-
公开(公告)号：CN114844787A
公开(公告)日：2022-08-02
申请号：CN202210375290.2
申请日：2022-04-11
Applicant: 电子科技大学
IPC: H04L41/14 , H04L41/0803
Abstract: 本发明公开了一种支持灵活高效动态实验的网络模拟系统，属于网络通信技术领域。本发明基于容器、veth‑pair、tc等技术对网络进行模拟，以及设置的基于键值对的网络状态管理模型，从而构建了一种支持灵活高效动态实验的网络模拟系统。该系统灵活地实现了多种维度的动态性，即节点动态启停、节点属性动态配置、链路动态启停、链路属性动态配置。本发明基于网络状态管理模型，向上提供了简洁统一的动态性API接口，研究人员可在模拟网络部署后的任意时刻在自己的网络创新程序中调用API接口，从而实现高效批量、可编程的动态性管理。本发明极大地方便了研究人员在网络动态性场景下的实验工作，为网络创新注入了新的动力。
-
公开(公告)号：CN114064499A
公开(公告)日：2022-02-18
申请号：CN202111393163.7
申请日：2021-11-23
Applicant: 电子科技大学
Abstract: 本发明提供了一种黑盒模糊测试方法、系统、电子设备及存储介质，属于黑盒模糊测试技术领域，该方法包括：获取神经网络模型和与其匹配的数据集；搭建智能计算框架；将神经网络模型作为初始种子放入种子模型中，并将其与匹配的数据集一并作为初始测试用例；通过层变异、权重变异和API变异三种模型变异方法生成变异的神经网络模型，并将变异的神经网络模型结合匹配的数据集形成测试用例；启动智能计算框架，将测试用例中的变异的神经网络模型和数据集进行加载，使加载完的变异的神经网络模型在数据集上进行计算；对智能计算框架的运行结果以及执行过程的输出进行分析。本发明能够更全面的覆盖神经网络模型的可变异范围，实现高效的模型生成。
-
公开(公告)号：CN111131080B
公开(公告)日：2021-09-07
申请号：CN201911363582.9
申请日：2019-12-26
Applicant: 电子科技大学
IPC: H04L12/861 , H04L12/935 , H04L12/865 , H04L12/24 , G06F9/50
Abstract: 本发明公开了一种分布式深度学习流调度方法、系统、设备，涉及计算机技术领域。分布式深度学习流调度设备能够部署分布式深度学习流调度系统，并采用分布式深度学习流调度方法实现流调度。本发明方法从DDL训练的流特点出发，提出采用高精度改善优先的调度方式，对DDL训练任务进行数据流调度。本发明对DDL训练任务进行优先级划分，并周期性的更新DDL训练任务的优先级。其中通过DDL训练任务的历史数据预测该任务未来一个调度周期的精度改善情况，并以此进行排序进而确定DDL训练任务的优先级。同时，本发明考虑了网络优先级有限的情况，并通过全局优先级映射为本地优先级的方式，实现了少量优先级模拟无限优先级的可能。
-
公开(公告)号：CN111510381B
公开(公告)日：2021-02-26
申请号：CN202010325982.7
申请日：2020-04-23
Applicant: 电子科技大学
IPC: H04L12/715 , H04L12/751 , H04L12/725 , G06K9/62 , G06N3/08 , G06F17/16
Abstract: 本发明公开了一种多域网络环境中基于强化学习的服务功能链部署方法，根据网络中的服务器所处的网络环境及服务器所需解决的现实问题，将网络设定为具有子域隐私保护能力的多域网络，方便多服务提供商合作组网，也符合大型多域网络的使用情景；基于强化学习的递归迭代算法对网络路径按顶层网络和子域网络分层训练，解决了现有技术伴有的多域网络中部署服务功能链时运算时间长、资源消耗大的问题，且不受网络规模限制，不受服务器性能限制；通过能耗的量化和最低耗能方案的寻优，使得服务功能链部署的总利润比传统启发式算法更高。
-
公开(公告)号：CN107483286B
公开(公告)日：2021-01-26
申请号：CN201710691508.4
申请日：2017-08-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于云‑雾环境下合并和部署服务功能链的方法，在已知云计算和雾计算的结合底层网络和服务功能链请求、用户的位置和服务终端的位置前提条件下，有效合并和部署服务功能链请求；具体讲，在合并服务功能链请求时，将服务功能链请求根据是否是同构服务功能链进行分类，然后合并同构的服务功能链请求；在部署服务功能链请求时，考虑每个服务功能链请求中每个虚拟网络功能和链路连接情况和满足相关约束条件，以消耗最少的服务器资源、带宽资源和减小服务功能链请求的阻塞率为目标，将服务功能链请求进行部署。
