摘要：本发明公开了一种支持物联网数据增量更新的区块链存储方法。本发明对数据进行分块操作，处理成碎片数据后再计算MD5值，处理后的MD5值被传输至全节点域。全节点调用智能合约，执行自适应PoW算法完成上链操作。碎片数据被传输至存储域进行存储，存储节点存储成功后，发送存储凭证至全节点域。在数据更新阶段，边缘节点对比修改前后的碎片数据的MD5值，筛选出发生数据变更的碎片进行上传，降低了存储空间的浪费。本发明实现了数据的增量更新，有效降低了数据服务器中存储空间的消耗。此外，利用难度自适应的PoW算法，提高了区块链网络的交易效率。

摘要：本发明公开了一种用于分布式工作流系统的任务分组调度方法，以实现复杂工作流地有效预处理以及工作流任务地合理调度。本发明首先对记录工作流信息的工作流图进行分析，计算出每个任务的累计工作量；其次，找出累计工作量最大的关键任务组然后再对剩余任务节点进行分组；随后，根据分组数据对任务组进行分配；最后，对于运行任务产生偏差或是新增的运行资源采用一种基于任务复制的负载均衡策略，进一步加强了调度方法整体稳定性。

摘要：本发明公开了一种基于图结构和特征的自适应防御方法。目前已经有很多对抗训练、注意力机制、去噪网络等方法来提高图神经网络模型的防御能力，但是当前GCN模型倾向于保持结构相似性而不是特征相似性的问题。本发明包含了三部分的内容：基于Attention机制进行原始图和特征图的训练，自适应平衡图结构和特征的信息；基于权重学习思想进行辅助模型的训练获取不同特征的权重进行消息聚合，考虑了不同特征的不同重要性；利用特征信息单独训练获取不依赖结构信息的结果，并采用对比学习和标签平滑方法提高模型性能。通过本发明提供的平衡图结构和特征的防御方法，可以有效的利用两方面信息提升图神经网络模型的防御能力。

摘要：本发明公开了一种基于智能合约最大化系统获利的边缘节点分配方法。本发明首先设计了一种基于智能合约的匹配机制，根据每一个ECN的计算频率、不同DSO对于ECN计算能力与信任度的相应偏好值，将ECN与DSO进行匹配。其次，本发明提出了一种基于智能合约的改进的双向拍卖机制，在系统中上传UT的竞价矩阵后，通过对已有的要价矩阵和竞价矩阵内元素进行序列化处理，在可信任的双向拍卖机制下，不断迭代更新序列中的利益最大值来完成DSO与UT的双向匹配。本发明依据智能合约可以实现网络实体之间的自动高效交易，以及大化系统获利。

摘要：本发明公开了一种基于智能合约最大化系统获利的边缘节点分配方法。本发明首先设计了一种基于智能合约的匹配机制，根据每一个ECN的计算频率、不同DSO对于ECN计算能力与信任度的相应偏好值，将ECN与DSO进行匹配。其次，本发明提出了一种基于智能合约的改进的双向拍卖机制，在系统中上传UT的竞价矩阵后，通过对已有的要价矩阵和竞价矩阵内元素进行序列化处理，在可信任的双向拍卖机制下，不断迭代更新序列中的利益最大值来完成DSO与UT的双向匹配。本发明依据智能合约可以实现网络实体之间的自动高效交易，以及大化系统获利。

摘要：本发明提出了一种基于长短期记忆的生成式对抗网络(WGAN‑LSTM)模型对流程实例运行结果进行建模分析的方法，旨在对流程实例运行结果进行精准预测，为实现业务流程的动态监管及异常预警提供支持，本发明提供一种基于长短期记忆的生成式对抗网络模型建模分析方法，包括：步骤1，待预测流程实例已经执行的事件信息进行数据预处理；步骤2，将步骤1中的数据输入GAN‑LSTM模型中进行训练，得到预测模型M；步骤3，将正在执行的待预测流程实例输入到预测模型M中，预测出该条待预测流程实例对应的结果标签。

