-
公开(公告)号：CN111934863B
公开(公告)日：2024-01-09
申请号：CN202010801225.2
申请日：2020-08-11
Applicant: 南方电网科学研究院有限责任公司 , 电子科技大学
IPC: H04L9/08 , H04L9/32 , H04L25/49 , H04B7/0426 , H04B7/06
Abstract: 本发明公开了一种边缘计算中基于人工噪声和安全编码的密钥共享方法，包括以下步骤S1.设定保护区域：S2.信道估计：Bob向Alice发送信道估计序列，Alice估计得到信道矩阵HA；S3.安全编码：边缘侧设备Alice通过安全编码将密钥消息b＝(b1,b2,...bm)编码为二进制比特s＝(s1,s2,...sn)；S4.结合人工噪声形成发射信号：Alice通过MIMO波束成型结合人工噪声形成发射信号x：x＝fs+Gz；S5.信号接收与译码：合法终端Bob接收信号并解调，并从接收信号中译码出m位密钥比特 S6.重复执行步骤S3～步骤S5，直至Bob已经得到L个符号长度的密钥。(56)对比文件程伟等.结合无条件安全传输的密钥一致性确认方法.通信技术.2017,第50卷(第6期),1281-1283.
-
公开(公告)号：CN111935171B
公开(公告)日：2022-12-06
申请号：CN202010856869.1
申请日：2020-08-24
Applicant: 南方电网科学研究院有限责任公司 , 电子科技大学
Abstract: 本发明公开了一种边缘计算下基于机器学习的终端安全策略选择方法，边缘侧设备每次可以从p种安全策略中选取一种或者多种安全策略对终端进行保护，采用机器学习方法等按各终端量化值进行选择，需要满足预设阈值，并且在机器学习机的性能评价值不能满足预设阈值，需要提前时间重新进行训练。本发明充分利用边缘设备的计算能力，采用离线训练、在线判断的方式，使得进行机器学习机的训练可以在边缘侧完成，也可以在云端完成，机器学习机等对边缘计算侧的安全接入策略选择不因为训练而中断，实现边缘计算系统安全策略选择的实时更新和实时选择。
-
公开(公告)号：CN111934863A
公开(公告)日：2020-11-13
申请号：CN202010801225.2
申请日：2020-08-11
Applicant: 南方电网科学研究院有限责任公司 , 电子科技大学
IPC: H04L9/08 , H04L9/32 , H04L25/49 , H04B7/0426 , H04B7/06
Abstract: 本发明公开了一种边缘计算中基于人工噪声和安全编码的密钥共享方法，包括以下步骤S1.设定保护区域：S2.信道估计：Bob向Alice发送信道估计序列，Alice估计得到信道矩阵HA；S3.安全编码：边缘侧设备Alice通过安全编码将密钥消息b＝(b1,b2,...bm)编码为二进制比特s＝(s1,s2,...sn)；S4.结合人工噪声形成发射信号：Alice通过MIMO波束成型结合人工噪声形成发射信号x：x＝fs+Gz；S5.信号接收与译码：合法终端Bob接收信号并解调，并从接收信号中译码出m位密钥比特S6.重复执行步骤S3～步骤S5，直至Bob已经得到L个符号长度的密钥。
-
公开(公告)号：CN111711518A
公开(公告)日：2020-09-25
申请号：CN202010758177.3
申请日：2020-07-31
Applicant: 电子科技大学 , 南方电网科学研究院有限责任公司
IPC: H04L9/08 , H04B7/0456 , H04B7/08
Abstract: 本发明公开了一种多用户物理层密钥分发与广播通信同时进行的方法，包括：Alice随机生成对应N个Bob的不同秘钥比特，分别将其映射为秘钥符号，每个秘钥符号对应一种激活各Bob不同接收天线的矢量；Alice选择各Bob的秘钥符号对应激活矢量的预编码，用预编码矩阵广播通信数据符号给N个Bob；每个Bob独立测量自己每根天线的平均信号接受强度或SNR估计天线矢量，通过逆映射得到自己的秘钥符号与秘钥比特；每个Bob通过观测到的天线矢量独立在自己的激活天线解调广播通信的数据符号。本发明将密钥生成过程通过多用户随机迫零技术嵌入到广播通信过程中，实现在广播通信过程中同时进行多用户物理层密钥分发，使得密钥共享不会造成多用户网络通信的中断和时延，具有良好的技术、性能和成本优势。
-
公开(公告)号：CN110992980A
公开(公告)日：2020-04-10
申请号：CN201911194763.3
申请日：2019-11-28
Applicant: 南方电网科学研究院有限责任公司 , 电子科技大学
Abstract: 本发明公布了一种基于边缘计算的隐蔽潜信道识别方法，通过梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients，MFCCs)特征的提取，并采用机器学习方法对正常通信系统和潜信道隐蔽通信的系数进行学习，训练隐蔽潜信道识别装置，将特定系统的新的梅尔频率倒谱系数输入系统，实现对潜信道隐蔽通信的识别；在边缘计算平台下进行终端等梅尔频率倒谱系数采集、系统训练和学习，然后对终端通信进行是否存在潜信道隐蔽通信的识别，对终端而言，该方法具有计算复杂度低，识别准确率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN110536299A