-
Patent Agency Ranking
公开(公告)号：CN110167059B
公开(公告)日：2020-07-21
申请号：CN201910428869.9
申请日：2019-05-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种边缘计算场景下基站业务量预测方法。本发明使用历史周期的统计信息，综合了用户在移动网络中的移动轨迹，通过结合用户移动轨迹的预测，来达到提高业务量预测精度的目的。同时本发明采用了强化学习方法，不需要过多的人工干预，根据预测的反馈，动态调整预测的参数，具有自适应的优点。
-
公开(公告)号：CN108718334B
公开(公告)日：2020-06-26
申请号：CN201810448135.2
申请日：2018-05-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于车联网群体感知的网络感知数据安全上传方法，先部署车联网群体感知系统，再对车联网群体感知系统进行初始化，最后完成基于雾的网络感知数据安全上传；在具体的上传过程中，先下发车辆群体感知任务，私家车辆再收集感知数据，然后选择合适上传感知数据的公交雾并生成接入申请接入到该公交雾上，公交雾便开始接入批量验证及顺序号下发，验证完成后对感知数据进行加密，公交雾最后对参与私家车辆上传的感知数据进行收集及融合，再上传给高层的雾节点。
-
公开(公告)号：CN110120923B
公开(公告)日：2020-05-19
申请号：CN201910394863.4
申请日：2019-05-13
Applicant: 电子科技大学
IPC: H04L12/935 , H04L12/947 , G06F16/22
Abstract: 本发明公开了一种基于Hash‑Trie的流规则冲突检测方法，充分考虑了流规则的生命周期，作用于流规则的下发阶段，通过在控制器和交换机之间部署中间层，拦截控制器和交换机之间交互报文来获取流规则，在不对控制器进行任何改动的情况下完成流规则的冲突检测；对流规则进行建模，利用优先级、匹配域和动作域来表达流规则，把匹配域字段拆分为精确匹配字段和范围匹配字段，为了加快流规则的匹配过程，通过引入Hash表和Trie树重构流规则的存储结构，大大缩短流规则冲突检测的时间。
-
公开(公告)号：CN111131080A
公开(公告)日：2020-05-08
申请号：CN201911363582.9
申请日：2019-12-26
Applicant: 电子科技大学
IPC: H04L12/861 , H04L12/935 , H04L12/865 , H04L12/24 , G06F9/50
Abstract: 本发明公开了一种分布式深度学习流调度方法、系统、设备，涉及计算机技术领域。分布式深度学习流调度设备能够部署分布式深度学习流调度系统，并采用分布式深度学习流调度方法实现流调度。本发明方法从DDL训练的流特点出发，提出采用高精度改善优先的调度方式，对DDL训练任务进行数据流调度。本发明对DDL训练任务进行优先级划分，并周期性的更新DDL训练任务的优先级。其中通过DDL训练任务的历史数据预测该任务未来一个调度周期的精度改善情况，并以此进行排序进而确定DDL训练任务的优先级。同时，本发明考虑了网络优先级有限的情况，并通过全局优先级映射为本地优先级的方式，实现了少量优先级模拟无限优先级的可能。
-
公开(公告)号：CN108737261B
公开(公告)日：2020-03-17
申请号：CN201810442401.0
申请日：2018-05-10
Applicant: 电子科技大学
IPC: H04L12/705 , H04L12/707 , H04L12/751 , H04L12/911 , H04L12/24
Abstract: 本发明公开了一种两阶段的虚拟网络功能转发图设计方法，同时考虑到网络服务请求中的部分VNF之间存在依赖关系，且不同VNF工作特性引起的流量改变率存在差异，将VNF‑FG设计分为两个阶段。第一阶段设计单条SFC结构，最小化逻辑链路带宽总消耗；第二阶段整合多条SFC，减少VNF节点数目。在映射工作中，每个逻辑链路需要映射到一条或多条底层物理链路上，并分配带宽资源；VNF节点需要映射到底层物理服务器上，并且每个VNF节点需要运行在实例化的虚拟机中。因此在VNF‑FG设计中尽量减少链路带宽消耗以及VNF节点数目，可以在后续映射过程中减少链路映射成本和虚拟机实例化的成本。
-
-
-
-
-
-
-
-
-
Search Results
232
records
(took 0.032 seconds)
