一种基于属性的多雾车联网中可追踪图像数据共享方法

    公开(公告)号:CN117614666A

    公开(公告)日:2024-02-27

    申请号:CN202311530313.3

    申请日:2023-11-16

    发明人: 姜璐瑶 谷科

    摘要: 本发明公开了一种基于属性的多雾车联网中图像数据共享方法,属于车联网图像数据共享领域。该方法包括以下五个阶段:系统设置阶段,图像存储阶段,图像重构阶段,水印嵌入阶段和用户追踪阶段。本发明通过置乱加密对上传的图像数据进行加密,保证数据的隐私性;基于shamir秘密共享算法,将图像数据分布式的秘密存储在雾服务器中,并生成一个标签实现数据的完整性检查;结合细粒度访问控制的思想,不同属性的政府机构采用属性基加密算法可以实现共享图像数据的访问控制;考虑到不诚实的数据使用者会泄露图像数据,在图像数据中嵌入不可见水印可以起到震慑作用,最终完成车联网中图像数据高效安全的共享。

    一种重叠社区中基于属性削弱的用户社区隐藏方法

    公开(公告)号:CN117494201A

    公开(公告)日:2024-02-02

    申请号:CN202311463629.5

    申请日:2023-11-06

    发明人: 刘简 谷科

    摘要: 本发明公开了一种重叠社区中基于属性削弱的用户社区隐藏方法。应用于社交网络中重叠社区的用户社区隐藏,方法步骤包括:构建一个社交网络属性图模型,其中包括用户的节点属性和链接属性;在构建的属性图模型中根据节点的信息和链接之间的交互,分别计算目标节点的节点属性和链接属性的所有属性权重;根据目标用户想要隐藏的社区,寻找目标用户需要削弱的节点属性,用户通过降低目标属性权重值来削弱节点属性;根据目标用户想要隐藏的社区,寻找目标用户所有链接中需要削弱的链接属性,根据属性类别将所有属性分为需要削弱的属性类别和增强的属性类别;改进遗传算法,对链接中需要削弱的属性类别和增强的属性类别中的所有链接属性分别进行基因编码,通过改进遗传算法寻找一个最优的链接属性削弱策略;用户降低通过改进遗传算法优化目标属性权重值来削弱链接属性,从而实现社交网络重叠社区中用户的社区隐藏。

    一种基于雾计算的分布式城市短时交通流预测方法

    公开(公告)号:CN116704739A

    公开(公告)日:2023-09-05

    申请号:CN202210177330.2

    申请日:2022-02-25

    IPC分类号: G08G1/01 G06N3/0442 G06N3/08

    摘要: 本发明公开了一种基于雾计算的分布式的交通流预测方法,所述方法包括:S1:对城市交通网络进行区域级别的建模;S2:根据雾服务器所收集到的局部道路的交通流数据进行预处理;S3:根据所收集到的数据构建Conv‑LSTM模型,进行参数调优;S4:根据S3步骤的模型及输入的交通流数据输出预测结果。集中式系统是难以扩展的,故障会向系统提供实时反馈,而在本发明提出的分布式方案中,每个路段可根据邻近本地当前测量值预测自己的短期拥塞。

    基于雾计算的社交车联网双模式兴趣标签转发系统及方法

    公开(公告)号:CN111641923B

    公开(公告)日:2022-06-28

    申请号:CN202010492753.4

    申请日:2020-06-03

    摘要: 本发明公开了一种基于雾计算的社交车联网双模式兴趣标签转发系统及方法,本发明采用双模式兴趣标签的转发策略,当消息进行V2V传输时,根据兴趣、合作程度、以及建立合作程度的车辆节点的数量选取转发节点,相较于传统方案,降低了外在因素对以个人兴趣为主体对选取转发车辆节点的影响;当消息进行V2R转发时,通过雾计算获取RSU的兴趣标签,根据兴趣标签计算出每个兴趣的兴趣排名,最后根据兴趣排名,选取若干个RSU对消息进行转发,提高了RSU与RSU之间的转发效率,也保证了消息的正确传达率。而且本发明采用双模式兴趣标签的转发策略,在一定程度下减少了消息仅在车辆之间传输所造成的网络拥堵,提高了对动态环境的适应性,能够提供更稳定的通信。

    一种电力网络中的虚假数据入侵检测方法、装置及设备

    公开(公告)号:CN109587145B

    公开(公告)日:2021-03-09

    申请号:CN201811511490.6

    申请日:2018-12-11

    IPC分类号: H04L29/06

    摘要: 本发明公开了一种电力网络中的虚假数据入侵检测方法,电力网络中各节点均安装有PMU和与各PMU对应连接的监视器,各个节点电压稳定性指标值都是由各个节点处安装的监视器利用各自对应的PMU采集的量测数据进行计算,相当于将控制中心的计算量分配至各个节点进行运算,减少了控制中心的计算量,相应的提高了查找遭遇虚假数据入侵的PMU所在的节点的效率。达到了及时查找遭遇虚假数据入侵的PMU的目的,避免了致整个电力网络由于PMU遭遇虚假数据入侵而引起的系统瘫痪的问题。此外,本发明还公开了一种电力网络中的虚假数据入侵检测装置及设备,效果如上。