公开(公告)日：2019-12-03
申请号：CN201910832461.8
申请日：2019-09-04
Applicant: 电子科技大学 , 南方电网科学研究院有限责任公司
IPC: H04W12/08 , H04B7/0413 , G06K9/62
Abstract: 本发明公开了一种基于边缘计算和离散随机卷积的数据包合法性确认方法，包括以下步骤：在边缘服务器与已知终端设备中预存原始导频信号；已知终端设备在发送信号中插入已知的原始导频信号发送给边缘服务器；边缘服务器对接收信号进行导频分离，得到接收到的导频信号矩阵；计算信道矩阵的估计值；对于已知终端设备，测得多个信道矩阵的估计值的集合；对于不同的已知终端设备，测得对应的信道矩阵估计的集合，构建训练集合；建立卷积核与卷积核移动规则，训练得到成熟的神经网络分类器；测得待验证终端设备信道矩阵估计的集合；对待验证终端设备的信道矩阵进行分类。本发明提高了卷积神经网络构建的分类器在MIMO信道矩阵中识别效果，提高识别的准确率。
-
公开(公告)号：CN113132086B
公开(公告)日：2022-05-20
申请号：CN201911377749.7
申请日：2019-12-27
Applicant: 电子科技大学 , 南方电网科学研究院有限责任公司
IPC: H04L9/08 , H04W12/0431 , H04W12/0433 , H04W12/041 , H04B7/0456 , H04B7/06 , H04B7/08
Abstract: 本发明公开了一种在通信过程中同时实现物理层密钥分发的方法，具体为Alice随机生成密钥比特，将密钥比特映射为密钥符号，每个密钥符号对应一种激活Bob不同接收天线的矢量；Alice选择当前密钥符号对应激活矢量的预编码发送m个不同的数据调制符号；Bob测量每根天线的平均信号强度或信噪比估计天线矢量，通过逆映射得到密钥符号与密钥比；Bob在每根激活天线依次解调得到数据符号。本发明能够使得密钥共享不会造成通信的中断和时延，密钥生成的过程中始终保证数据的传输不会中断。
-
公开(公告)号：CN113055347B
公开(公告)日：2022-05-20
申请号：CN201911375220.1
申请日：2019-12-27
Applicant: 电子科技大学 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种基于随机自干扰实现物理层密钥分发的通信方法，具体为Alice随机生成密钥比特，将密钥比特映射为密钥符号，每个密钥符号对应一种激活Bob不同接收天线的矢量；Alice选择当前密钥符号对应激活矢量，用相对应的自干扰方式发送m个不同的数据调制符号给Bob；Bob测量每根天线的平均信噪比估计天线矢量，通过逆映射得到密钥符号与密钥比；Bob在每根激活天线依次解调得到数据符号。本发明可以在传输一路数据流的过程中同时实现物理层密钥分发，使得密钥共享不会造成通信的中断和时延，同时还可降低窃听者的接收信噪比，增加其窃听难度。
-
公开(公告)号：CN113055057A
公开(公告)日：2021-06-29
申请号：CN201911375216.5
申请日：2019-12-27
Applicant: 电子科技大学 , 南方电网科学研究院有限责任公司
IPC: H04B7/0413 , H04W12/06
Abstract: 本发明公开了一种基于毫米波多天线信道稀疏峰值特性的物理层认证方法，该方法利用毫米波多天线信道稀疏峰值特性进行通信认证，该方法的步骤包括：Bob首先对初始信号进行上层认证确定合法发送者Alice的身份，随后用户通过毫米波MIMO信道向Bob发送认证信号，Bob在接收信号后，然后通过提取和比较该用户信道号中稀疏峰值并计算其与前一时刻信道稀疏峰值的向量差值和门限值，判断该发送者的身份是否为合法Alice。本发明所述认证方法计算复杂低，无需复杂的上层加密运算，识别准确率高，具有快速、高效的优势，十分适用于资源受限的微型终端。
-
公开(公告)号：CN111898829A
公开(公告)日：2020-11-06
申请号：CN202010772041.8
申请日：2020-08-04
Applicant: 电子科技大学 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种基于稀疏异常感知的边缘设备下的电量预测方法，包括以下步骤：S1：边缘设备对K个目标建筑采集电量数据；S2：在边缘设备端采用稀疏异常感知方法对异常数据进行稀疏异常标记；S3：计算稀疏异常丢弃概率并得到总训练集；S4：利用机器学习回归算法和五折交叉验证训练模型，每折交叉验证时利用稀疏异常丢弃概率随机丢弃异常数据，不参与训练；S5：利用机器学习模型对待预测数据进行电量预测，并对模型预测输出乘以稀疏异常丢弃概率得到最终预测。本发明缓解了基于均方误差损失的机器学习回归模型对异常数据较敏感的问题；同时，减少了训练数据量，提升了模型训练速度，并引入了随机性，提升了模型的预测精度和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
197
records
(took 0.04 seconds)
