公开(公告)号：CN112511385B

公开(公告)日：2022-04-08

申请号：CN202011389477.5

申请日：2020-12-02

Applicant: 北京邮电大学

Inventor： 龚向阳 ,  崔勇 ,  王文东 ,  阙喜戎 ,  彭德平 ,  王莫为 ,  黄思江 ,  成晓雨 ,  单安童

IPC: H04L43/0876 ,  H04L43/50 ,  H04L47/125 ,  H04L43/0894

Abstract: 本发明实施例提供了一种测试流量数据生成方法、装置及电子设备，涉及计算机技术领域。该方法包括：确定待分配流量负载；确定待分配流量负载的分配模式，基于分配模式，为待分配流量负载分配指定网络场景中的目标目的端口；确定待分配流量负载的流量模式，基于流量模式，确定待分配流量负载的传输参数；基于采样结果、目标目的端口以及传输参数，生成关于待分配流量负载的测试流量文件，并返回执行确定待分配流量负载的步骤，直至所得到的测试流量文件的数量满足所设定的数量；生成所得到的各个测试流量文件对应的流量数据。与现有技术相比，应用本发明实施例提供的方案，可以实现生成有效合理且概率上对各类流量模式进行完整覆盖的测试流量数据。

公开(公告)号：CN112448897A

公开(公告)日：2021-03-05

申请号：CN202011197052.4

申请日：2020-10-30

Applicant: 北京邮电大学

Inventor： 阙喜戎 ,  崔勇 ,  王文东 ,  龚向阳 ,  成晓雨 ,  王莫为 ,  黄思江 ,  单安童 ,  彭德平

IPC: H04L12/861 ,  G06N3/02 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明实施例提供了一种基于强化学习的交换机共享缓存分配方法及装置，包括当交换机的任一端口触发缓存分配条件时，获取所述交换机的各端口的待缓存数据的数据量，所述各端口对所述交换机的缓存池的当前占用量，以及所述缓存池的当前空闲缓存空间的大小，作为所述交换机的状态信息；基于所述交换机的状态信息，利用预先训练得到的强化学习模型，获取触发所述缓存分配条件的待分配端口的缓存阈值；其中，所述强化学习模型为利用多个样本状态信息，以及每个样本状态信息对应的样本奖励值训练得到的神经网络；基于所述缓存阈值，为所述待分配端口进行缓存分配。本方案可以兼顾交换机的缓存分配的公平性，以及交换机的数据传输性能。

公开(公告)号：CN112511385A

公开(公告)日：2021-03-16

申请号：CN202011389477.5

申请日：2020-12-02

Applicant: 北京邮电大学

Inventor： 龚向阳 ,  崔勇 ,  王文东 ,  阙喜戎 ,  彭德平 ,  王莫为 ,  黄思江 ,  成晓雨 ,  单安童

IPC: H04L12/26 ,  H04L12/803

Abstract: 本发明实施例提供了一种测试流量数据生成方法、装置及电子设备，涉及计算机技术领域。该方法包括：确定待分配流量负载；确定待分配流量负载的分配模式，基于分配模式，为待分配流量负载分配指定网络场景中的目标目的端口；确定待分配流量负载的流量模式，基于流量模式，确定待分配流量负载的传输参数；基于采样结果、目标目的端口以及传输参数，生成关于待分配流量负载的测试流量文件，并返回执行确定待分配流量负载的步骤，直至所得到的测试流量文件的数量满足所设定的数量；生成所得到的各个测试流量文件对应的流量数据。与现有技术相比，应用本发明实施例提供的方案，可以实现生成有效合理且概率上对各类流量模式进行完整覆盖的测试流量数据。

公开(公告)号：CN112446501A

公开(公告)日：2021-03-05

申请号：CN202011197526.5

申请日：2020-10-30

Applicant: 北京邮电大学

Inventor： 王文东 ,  崔勇 ,  阙喜戎 ,  龚向阳 ,  单安童 ,  王莫为 ,  黄思江 ,  彭德平 ,  成晓雨

IPC: G06N20/00 ,  H04L12/933

Abstract: 本发明实施例提供了一种真实网络环境中缓存分配模型的获取方法、装置及系统。其中，一种真实网络环境中缓存分配模型的获取方法在交换机中加载可加载的强化学习模型；当数据传输触发预设分配条件时，利用可加载的强化学习模型获取交换机的缓存阈值，进行缓存分配；利用本次触发产生的训练数据，训练待训练的强化学习模型，获得并保存可加载的强化学习模型；如果所保存的可加载的强化学习模型的个数不满足预设数量条件，返回执行在交换机中加载可加载的强化学习模型，否则，从所保存的多个可加载的强化学习模型中，选择对应的奖励值满足预设奖励值条件的可加载的强化学习模型，作为缓存分配模型。本方案可以提高缓存分配模型的获取效率。

公开(公告)号：CN112446501B

公开(公告)日：2023-04-21

申请号：CN202011197526.5

申请日：2020-10-30

Applicant: 北京邮电大学

Inventor： 王文东 ,  崔勇 ,  阙喜戎 ,  龚向阳 ,  单安童 ,  王莫为 ,  黄思江 ,  彭德平 ,  成晓雨

IPC: G06N20/00 ,  H04L49/103

Abstract: 本发明实施例提供了一种真实网络环境中缓存分配模型的获取方法、装置及系统。其中，一种真实网络环境中缓存分配模型的获取方法在交换机中加载可加载的强化学习模型；当数据传输触发预设分配条件时，利用可加载的强化学习模型获取交换机的缓存阈值，进行缓存分配；利用本次触发产生的训练数据，训练待训练的强化学习模型，获得并保存可加载的强化学习模型；如果所保存的可加载的强化学习模型的个数不满足预设数量条件，返回执行在交换机中加载可加载的强化学习模型，否则，从所保存的多个可加载的强化学习模型中，选择对应的奖励值满足预设奖励值条件的可加载的强化学习模型，作为缓存分配模型。本方案可以提高缓存分配模型的获取效率。

公开(公告)号：CN112448897B

公开(公告)日：2022-05-20

申请号：CN202011197052.4

申请日：2020-10-30

Applicant: 北京邮电大学

Inventor： 阙喜戎 ,  崔勇 ,  王文东 ,  龚向阳 ,  成晓雨 ,  王莫为 ,  黄思江 ,  单安童 ,  彭德平

IPC: H04L49/9005 ,  G06N3/02 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明实施例提供了一种基于强化学习的交换机共享缓存分配方法及装置，包括当交换机的任一端口触发缓存分配条件时，获取所述交换机的各端口的待缓存数据的数据量，所述各端口对所述交换机的缓存池的当前占用量，以及所述缓存池的当前空闲缓存空间的大小，作为所述交换机的状态信息；基于所述交换机的状态信息，利用预先训练得到的强化学习模型，获取触发所述缓存分配条件的待分配端口的缓存阈值；其中，所述强化学习模型为利用多个样本状态信息，以及每个样本状态信息对应的样本奖励值训练得到的神经网络；基于所述缓存阈值，为所述待分配端口进行缓存分配。本方案可以兼顾交换机的缓存分配的公平性，以及交换机的数据传输性能。