-
公开(公告)号：CN114844760B
公开(公告)日：2023-07-25
申请号：CN202210484276.6
申请日：2022-05-05
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院
IPC: H04L41/06 , H04L41/0631 , H04L41/0677
Abstract: 本发明公开了一种网络故障感知与定位方法、装置、终端及存储介质，方法包括：对途径交换机的数据流进行特征提取，得到流级别的特征，并根据预设周期将流级别的特征发送至分类器；通过分类器生成数据流的推断信息；根据推断信息确定异常流传输路径信息，并结合异常流的传输路径信息给出故障位置的推断结果；通过对途径交换机的数据流进行特征提取，并结合数据传输路径信息生成对故障位置的推断，解决了端侧信息难以获取的技术问题；通过采用决策树模型的流状态分类器，并将分类器部署在交换机上，解决了网络侧感知能力较弱的问题；通过将本地推断信息存储在正常的数据包当中，完成了网内的推断聚合与决策，降低了数据通信给网络带来的负担。
-
公开(公告)号：CN116112705A
公开(公告)日：2023-05-12
申请号：CN202310083109.5
申请日：2023-01-17
Applicant: 抖音视界有限公司 , 清华大学深圳国际研究生院
IPC: H04N21/234 , H04N21/25 , H04N21/44 , H04N21/466
Abstract: 本公开实施例提供了一种视频推荐方法、装置、电子设备和存储介质，所述方法包括：获取视频播放特征和待推荐视频的属性信息；将视频播放特征和属性信息输入设定视频推荐模型，得到第一预测分数和第二预测分数；根据第一预测分数和第二预测分数确定视频推荐分数，根据视频推荐分数进行视频推荐。通过采用上述技术方案，可以消除视频时长与模型推荐结果之间的虚假关联对视频推荐结果的影响。
-
公开(公告)号：CN115984667A
公开(公告)日：2023-04-18
申请号：CN202310008684.9
申请日：2023-01-04
Applicant: 清华大学深圳国际研究生院
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06V10/77 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/086
Abstract: 本发明公开了一种基于Fisher信息的对抗训练泛化能力提升方法，包括如下步骤：S1、通过不同对抗攻击方法将干净图像生成不同对抗图像；S2、通过Fisher信息将不同对抗图像进行线性叠加得到泛化对抗图像；S3、通过粒子群算法优化泛化对抗图像加权系数得到最优泛化对抗图像；S4、使用最优泛化对抗图像进行对抗训练得到泛化能力更强的分类模型。本发明不仅可以维持传统对抗攻击方法在干净图像上的分类准确率，而且对多种和未知的对抗攻击方法生成的对抗图像也具有很强的泛化性。
-
公开(公告)号：CN112350998B
公开(公告)日：2022-11-01
申请号：CN202011110759.7
申请日：2020-10-16
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
Abstract: 本申请公开了一种基于边缘计算的视频流传输方法，所述方法包括接收到视频块下载请求时，检测所述视频块下载请求对应的目标视频资源；当未检测到目标视频资源时，获取视频块下载请求对应的若干响应方式；确定各响应方式各自对应的用户QoE，并基于用户QoE在若干响应方式中选取目标响应方式；通过目标响应方式确定视频块下载请求对应的响应视频资源，并将响应视频资源反馈给视频块下载请求对应的用户端。本申请通过智能边缘确定视频块下载请求对应的响应视频资源，减少了视频流传输对主干网带宽的依赖，在主干网带宽不足时仍能够通过对其自身缓存的视频资源进行视频超分或视频转码的方式来快速响应用户的请求，从而提高了用户QoE。
-
公开(公告)号：CN115086185A
公开(公告)日：2022-09-20
申请号：CN202210654263.9
申请日：2022-06-10
Applicant: 清华大学深圳国际研究生院
IPC: H04L41/142 , H04L47/10 , H04L45/12
Abstract: 本发明公开了一种数据中心网络系统，包括机架及设置在机架内的一台或多台服务器，每台服务器有多个网络端口，机架内服务器的连接方式符合度直径问题最优解，即保证节点数和度数的最佳连接方式，其中直径代表网络的最大跳数，也就是时延性能；节点的度代表服务器的网络端口数量。本发明优化了传输性能，支持更高的吞吐和时延要求，更小的直径，更少的平均跳数，更大的链路带宽，达成高吞吐低时延的数据中心网络需求。
