-
公开(公告)号:CN118864921A
公开(公告)日:2024-10-29
申请号:CN202410828723.4
申请日:2024-06-25
IPC分类号: G06V10/764 , H04L9/40 , G06V10/82 , G06N3/0464 , G06N3/047
摘要: 本发明提供了一种加密流量分类方法及系统,包括:将待分类的加密流量原始文件转化为马尔可夫链图像;基于获得的马尔科夫链图像,利用预先训练的流量分类模型,获得流量分类结果,其中,所述流量分类模型中每个残差单元内部的第二个卷积层之后和残差连接之前引入有坐标注意力机制,所述坐标注意力机制执行如下处理过程:对于输入的特征图,沿着图像的两个正交空间方向进行特征聚合,将空间坐标信息整合到注意力图中,获得输入特征图在特定空间方向上的特征依赖关系。
-
公开(公告)号:CN116963184A
公开(公告)日:2023-10-27
申请号:CN202310979717.4
申请日:2023-08-04
IPC分类号: H04W28/084 , H04W28/08 , H04L67/568 , H04L67/61 , H04L67/63
摘要: 本发明公开了基于命名数据网络和边缘计算的节能缓存系统及方法,消费者边缘计算设备将兴趣包请求指令转发给命名数据网络的路由器;路由器节点检查自身的内容存储区中是否有与兴趣包对应的数据,如果没有,则路由器节点检查自身的兴趣表,查看兴趣表中是否有与兴趣包对应的等待响应记录,如果兴趣表中没有,则路由器节点检测自身的转发表,查看转发表中是否有与兴趣包对应的转发记录,如果转发表中没有记录,则路由器节点将兴趣包转发给下一跳路由器节点,以此类推,直至将兴趣包转发给生产者边缘计算设备;生产者边缘计算设备将兴趣包对应的数据,原路返回给消费者边缘计算设备,返回的过程中将数据缓存到对应的路由器节点中。
-
公开(公告)号:CN116094985A
公开(公告)日:2023-05-09
申请号:CN202211650811.7
申请日:2022-12-21
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: H04L45/121 , H04L45/02 , H04L43/10 , H04L41/12
摘要: 本发明涉及一种混合型带内网络遥测任务传输方法与系统,包括以下步骤:获取链路拓扑图;根据历史通信任务,从各个任务节点中确定多个第一目标节点,以及每个第一目标节点对应的第一目标链路;将任意一个第一目标节点作为第一当前节点,若第一当前节点无法连通除自身之外的其他第一目标节点,则根据各个第一目标节点和各个链路,从链路中确定第二目标链路;根据网络遥测任务,确定发射探头和接收探头;根据发射探头、接收探头、各个第一目标节点、各个第一目标链路和各个第二目标链路,确定发射探头和接收探头之间的数据传输路径。解决了主动INT方法或被动INT方法单独部署在大规模网络中覆盖率低或成本高的问题。
-
公开(公告)号:CN114385272B
公开(公告)日:2022-07-05
申请号:CN202210291802.7
申请日:2022-03-24
申请人: 山东省计算中心(国家超级计算济南中心)
IPC分类号: G06F9/445
摘要: 本发明属于网络通信技术领域,提供了面向海洋任务的在线自适应计算卸载方法及系统,实时的获取环境信息和用户信息,并建立准确的模型描述当前系统,进而实现高效的任务分配,保证时延。因此与传统离线方法不同,我们基于强化学习,通过从历史分配策略学习以提供当前决策,而无需未来信息,构建卸载模型并实时优化,以实现设备任务的高效卸载。本发明所述的方案,不仅可以使得能源得到充分利用,更能有效降低任务时延,保证QoS。
-
公开(公告)号:CN118945116A
公开(公告)日:2024-11-12
申请号:CN202411212329.4
申请日:2024-08-30
IPC分类号: H04L47/125 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/30
摘要: 本发明提出一种数据中心网络中负载均衡的实现方法及系统,方法包括:根据传输带宽,将数据流划分为象流和鼠流;将所有可达路径节点的网络负载信息打包为探测包,广播到全网;基于探测包信息,获取带宽因子、象流关键度因子和队列长度指数,为象流和鼠流分配传输路径;具体为:对象流进行改进蚁群算法迭代,将带宽因子和象流关键度因子作为蚁群寻路的依据,获取并比较最优解集合不同路径的开销,将象流转发到开销最小的路径;对鼠流计算可达路径时延,将队列长度指数和时延作为鼠流选路的依据,筛选符合时延限制的路径,将鼠流转发到开销最小的路径。通过将流量按照其自身传输需求分配到不同路径,提高链路带宽利用率并降低了时延。
-
公开(公告)号:CN117150341A
