118332584B
公开(公告)日：2024-08-27
申请号：CN202410748751.5
申请日：2024-06-12
摘要： 本发明属于机器学习的技术领域，具体涉及面向分布式机器学习的数据安全治理方法、装置、电子设备和存储介质。该方法包括：节点获取其相邻节点在当前迭代中的局部参数，利用即时可靠分数函数计算相邻节点的即时可靠分数，以为相邻节点构建可靠性模型，设定可靠性模型更新规则，在每次迭代中基于该规则对可靠性模型的可靠指数或不可靠指数进行更新；将更新后的可靠性模型代入Beta分布，获取相邻节点的可靠程度并以此构建可靠节点集合；基于可靠节点集合中所有可靠相邻节点的参数计算当前迭代中节点的聚合结果，结合梯度下降更新节点的参数，将更新后的参数发送至其每个相邻节点。本发明可消除拜占庭攻击的影响，确保学习模型的准确性。
-
公开(公告)号：CN118332584A
公开(公告)日：2024-07-12
申请号：CN202410748751.5
申请日：2024-06-12
摘要： 本发明属于机器学习的技术领域，具体涉及面向分布式机器学习的数据安全治理方法、装置、电子设备和存储介质。该方法包括：节点获取其相邻节点在当前迭代中的局部参数，利用即时可靠分数函数计算相邻节点的即时可靠分数，以为相邻节点构建可靠性模型，设定可靠性模型更新规则，在每次迭代中基于该规则对可靠性模型的可靠指数或不可靠指数进行更新；将更新后的可靠性模型代入Beta分布，获取相邻节点的可靠程度并以此构建可靠节点集合；基于可靠节点集合中所有可靠相邻节点的参数计算当前迭代中节点的聚合结果，结合梯度下降更新节点的参数，将更新后的参数发送至其每个相邻节点。本发明可消除拜占庭攻击的影响，确保学习模型的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
75 条记录 (耗时 0.07 秒)
