实现空管异构数据共享的系统及方法

    公开(公告)号:CN116527365A

    公开(公告)日:2023-08-01

    申请号:CN202310513128.7

    申请日:2023-05-08

    IPC分类号: H04L9/40

    摘要: 本文公开一种实现空管异构数据共享的系统及方法,包括:系统的发送端设置为:签名处理原始数据,获得第一数据;将第一数据和第一密钥分别进行对称加密,获得第二数据和第二密钥;将第二密钥通过来自接收端的公钥进行加密,获得第三密钥;发送第二数据和第三密钥至接收端;系统的接收端设置为:在本地存储生成的公钥和私钥中的私钥,发送公钥至发送端;通过本地的私钥解密来自发送端的第三密钥,获得第二密钥;利用第二密钥解密来自发送端的第二数据,获得第一数据;签名查验第一数据,获得原始数据;原始数据包括:空管数据。本发明实施例基于混合加密机制进行数据传输处理,保证了空管数据的机密性以及数据源的可验证性。

    一种用于共享数据访问的用户身份可信辨识的方法

    公开(公告)号:CN116527366A

    公开(公告)日:2023-08-01

    申请号:CN202310513163.9

    申请日:2023-05-08

    IPC分类号: H04L9/40 H04L67/1396

    摘要: 本文公开一种用于共享数据访问的用户身份可信辨识的方法,包括:根据参与数据共享的用户的多因子行为特征,对用户进行单点异常的实时检测;根据参与数据共享的用户的多因子行为特征对用户进行上下文异常检测;根据单点异常的实时检测和上下文异常检测的结果,判定用户身份是否可信;判定用户身份不可信时,阻断用户访问数据;其中,多因子行为特征包括:通过存储数据的系统记录的用户在数据共享过程中的与访问行为相关的特征信息。本发明实施例根据多因子行为特征对用户进行单点异常的实时键合和上下文异常检测,阻断判定为身份不可信的用户的访问操作,提升了数据共享系统的数据安全性。

    一种表格型密集强化学习方法、计算机存储介质及终端

    公开(公告)号:CN118245763A

    公开(公告)日:2024-06-25

    申请号:CN202410382456.2

    申请日:2024-03-29

    申请人: 清华大学

    IPC分类号: G06F18/21 G06F18/2415

    摘要: 本申请公开一种表格型密集强化学习方法、计算机存储介质及终端,包括:从关键状态集合中均匀采样初始状态,使得初始状态均为关键状态;根据学习率、时序差分误差及关键状态集合的示性函数,对未达到最优的兴趣事件的发生概率Q(s,a)进行更新学习。本公开实施例从关键状态集合中均匀采样初始状态,基于包含关键状态集合的示性函数实现兴趣事件的发生概率Q(s,a)的更新学习,使得训练数据包含的关键状态信息密集化,减少了计算量、节省了计算资源,提升了未达到最优的兴趣事件的发生概率Q(s,a)的学习效率。

    一种实现测试场景生成的模型的训练方法

    公开(公告)号:CN116467599A

    公开(公告)日:2023-07-21

    申请号:CN202310410081.1

    申请日:2023-04-17

    申请人: 清华大学

    摘要: 本文公开一种实现测试场景生成的模型的训练方法,包括:获取用于模型训练的数据集,数据集中包含历史观测序列和地图信息;对历史观测序列进行升维,获得第一高维特征信息;根据地图信息中包含的离散点之间的相关关系,获得的第二高维特征信息;根据第一高维特征信息、第二高维特征信息与表征所有车辆在场景中的随机性的随机函数信息,生成隐变量状态信息;对隐变量状态信息进行解码,获得交通先验模型的输出;对数据集中数据,根据交通先验模型的输入和获得的交通先验模型的输出计算预设的第一损失函数,获得交通先验模型。本发明实施例训练获得了交通先验模型,为自动生成自动驾驶汽车在正常工作情况下安全行驶的驾驶场景提供了支持。