摘要：本发明公开了一种基于动态适应聚类的联邦个性化推荐方法，包括如下步骤：S1、收集推荐领域的用户数据集；S2、通过系统模拟模型将数据中每一个用户作为一个客户端拆分出来并模拟出一个服务端；S3、服务端初始化一个元模型，并在所有客户端上训练元模型，得到一个能适应所有客户端的元学习器；S4、将元学习器发送到每个客户端中训练，得到能够适应相应客户端的模型参数；S5、将所有客户端的模型参数发送到服务端进行聚类，进而得到不同用户分组；S6、服务端运用簇分解合并机制，筛选出用户组中客户端数量小于一定阈值的用户组；S7、在每个用户组中运行联邦学习。该方法既可以降低所需的聚类次数从而降低通信和计算复杂度。

摘要：本发明公开了一种基于詹森‑香农散度的对话状态追踪方法，包括如下步骤：S1、收集不同领域的任务型对话数据集；S2、构建对话状态追踪模型；S3、通过编码模块对任务型对话数据集中的历史和当前对话、当前状态和槽位信息进行语义编码的语义信息；S4、将编码后的语义信息输入至对话状态决策模块以生成目标概率分布；S5、使用JS散度作为指标来衡量样本是否属于噪声样本；S6、对于非噪声样本，保留其原有的标签，对于噪声样本，根据S4中得到的目标概率分布，选择概率值最大的目标，作为新的标签，并使用新的标签进行训练；S7、训练过程中动态调整噪声样本判断阈值以适配不断增强的对话状态追踪模型，直至对话状态追踪模型拟合。该方法有效解决现实噪声环境中训练DST模型会难以拟合下游任务数据的难题。

摘要：本发明涉及一种基于计算实验的服务生态系统演化建模系统及方法。在目前的科学理论及手段很难完成对于真实服务生态系统进行直接实验的背景下，构建了一套具体的通过计算实验系统来研究服务生态系统演化的流程方法。考虑到服务的类型会随着市场需求的情况而发生演化改变，引入遗传算法模拟服务代理节点类型随着服务生态系统演化而发展的情况。除了服务提供者与服务需求者之外，市场监管者同样在服务生态系统中扮演着重要的角色，因此设计了一套对抗博弈的方式作为服务代理节点决策的依据，同时考虑到对于服务代理节点自身的利润最大化以及对于区域市场利润最大化。该服务生态系统演化建模系统及方法可以作为后续研究服务生态系统演化规律的基础。

摘要：本发明公开了一种基于CGAN的均匀样本生成的数据提取方法，使用均匀采样生成类标签l，然后从高斯分布中采样向量z，将l和z组合输入到CGAN，使用CGAN生成图像x，然后将x输入到目标模型中得到目标模型的输出，接着使用(x，V(x))标签对来训练替代模型，得到替代模型的输出C，最后通过交叉熵损失函数比较目标模型和替代模型的(V(x)，C(x))差异以及(l，V(x))差异，反向传播梯度更新生成器CGAN。待CGAN循环训练一定轮次后，即(l，V(x))的损失几乎不改变的时候，使用CGAN生成图像单独训练替代模型直到达到最优替代模型，本发明利用基于条件生成对抗网络(CGAN)的均衡样本生成器来生成类别平衡的伪造数据集，以减少类别不平衡现象并提高模型提取的效率。

摘要：本发明提供了一种基于异常检测的注意力净化图防御方法，包括：步骤1，选择异常检测算法，将输入图传入异常检测模块，获得潜在异常边，获得结果具体是一个名为linkpred的二维矩阵；步骤2，将步骤1中获得的linkpred矩阵，及其他所需训练参数传入ADGAT模型中进行训练，利用linkpred对训练过程中的attention层进行净化；步骤3，使用训练得到的模型生成图节点特征，来完成具体的下游图任务。该方法在高安全性需求的图下游任务中，如何防御图数据中的固有噪声、恶意扰动，保证GNNs性能的前提下增强模型的鲁棒性。