基于联邦迁移学习的网络流量预测方法和装置

    公开(公告)号:CN118612091A

    公开(公告)日:2024-09-06

    申请号:CN202410700552.7

    申请日:2024-05-31

    摘要: 本发明提供一种基于联邦迁移学习的网络流量预测方法和装置,方法包括:获取目标域的网络流量数据;将目标域的网络流量数据输入至网络流量预测模型中,得到目标域下一时刻的目标网络流量;其中,网络流量预测模型为基于多个域的多个局部模型进行动态权重聚合得到,每个局部模型均包括特征提取模块、生成对抗模块和预测模块;特征提取模块用于提取网络流量数据中的时序特征和空间特征;生成对抗模块用于生成自适应分布的特征,并基于时序特征、空间特征和自适应分布的特征与特征提取模块作对抗训练;预测模块用于基于时序特征和空间特征预测得到对应域下一时刻的网络流量。通过本发明提供的方法,实现目标域网络流量的预测。

    一种面向运行可靠性和时延的多目标DNN推理任务部署方法和系统

    公开(公告)号:CN118433183A

    公开(公告)日:2024-08-02

    申请号:CN202410617407.2

    申请日:2024-05-17

    摘要: 本发明提供一种面向运行可靠性和时延的多目标DNN推理任务部署方法和系统,所述方法包括:接收移动设备提出的DNN推理任务;获取包含中心云服务器、边缘服务器和移动设备的物理网络拓扑图;获取预设的用于多目标DNN推理任务部署寻优的种群数量和最大迭代次数;利用多目标遗传模型寻找优化的DNN推理任务部署,按照所述种群数量生成种群个体,对所有的种群个体进行多次迭代寻优,迭代达到所述最大迭代次数后,输出寻找到的优化后的DNN推理任务部署结果。其中,将所述物理网络拓扑图和所述DNN推理任务作为多目标遗传模型的输入,多目标遗传模型的多目标优化方向包含高运行可靠性和低延迟性,多目标遗传模型的约束条件包含推理总时延约束。

    一种网络切片的可用性保障方法及装置

    公开(公告)号:CN113490231B

    公开(公告)日:2024-04-23

    申请号:CN202110731081.2

    申请日:2021-06-29

    摘要: 本申请公开了一种网络切片的可用性保障方法及装置,其中,所述可用性保障方法包括:获取网络切片;其中,所述网络切片对应至少两个虚拟网络功能单元构成的第一序列,所述第一序列中的虚拟网络功能单元的类型仅出现一次;对所述第一序列中的虚拟网络功能单元进行安全评估,确定所述虚拟网络功能单元的隔离等级;根据所述隔离等级对所述网络切片的虚拟网络功能单元进行备份,获得备份节点,直到满足所述网络切片的可用性要求。

    一种基于分段路由的确定性时延路由调度方法和系统

    公开(公告)号:CN117714368A

    公开(公告)日:2024-03-15

    申请号:CN202311635255.0

    申请日:2023-11-30

    摘要: 本发明提供一种基于分段路由的确定性时延路由调度方法和系统,该方法包括:获取数据包并计算源节点到目标节点的最短时延路径。计算最短时延路径上每个中继节点的截止时间偏移向量,并将其写入数据包头部信息中。沿最短时延路径传输数据包,在中继节点排队前,计算数据包的丢弃概率,若概率高于随机生成数则在当前节点丢弃数据包。利用循环队列转发模型建立的三队列循环排队转发模型,计算数据包在每个中继节点应排入的队列,以最小化数据包在每个中继节点的排队时延。设定每个中继节点在其对应的截止时间偏移向量之前传输数据包。本发明能够满足确定性时延网络路由调度对低延迟和负载均衡的传输需求。

    边缘计算服务器部署方法和系统

    公开(公告)号:CN113377532B

    公开(公告)日:2023-03-14

    申请号:CN202110627000.4

    申请日:2021-06-04

    IPC分类号: G06F9/50 G06F16/27

    摘要: 本发明提供一种边缘计算服务器部署方法和系统,所述方法包括以下步骤:基于影响多个区域内的服务器对用户的吸引力的用户个性相关参数计算用户选择不同区域内的侯选服务器的概率,以基于计算的概率进行用户的目的地偏好预测;基于各个用户的目的地偏好预测结果,根据各个用户终端任务的资源需求,预测各区域的资源需求量;根据各区域的资源需求量,基于服务器提供商收益最大化原则确定多服务器提供商的服务器最优布局。本发明改善了未考虑到用户聚集效应导致的服务器部署不合理的问题,最大化了服务器提供商的收益,减少了终端任务的处理时延,提高了终端任务的处理效率和边缘计算服务器的资源利用率,提高了用户的满意度。

    基于极值理论的智慧城市网络设备性能异常阈值评估方法

    公开(公告)号:CN115001997A

    公开(公告)日:2022-09-02

    申请号:CN202210376980.X

    申请日:2022-04-11

    摘要: 本发明提供一种基于极值理论的智慧城市网络设备性能异常阈值评估方法,所述方法包括:基于目标性能数据和极大似然估计方法,确定广义帕累托分布模型的目标参数;基于目标参数,确定智慧城市网络设备性能的异常阈值;目标性能数据是基于智慧城市网络设备的运行数据确定的;目标参数包括规模参数和形状参数。本发明提供的基于极值理论的智慧城市网络设备性能异常阈值评估方法,通过使用极大似然估计方法确定广义帕累托分布的参数,解决了一般参数估计方法准确率低,性能低效的问题,并且得到的广义帕累托分布的参数更加接近真实值,为广义帕累托分布求解异常边界阈值打下基础,提高了异常边界阈值计算的准确率。

    基于联盟链的群智感知场景下分布式激励方法

    公开(公告)号:CN114564535A

    公开(公告)日:2022-05-31

    申请号:CN202111294343.X

    申请日:2021-11-03

    摘要: 本发明公开了一种基于联盟链的群智感知场景下分布式激励方法,首先提出基于Hyperledger Fabric的分布式激励架构,并设计基于多属性拍卖的智能合约,实现用户选择链上逻辑和分布式激励,缓解用户对中心化平台和用户的过度依赖。其次本发明提出基于地理位置和相似性的K‑最近邻离群点检测算法,充分利用传感数据本身的采样地理位置、采样时间点、邻近信息等信息,有效检测用户提交的传感数据的可信度,并根据数据可信度建立用户信誉指数,实现更加公平的奖惩分配激励机制。此外,考虑到实现性能和区块链上的资源有限,本发明将大规模传感数据存储在链下,同时将传感数据的哈希值存储在区块链上,保证了数据不能被篡改并避免区块链上海量数据导致的性能下降。