一种虚拟网络功能实例的流量无状态迁移方法及电子设备

    公开(公告)号:CN112506648B

    公开(公告)日:2022-05-03

    申请号:CN202011310178.8

    申请日:2020-11-20

    Abstract: 本发明公开了一种虚拟网络功能实例的流量无状态迁移方法及电子设备,包括:每隔预设时间获取服务端的已分配实例对应的CPU资源使用信息和已分配实例的负载;当CPU资源使用信息和负载满足预设条件时,在交换机中安装目标规则和临时规则,并删除已分配实例对应的原始规则;通过目标规则将已分配实例对应的第一流量转发至目标实例进行处理,以及通过临时规则将已分配实例对应的第二流量转发至已分配实例进行处理。本发明将已分配实例的流量无状态迁移至目标实例,避免流量转移过程中发生中断,节省了实例状态同步的时间开销,改善了因流量中断导致的流量延迟,能够满足时延敏感流量的需求。

    一种流量监测方法、装置、终端及存储介质

    公开(公告)号:CN114389964A

    公开(公告)日:2022-04-22

    申请号:CN202111646803.0

    申请日:2021-12-29

    Abstract: 本发明公开了一种流量监测方法、装置、终端及存储介质,所述方法通过获取预先构建的标准活动键值集合,其中,标准活动键值集合中包括若干标准活动键值,若干标准活动键值分别对应目标系统中不同活动特征的标准流量的聚类集合;获取目标系统中的待检测流量,将待检测流量映射为待检测活动键值;根据标准活动键值集合和待检测活动键值,判断待检测流量是否为异常流量,其中,异常流量为不符合任意一种标准流量的活动特征的流量。本发明通过对系统中的流量进行监测,能够及时发现系统中不符合标准流量的活动特征的异常流量特征,解决了现有技术中物联网通过固件/软件更新来维持网络安全,难以有效降低网络被攻击的风险的问题。

    一种基于机器学习的域内故障检测方法、终端及存储介质

    公开(公告)号:CN112636998B

    公开(公告)日:2022-03-08

    申请号:CN202011330617.1

    申请日:2020-11-24

    Abstract: 本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质,通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率,确定监测节点;获取所述监测节点的监测数据,对所述监测数据进行特征工程,得到被监测的节点和链路的流量特征变化信息;根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见,本发明中在进行域内故障检测时完全不需要使用探测包进行检测,即无需受到探测包频率的影响,并且本发明不会对影响网络性能,也不会造成网络反馈延时,因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。

    包级别网内数据传输方法、系统、存储介质及终端设备

    公开(公告)号:CN113098973A

    公开(公告)日:2021-07-09

    申请号:CN202110395708.1

    申请日:2021-04-13

    Abstract: 本申请公开了一种包级别网内数据传输方法、系统、存储介质及终端设备,所述方法包括当请求数据满足预设条件时,为所述请求数据分配缓存信息,并基于所述缓存信息以及所述请求数据生成第一数据包,并将所述第一数据包发送至网络侧,以使得基于所述缓存信息将所述请求数据存储于网络缓存内,并发送所述第一数据包。本申请当需要发送数据时,源端可以根据确定是否需要将请求数据缓存于网络侧缓存,这样可以消除网络中的冗余流量,提升网络传输效率。同时,为CDN和ISP提供了新的传输机制,能够促进CDN和ISP的合作,降低网络成本实现CDN和ISP双方共赢。

    一种训练深度强化学习模型的方法、装置以及调度方法

    公开(公告)号:CN113033806A

    公开(公告)日:2021-06-25

    申请号:CN202110387715.7

    申请日:2021-04-12

    Abstract: 本申请公开了一种训练深度强化学习模型的方法、装置以及调度方法,所述方法包括采用深度强化学习框架建立若干第一调度模型和第二调度模型;通过若干第一调度模型确定训练样本集;基于训练样本集训练第二调度模型以得到模型参数;基于模型参数更新各第一调度模型中的第一深度强化学习智能体的模型参数,并继续执行通过若干第一调度模型确定训练样本集的步骤,直至第二调度模型满足预设条件以得到深度强化学习模型。本申请通过解耦深度强化学习训练的前向行动和后向学习过程,通过多个独立且同时与环境交互的第一调度模型生成训练样本集,再基于训练样本对第二调度模型进行训练,这样实现了大规模并行训练,提高了深度强化学习模型的训练速度。

    一种自治域内自管理的BGP异常检测方法

    公开(公告)号:CN112737885A

    公开(公告)日:2021-04-30

    申请号:CN202011588909.5

    申请日:2020-12-28

    Abstract: 本发明公开了一种自治域内自管理的BGP异常检测方法,方法包括:获取BGP网络在预设时间段内的更新报文,根据所述更新报文获取目标自治域的目标特征;将所述目标自治域的目标特征输入至已训练的异常检测模型中,获取所述异常检测模型输出的所述目标自治域在所述预设时间段内的异常信息,所述异常信息包括所述目标自治域产生的异常种类;其中,所述异常检测模型是由多组训练数据训练完成的,每组训练数据包括样本自治域的目标特征以及所述样本自治域的异常信息。本发明能够实现在目标自治域内进行异常检测,不需要依赖第三方异常检测系统。

    一种基于机器学习的域内故障检测方法、终端及存储介质

    公开(公告)号:CN112636998A

    公开(公告)日:2021-04-09

    申请号:CN202011330617.1

    申请日:2020-11-24

    Abstract: 本发明公开了一种基于机器学习的域内故障检测方法、终端及存储介质,通过根据网络拓扑中每个节点的度数以及所述每个节点在所述网络拓扑中跳数最小的路径中出现的频率,确定监测节点;获取所述监测节点的监测数据,对所述监测数据进行特征工程,得到被监测的节点和链路的流量特征变化信息;根据预设分类算法以及所述流量特征变化信息确定故障的节点。可见,本发明中在进行域内故障检测时完全不需要使用探测包进行检测,即无需受到探测包频率的影响,并且本发明不会对影响网络性能,也不会造成网络反馈延时,因此解决了现有技术中在进行域内故障检测时难以确定合适的探测包发送频率的问题。

    一种虚拟网络功能实例的流量无状态迁移方法及电子设备

    公开(公告)号:CN112506648A

    公开(公告)日:2021-03-16

    申请号:CN202011310178.8

    申请日:2020-11-20

    Abstract: 本发明公开了一种虚拟网络功能实例的流量无状态迁移方法及电子设备,包括:每隔预设时间获取服务端的已分配实例对应的CPU资源使用信息和已分配实例的负载;当CPU资源使用信息和负载满足预设条件时,在交换机中安装目标规则和临时规则,并删除已分配实例对应的原始规则;通过目标规则将已分配实例对应的第一流量转发至目标实例进行处理,以及通过临时规则将已分配实例对应的第二流量转发至已分配实例进行处理。本发明将已分配实例的流量无状态迁移至目标实例,避免流量转移过程中发生中断,节省了实例状态同步的时间开销,改善了因流量中断导致的流量延迟,能够满足时延敏感流量的需求。

Patent Agency Ranking