    一种稀疏关键度预测模型训练方法、预测系统和方法

    公开(公告)号:CN118535992A

    公开(公告)日:2024-08-23

    申请号:CN202410585343.2

    申请日:2024-05-11

    申请人: 清华大学

    IPC分类号: G06F18/2415 G06F18/214

    摘要: 一种稀疏关键度预测模型训练方法、预测系统和方法,所述训练方法包括:获取智能系统安全关键事件发生时的正样本集P和不发生时的负样本集N,根据P和N进行第一阶段无监督奖励模型训练,排除N中简单负样本,保留假性正样本;基于正样本集P和假性正样本构建正样本集P2和负样本集N2,进行第二阶段基于改进双支网络的有监督分类模型的训练,获得难例分类模型;获取关键数据作为第三阶段训练数据,对难例分类模型进行提高分类准确度的基于密集强化学习方法的第三阶段微调,获得稀疏关键度预测模型,能有效解决安全关键事件环境变量的稀疏度灾难,解决了极度不平衡数据集的学习问题,获得了高精度的智能系统安全关键事件概率预测模型。

    一种实现自动驾驶感知层测试场景生成的方法

    公开(公告)号:CN116414720A

    公开(公告)日:2023-07-11

    申请号:CN202310513125.3

    申请日:2023-05-08

    申请人: 清华大学

    IPC分类号: G06F11/36

    摘要: 本文公开一种实现自动驾驶感知层测试场景生成的方法,包括:根据预先设定的干扰变量与输入目标检测算法的感知层的场景数据,构建测试场景函数;根据目标检测算法的感知层的输出数据和真实场景数据,确定车辆安全性指标函数;在预先设定的合理性约束条件下,根据确定的车辆安全性指标函数求解构建的测试场景函数,获得用于安全性测试的测试场景;其中,真实场景数据为现实场景中真实的目标数据及对应状态。本发明实施例针对感知层所引起的车辆潜在安全问题,考虑感知层的组成结构,以合理性约束作为约束条件,求解获得了感知层的测试场景,为提高无人驾驶的测试效率和获知感知层所导致的车辆潜在安全隐患提供了技术支持。

    一种候诊排队优化方法、装置及存储介质

    公开(公告)号:CN116364251A

    公开(公告)日:2023-06-30

    申请号:CN202310215686.5

    申请日:2023-03-08

    IPC分类号: G16H40/20 G06Q10/04 G07C11/00

    摘要: 本文公开候诊排队优化方法、装置及存储介质。所述方法包括:初始化候诊优先级模型的参数并利用该模型确定患者的初始优先级分数,利用该分数重排队列生成第一候诊队列;根据患者的挂号信息、报到时间和前方排队人数预测每个患者的候诊等待时长;将患者按照就诊类型进行分组,将所有组的组内平均候诊等待时长与队列内所有患者的候诊等待时长标准差进行加权累加得到加权和,以加权和最小为优化目标对模型进行参数优化;利用优化后的模型确定每个患者的最终优先级分数,根据最终优先级分数对队列进行重排生成最终的候诊队列。本文的方案能灵活调整不同就诊类型的患者的候诊优先级,缩小不同患者候诊时间的差异以及患者的平均候诊时间。

    自动驾驶测试场景库生成方法及装置、存储介质

    公开(公告)号:CN116187091A

    公开(公告)日:2023-05-30

    申请号:CN202310369199.4

    申请日:2023-04-07

    申请人: 清华大学

    IPC分类号: G06F30/20

    摘要: 一种自动驾驶测试场景库生成方法及装置、计算机可读存储介质,所述方法包括:设置初始虚拟测试场景和测试任务,初始虚拟测试场景包括被测车辆和周围车辆;构建车辆行为效用模型,车辆行为效用模型包括多种不同的驾驶策略;对被测车辆执行所述测试任务,并在测试任务执行过程中,改变周围车辆的驾驶策略;获取测试结果,根据所述测试结果生成测试场景库,所述测试场景库包括多种针对所述被测车辆具有不同难度的虚拟测试场景以及每种所述虚拟测试场景对应的周围车辆的驾驶策略。