-
公开(公告)号：CN104009904B
公开(公告)日：2017-09-22
申请号：CN201410222239.3
申请日：2014-05-23
申请人： 清华大学 , 中国移动通信集团公司
摘要： 本发明公开了一种面向云平台大数据处理的虚拟网络构建方法及系统，涉及云计算技术领域，所述包括以下步骤：S1：在作业过程中保证所有虚拟机的总耗时最少的情况下，计算通信代理的最优总数koptimal及设于所述通信代理的服务器上的虚拟机最优数量之和S2：根据所述通信代理的最优总数koptimal及设于所述通信代理的服务器上的虚拟机最优数量之和从云平台上的服务器中确定通信代理的位置；S3：将所述云平台上的服务器中未设置通信代理的虚拟机分配至所述通信代理，以实现所述未设置通信代理的虚拟机与所述通信代理之间的映射关系。本发明通过各步骤之间的配合，降低了作业执行的总时间。
-
公开(公告)号：CN104731528B
公开(公告)日：2017-12-15
申请号：CN201510115735.3
申请日：2015-03-17
申请人： 清华大学 , 中国移动通信集团公司
摘要： 本发明涉及一种云计算块存储服务的构建方法及系统，所述方法包括：S1、根据块存储平台规模、服务数量、镜像请求的调度方式及镜像装载需求，进行参数初始化；S2、在块存储中为每类镜像构建一个副本；S3、计算所述块存储的剩余容量，并根据所述每类镜像的文件大小将与所述块存储的剩余容量对应的镜像的副本进行部署；S4、根据所述块存储中的每类镜像的位置判断需要调整物理位置的镜像以及所述需要调整位置的镜像的可调整位置；S5、对所述需要调整物理位置的镜像进行位置调整。本发明的方法完成了在集中式存储网络中镜像副本的数目和位置的优化选择，提高存储平台的整体性能。
-
公开(公告)号：CN104009904A
公开(公告)日：2014-08-27
申请号：CN201410222239.3
申请日：2014-05-23
申请人： 清华大学 , 中国移动通信集团公司
摘要： 本发明公开了一种面向云平台大数据处理的虚拟网络构建方法及系统，涉及云计算技术领域，所述包括以下步骤：S1：在作业过程中保证所有虚拟机的总耗时最少的情况下，计算通信代理的最优总数koptimal及设于所述通信代理的服务器上的虚拟机最优数量之和S2：根据所述通信代理的最优总数koptimal及设于所述通信代理的服务器上的虚拟机最优数量之和从云平台上的服务器中确定通信代理的位置；S3：将所述云平台上的服务器中未设置通信代理的虚拟机分配至所述通信代理，以实现所述未设置通信代理的虚拟机与所述通信代理之间的映射关系。本发明通过各步骤之间的配合，降低了作业执行的总时间。
-
公开(公告)号：CN104731528A
公开(公告)日：2015-06-24
申请号：CN201510115735.3
申请日：2015-03-17
申请人： 清华大学 , 中国移动通信集团公司
摘要： 本发明涉及一种云计算块存储服务的构建方法及系统，所述方法包括：S1、根据块存储平台规模、服务数量、镜像请求的调度方式及镜像装载需求，进行参数初始化；S2、在块存储中为每类镜像构建一个副本；S3、计算所述块存储的剩余容量，并根据所述每类镜像的文件大小将与所述块存储的剩余容量对应的镜像的副本进行部署；S4、根据所述块存储中的每类镜像的位置判断需要调整物理位置的镜像以及所述需要调整位置的镜像的可调整位置；S5、对所述需要调整物理位置的镜像进行位置调整。本发明的方法完成了在集中式存储网络中镜像副本的数目和位置的优化选择，提高存储平台的整体性能。
-
公开(公告)号：CN116032557B
公开(公告)日：2024-07-02
申请号：CN202211606695.9
申请日：2022-12-13
IPC分类号： H04L9/40 , H04L41/14 , H04L41/082 , G06N20/00
摘要： 本发明公开了一种网络安全异常检测中深度学习模型的更新方法与装置，该方法包括：对不同网络安全场景的样本数据进行特征提取得到高维特征向量；输入至异常检测模型得到模型输入样本异常度值的原始输出值，对校正后的原始输出值进行漂移检测得到基于置信度的漂移检测结果；通过计算优化目标函数得到引起网络安全数据分布发生变化的漂移样本；利用漂移样本对异常检测模型进行模型重训练，通过计算模型重训练时的损失函数以优化模型参数权重，并基于优化后的模型参数权重以得到训练好的异常检测模型。本发明能准确的检测出分布的漂移，降低标注样本带来的人力开销，在拟合新环境的代表性样本的同时保证不会遗忘原有模型中的有效知识。
-
公开(公告)号：CN118264530A
公开(公告)日：2024-06-28
申请号：CN202410320611.8