-
Patent Agency Ranking
公开(公告)号：CN112463638B
公开(公告)日：2022-09-20
申请号：CN202011459487.1
申请日：2020-12-11
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种基于神经网络的模糊测试方法及计算机可读存储介质，方法包括：改进模糊测试工具中的边的哈希计算过程使得每条所述边的哈希值不同，得到改进后的模糊测试工具；基于所述改进后模糊测试工具生成的覆盖信息作为训练集对神经网络进行训练；依据临近边信息挑选出 对，利用训练完成的所述神经网络计算出该输出神经元对输入的梯度，并根据所述梯度的绝对值的大小确定输入中的关键字节，从而对关键字节进行变异生成测试用例集合；使用所述测试用例集进行模糊测试。从而实现了以较小的资源开销探索了程序状态信息。
-
公开(公告)号：CN112565072B
公开(公告)日：2022-08-09
申请号：CN202011204784.1
申请日：2020-11-02
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
IPC: H04L45/48 , H04L45/00 , H04L45/74 , H04L45/745
Abstract: 本发明公开了一种路由表压缩方法、路由器及存储介质，方法包括：根据预设的全球路由表中网络前缀之前包含关系，构建对应的域间多叉树；后序遍历各个域间节点，并根据域间子节点对应的域内多下一跳路由表，确定当前遍历的域间子节点对应的初始单一下一跳路由器；根据预设的筛选规则，确定初始单一下一跳路由器中域间根节点对应的初始单一下一跳路由器；先序遍历域间多叉树中各个域间节点，并对当前遍历的域间节点对应的初始单一下一跳路由器进行调整，直至遍历结束，将遍历结束后各个域间节点对应的初始单一下一跳路由器作为对应的目标单一下一跳路由器。本发明能够提高路由表的压缩效率。
-
公开(公告)号：CN114840747A
公开(公告)日：2022-08-02
申请号：CN202210404048.3
申请日：2022-04-18
Applicant: 清华大学深圳国际研究生院
IPC: G06F16/9535 , G06F16/906 , G06N20/00 , G06K9/62
Abstract: 本发明公开了基于对比学习的新闻推荐方法，包括基于对比学习的用户兴趣抽取步骤；所述用户兴趣抽取步骤包括：提供一用户兴趣编码器，该用户兴趣编码器被配置为对用户浏览的新闻序列进行编码得到兴趣向量；对所述用户浏览的新闻序列进行编码得到第一兴趣向量；对所述用户浏览的新闻序列进行数据增强，再对数据增强后的新闻序列进行编码得到第二兴趣向量；训练所述用户兴趣编码器，训练过程中，引入使所述第一兴趣向量和所述第二兴趣向量相接近，并使所述第一兴趣向量与其它用户的兴趣向量相远离的兴趣对比学习损失。
-
公开(公告)号：CN108768876B
公开(公告)日：2022-01-11
申请号：CN201810569876.6
申请日：2018-06-05
Applicant: 清华大学深圳研究生院
IPC: H04L47/10 , H04L41/14 , H04L47/50 , H04L47/6275
Abstract: 本发明提出一种面向机器学习框架的流量调度方法，它是一种高效的数据中心中分布式机器学习框架流量调度机制，在无法获取应用流信息的场景下，在组流的层面上利用机器学习流量的自相似性实现高效的调度策略。该机制将流的速率控制与流量调度进行有机结合，通过及时的速率控制帮助了有效的流信息推测在流传输过程中的完成，同时基于推测结果的调度策略合理的引导了流在不同网络环境下的速率控制。
-
公开(公告)号：CN113364752A
公开(公告)日：2021-09-07
申请号：CN202110583803.4
申请日：2021-05-27
Applicant: 鹏城实验室 , 清华大学深圳国际研究生院 , 南方科技大学
Abstract: 本发明公开了一种流量异常检测方法、检测设备及计算机可读存储介质，所述方法包括：获取待测设备的网络流量；对所述网络流量进行预处理，生成包序列；针对每一个所述包序列，将该包序列输入与所述待测设备对应的检测模型中，并通过所述检测模型对该包序列进行编码和解码，得到该包序列对应的重构序列，其中，所述检测模型为与所述待测设备对应的自编码器；根据所述重构序列，确定所述包序列对应的序列类型；根据各个所述包序列对应的序列类型，确定所述网络流量对应的流量类型。本发明能够有效提高针对物联网的网络流量异常检测的准确率，降低物联网被攻击的概率，提高物联网的安全性。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.029 seconds)