公开(公告)日:2023-12-01
申请号:CN202311102973.1
申请日:2023-08-30
IPC分类号: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , H04L9/40
摘要: 本发明提出了一种基于混合深度学习的加密流量分类方法及系统,涉及网络安全技术领域,具体方案包括:对采集的原始加密流量数据进行预处理,将其转换为统一格式的字节序列;利用训练好的混合深度学习模型对所述字节序列进行分类预测,得到加密流量的分类结果;本发明基于卷积神经网络、时间卷积神经网络以及通道注意力机制的混合深度学习模型,进行时空特征的提取及关注关键特征,从而增强时空特征提取的鲁棒性,提高加密流量分类的效率和准确度。
-
公开(公告)号:CN117062094A
公开(公告)日:2023-11-14
申请号:CN202311047327.X
申请日:2023-08-18
摘要: 本公开提供了一种雾无线接入网络中边缘缓存主动放置方法及系统,涉及无线通信技术领域,构建F‑RAN无线网络模型,获取F‑RAN无线网络模型的边缘节点以及缓存容量;获取需缓存的用户的请求内容,引入队列理论,设计到达速率的共享队列模型以及三种传输模式,将三种传输模式的到达率问题转换为内容放置时延最小的模型的求解,通过采用贪心算法,使每个缓存节点都缓存尽可能多的流行内容,直至缓存存储容量受限;考虑各个F‑AP节点的局部内容的流行度,使进行缓存时依据请求内容的流行度和请求内容大小进行缓存主动放置;本公开解决了现有边缘缓存方案中延迟控制不准确及流量成本过高的问题。
-
公开(公告)号:CN116994054A
公开(公告)日:2023-11-03
申请号:CN202310986619.3
申请日:2023-08-07
IPC分类号: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/098
摘要: 本发明公开了面向类别不平衡的联邦学习图像分类方法及系统,多个客户端按照标准的联邦学习方法联合训练一个全局模型;每个客户端将本地训练数据划分为头类和尾类,计算得到尾类所对应的混淆类,基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取,得到尾类特有特征和混淆类通用特征;每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合,得到尾类的增广样本,以增强本地训练数据;每个客户端使用增强的本地训练数据对全局模型进行微调,并将其上传到服务器来进一步更新全局模型。此外,本发明设计了一个新的损失函数TailDistillation Loss,能够减轻全局类不平衡的影响。
-
公开(公告)号:CN116980965A
公开(公告)日:2023-10-31
申请号:CN202310982783.7
申请日:2023-08-04
IPC分类号: H04W28/02 , H04W28/06 , H04W28/086 , H04W28/084 , H04W28/08
摘要: 本发明公开了基于信息中心网络的能效感知边缘缓存方法及系统,其中方法,包括:消费者客户端将兴趣包转发给基站;基站查找是否有数据包与兴趣包名称一致,如果没有,则在待处理兴趣表中新增一个条目;基站判断兴趣包内容是否是流行内容,如果是,则为兴趣包添加POP字段,并将添加字段的兴趣包,通过信息中心网络的路由器节点转发给核心网,核心网再转发给源服务器;源服务器将兴趣包对应的数据包,通过信息中心网络的路由器节点传输给核心网,核心网再传输给基站;基站判断当前返回数据包的名称,与待处理兴趣表中条目是否一致;如果一致,则基站判断当前返回数据包是否有POP字段标识,如果有,则将当前返回数据包转发给消费者客户端。
-
公开(公告)号:CN116436678A
公开(公告)日:2023-07-14
申请号:CN202310436976.2
申请日:2023-04-18
IPC分类号: H04L9/40 , G06F18/241 , G06F18/21 , G06N3/0475 , G06N3/045
摘要: 本发明公开的面向多类不平衡数据特点的加密恶意流量识别方法及系统,对网络恶意流量数据进行预处理,获得恶意流量的特征图像;通过恶意流量的特征图像和训练好的恶意流量样本生成模型,获得恶意流量样本,在恶意流量样本生成模型的生成器和判别器中均加入自注意力模块,自注意力模块以卷积层输出的特征图为输入,获取输入自注意力模块的特征图的注意力图,根据注意力图确定自注意力特征图,将自注意力特征图与输入自注意力模块的特征图加权求和,获得自注意力模块输出的特征图,自注意力模块输出的特征图输入下一个卷积层中;对恶意流量样本进行识别,获得恶意流量识别结果。提高了对恶意流量识别的准确性。
-
-
-
-
-
-
-
-
-