    训练特征点检测器的计算机装置、方法及特征点检测方法

    公开(公告)号:CN110633711A

    公开(公告)日:2019-12-31

    申请号:CN201910865005.3

    申请日:2019-09-09

    IPC分类号: G06K9/46 G06K9/62 G06N20/00

    摘要: 本发明公开了一种训练特征点检测器的计算机装置、方法及图像特征点检测方法。其中,计算机装置包括用于基于图像变换操作集对原始图像进行随机采样变换得到变换图像的图像变换模块、特征点检测器和用于对各差分响应图进行全局批规范化操作,并利用无监督机器学习方法训练各差分响应图的模型训练模块;特征点检测器用于利用两个不同尺度的卷积核对输入图像进行处理得到各自相应的响应特征图,并对各卷积核输出响应特征图进行差分计算,得到原始图像和变换图像的差分响应图。本申请技术方案不仅数据处理流程简单,还对物体边缘更敏感,可有效缓解特征点密集选取现象,适用于小规模数据集应用场景。

    一种IDS资源配置方法、装置和计算机可读存储介质

    公开(公告)号:CN110381020A

    公开(公告)日:2019-10-25

    申请号:CN201910510823.1

    申请日:2019-06-13

    IPC分类号: H04L29/06 H04L29/08

    摘要: 本发明实施例公开了一种IDS资源配置方法、装置和介质,目标节点根据攻击者的攻击策略以及自身的初始策略库,确定出应对策略;将应对策略传输至相邻节点,并接收相邻节点向其反馈的奖励值、差异比和成本值。根据预先设定的收益因子以及相邻节点向其反馈的奖励值、差异比和成本值,构建收益矩阵;根据所有节点各自对应的收益矩阵,向所有节点分配相应的第一资源;其中,各节点有其对应的初始资源总数;目标节点向其自身分配的资源为基本资源。目标节点接收其它节点向其分配的第二资源;并将基本资源以及第二资源作为执行应对策略的运行资源。IDS之间通过协作实现策略共享以及资源分配,从而保证各IDS拥有足够的资源来检测更多的攻击者。

    一种基于社区和深度学习的社交网络话题传播预测方法

    公开(公告)号:CN117911185A

    公开(公告)日:2024-04-19

    申请号:CN202410025385.0

    申请日:2024-01-08

    发明人: 邓阳 谷科

    摘要: 本发明属于社交网络信息传播预测的领域,具体地为一种基于社区和深度学习的社交网络话题传播预测方法。首先通过计算传播话题信息与用户特性匹配的契合度,构建用户信息的嵌入矩阵,基于契合度和嵌入矩阵路径编码,再根据门控循环神经网络对传播路径进行训练,其中引入时间衰减效应,从而实现监测与预测话题信息在不同社区的传播情况,便于舆情分析和及时管控虚假信息的传播,维护社交网络的安全环境。

    一种社交网络中动态社区划分恶意用户检测方法

    公开(公告)号:CN117611372A

    公开(公告)日:2024-02-27

    申请号:CN202311505406.0

    申请日:2023-11-13

    发明人: 李永康 谷科

    IPC分类号: G06Q50/00 G06F18/22

    摘要: 本发明公开了一种突发事件下基于社区划分的恶意用户检测方法。应用于社交网络中恶意用户检测,方法步骤包括:构建用户与突发事件的关联度模型;基于用户的事件关联度模型,挖掘恶意用户的隐式群组结构,快速定位和检测潜在的恶意用户;分别计算用户相对路径长度和皮尔逊相似度公式,归一化作为用户综合相似度;根据用户相似度,采用快照算法对用户进行动态社区划分,捕捉用户在时间维度上的行为变化,跟踪恶意用户群体在突发事件下的行为模式;结合卷积神经网络设计一种新增恶意用户检测算法,设定恶意阈值作为检测结果的判断依据,完成恶意用户检测。

    一种基于雾的联邦学习后门攻击防御方案

    公开(公告)号:CN117411685A

    公开(公告)日:2024-01-16

    申请号:CN202311345829.0

    申请日:2023-10-18

    发明人: 谷科 左逸铭

    IPC分类号: H04L9/40 G06N20/00

    摘要: 本发明公开了一种基于基于雾的联邦学习后门攻击防御方法。应用于基于雾的联邦学习的后门防御,方法步骤包括:构建边缘设备、雾服务器、聚合服务器;基于雾服务器部署进行归一化检查,将更新远大于平均值的梯度删除;基于雾服务器,利用梯度之间余弦相似度检测和训练属性检测相结合,删除过于相似的梯度和训练属性异常的梯度;基于聚合服务器每轮训练开始生成的随机验证矩阵,发送给雾服务器作为本轮的验证信息,形成聚合服务器的检测雾服务器合法性方法;聚合服务器结合聚类和历史预聚合模型检测雾服务器上传的预聚合模型;基于之前的检测结果,聚合服务器聚合得到全局模型。经过多次重复训练,全局模型得以在维持预测精度的同时,在一定程度上抵抗了后门攻击的影响。