申请日：2024-03-20
申请人： 清华大学
IPC分类号： H04L41/0604 , H04L9/40 , H04L41/16 , G06N3/042 , G06N3/088 , G06F18/2433 , G06F18/243 , G06N5/01
摘要： 本申请提出了一种自动化判定网络安全警报威胁等级的方法，涉及网络安全技术领域，其中，该方法包括：获取多源安全警报数据，对多源安全警报数据中的每个警报构建对应的告警子图，并基于所有告警子图构建告警知识图；基于告警知识图，使用基于图属性的子图学习方法对每个告警子图生成对应的告警子图向量；基于告警子图向量，采用半自动化和全自动化双模式协同分类的方法判断每个警报的威胁等级。采用上述方案的本发明能对多类型安全检测设备进行集中的警报过滤，提升警报分类准确度，降低网络安全运维人员的负担。
-
公开(公告)号：CN112270346B
公开(公告)日：2023-09-01
申请号：CN202011127566.2
申请日：2020-10-20
申请人： 清华大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/0895
摘要： 本发明公开了一种基于半监督学习的物联网设备识别方法及装置，该方法包括：获取待识别设备的流量信息，通过特征抽取得到所述待识别设备的原始特征；将所述原始特征输入卷积神经网络得到嵌入特征，将所述嵌入特征输入两个全连接层，根据所述两个全连接层的输出结果识别所述待识别设备类型。该方法解决了有监督机器学习方法需要大量标签的问题，设计了一种半监督学习的物联网设备识别方法，能够利用少量有标签数据在被动流量中达到较高的设备识别精度且能发现新的设备类型。
-
公开(公告)号：CN115086204B
公开(公告)日：2023-06-13
申请号：CN202210432294.X
申请日：2022-04-22
IPC分类号： H04L43/12 , H04L43/0864 , H04L43/0829
摘要： 本发明公开了一种Overlay网络高可靠多因子网络质量评估方法和装置，其中，该方法包括：探测阶段将目标Overlay网络链路的源节点记为A，目的节点记为B，分别做正向探测和反向探测得到往返时延和丢包率；聚合阶段将通过正向和反向探测的往返时延和丢包率进行聚合作为探测阶段链路质量；评价阶段通过链路质量计算公式对链路质量进行计算，根据计算结果进行链路质量评价，并根据提供链路的运营商因子修正链路质量评价的计算结果，以完成多因子网络质量测量与评价。本发明包含节点之间的正向探测和反向探测，考虑了设备故障的情况，探测结果会更加可靠。在评价链路质量过程中除了往返时延和丢包率外还结合了运营商因子，评价结果更符合真实链路质量。
-
公开(公告)号：CN115277464B
公开(公告)日：2023-06-02
申请号：CN202210520263.X
申请日：2022-05-13
IPC分类号： H04L43/04 , H04L41/0631 , H04L41/16
摘要： 本申请提出了一种基于多维时间序列分析的云网络变更流量异常检测方法，涉及数据分析技术领域，其中，该方法包括：将云网络变更流量处理为多维时间序列，并检测所述多维时间序列的每个时间维度中包含的突刺点；根据序列的每个时间维度中包含的突刺点对多维时间序列进行突刺平滑处理，得到目标时间序列；对目标时间序列的每个维度的数据进行异常检测，得到异常检测结果；对多维时间序列中的所有时间维度进行分类，根据分类结果对异常检测结果进行汇总，得到变更异常判别结果。采用上述方案的本申请能够提高异常检测准确率，进而更好地保证大规模云网络的稳定运行、提高云网络的服务质量。
-
公开(公告)号：CN115514620B
公开(公告)日：2023-03-10
申请号：CN202211427145.0
申请日：2022-11-15
IPC分类号： H04L41/0631 , H04L67/10
摘要： 本发明实施例提供了一种异常检测的方法和云网络平台，所述方法包括：获取在虚拟网络设备变更开始后采集的实时流量数据；在所述实时流量数据为具有时序特征的流量数据的情况下，将实时流量数据输入预先训练的数据模型，并根据实时流量数据和所述数据模型输出针对所述实时流量数据的重构结果，生成第一偏差数据；根据所述第一偏差数据和预先确定的异常数据阈值，生成异常检测结果。通过本发明实施例，实现了对虚拟网络设备变更导致网络流量异常的检测优化，能够满足大规模网络中对不同类型设备的通用性要求，有利于建立统一的网络变更管理平台，进而能够通过统一的网络变更管理平台实现对全网各类变更的虚拟网络设备进行统一的、自适应的异常检测。
-
-
-
-
-
-
-
-
-
搜索结果
142 条记录 (耗时 0.046 秒)
