基于生成树的域内动态多路径生成方法

    公开(公告)号:CN103532861B

    公开(公告)日:2016-09-21

    申请号:CN201310461708.2

    申请日:2013-09-30

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于生成树的域内动态多路径生成方法,包括:按照优先级结构将根结点加入到创建的优先级队列中;判断优先级队列是否为空,若不空,则选取优先级队列的队首元素,并将其删除;访问队首元素的所有邻居结点,判断各结点是否被访问过,若未被访问过,则更新结点信息,并将更新后的信息添加到优先级队列中,否则,根据设定规则计算根结点到队首元素的下一跳以及根结点到当前邻居结点的下一跳;若访问完所有邻居结点,则返回判断优先级队列是否为空的步骤。当链路状态变化时,该方法动态调节生成的最短路径树并更新下一跳,而不需要重新计算。本发明方法在确保为根结点到所有目的结点计算出多条无环路径的同时降低了算法的复杂度。

    一种基于AS环的域间不相交多路径生成方法

    公开(公告)号:CN103581015A

    公开(公告)日:2014-02-12

    申请号:CN201310551877.5

    申请日:2013-11-07

    Applicant: 清华大学

    Abstract: 一种基于AS环的域间不相交多路径生成方法,每个路由器在执行路径选择的时候,根据两条路径所包含的AS环的信息,来选择两条最不相交的路径并发送给相邻的BGP邻居,并提出了一种不相交路径的度量方法和选择最不相交路径的具体步骤,本发明通过基于AS环的路径组合,因为两条到同一个目的前缀的两条不相交路径可以连接成为一个AS环,所以在路径选择阶段通过尽量选择包含了更优的AS环信息的路径组合,来选择最好的两条路径,从而有助于其他的AS找到两条不相交路径。

    分段路由网络中的流量路由方法、装置、设备及存储介质

    公开(公告)号:CN119922111A

    公开(公告)日:2025-05-02

    申请号:CN202311419435.5

    申请日:2023-10-30

    Applicant: 清华大学

    Abstract: 本申请公开了一种分段路由网络中的流量路由方法、装置、设备及存储介质。该方法包括:获取第一时间段对应的初始流量矩阵及初始流量矩阵对应的初始路由配置策略,初始流量矩阵为在第一时间段内,分段路由网络中的流量需求所形成的流量矩阵;若检测到第二时间段对应的目标流量矩阵与初始流量矩阵之间存在差异,则计算目标流量矩阵在初始路由配置策略下的初始链路利用率;通过路由决策模型基于初始链路利用率从多个路由配置策略中确定目标路由配置策略,目标路由配置策略为最大链路利用率最小的路由配置策略;基于目标路由配置策略对目标流量矩阵进行路由。本申请实施例所提供的方案可以避免分段路由网络中的网络拥塞,实现网络流量的均衡分布。

    面向网络安全异常检测中深度学习模型的解释方法

    公开(公告)号:CN113792776B

    公开(公告)日:2024-09-24

    申请号:CN202111032209.2

    申请日:2021-09-03

    Applicant: 清华大学

    Abstract: 本申请提供了一种面向网络安全异常检测中深度学习模型的解释方法。其中方法包括:建立通用性解释框架,所述通用性解释框架将面向网络安全异常检测中深度学习模型的解释问题转化为多目标优化问题的求解过程;针对不同种类的网络安全任务类型,根据所述通用性解释框架确定与网络安全任务类型对应的解释器算法。本申请的解释方法适用于无监督异常检测,能够有效解释深度模型判定异常的决策依据;能权衡保真性、稳定性、解释性、鲁棒性以及高效性多方面的需求。同时该解释方法具有较强的通用性,可以适用于多种不同的深度学习模型和不同的网络安全场景。

    一种网络异常流量检测方法和装置

    公开(公告)号:CN114866322A

    公开(公告)日:2022-08-05

    申请号:CN202210489603.7

    申请日:2022-05-06

    Applicant: 清华大学

    Abstract: 一种网络异常流量检测方法和装置,所述方法包括:接收待检测的数据包,其中,所述数据包包括流标识符;根据所述数据包的流标识符,在预先设置的数据结构中查找具有相同流标识符的元素,其中,该数据结构包括多个元素;对于查找到的元素,根据该数据包对该元素执行更新操作;如果执行更新操作后的元素符合预设条件,则上报所述元素,以供进行检测网络异常行为。

    一种分段路由网络中考虑故障的流量工程计算方法和装置

    公开(公告)号:CN114205289A

    公开(公告)日:2022-03-18

    申请号:CN202111232419.6

    申请日:2021-10-22

    Applicant: 清华大学

    Abstract: 本申请实施例公开了一种分段路由网络中考虑故障的流量工程计算方法和装置,该方法包括:获取概率性故障模型,根据概率性故障模型计算预设网络状态的发生概率;根据发生概率和预设计算式计算概率阈值;构建数学规划问题;该数学规划问题的目标包括:最小化定义的损失函数的尾部损失值期望;尾部损失值期望指对于每个确定的路由配置,均已知在概率阈值情况下网络最大链路利用率的最大可能值,将大于该最大可能值的最大链路利用率的期望作为尾部损失值期望;数学规划问题的约束包括:所有流量都在网络中被完整路由、路由量为非负数和压缩状态有最大的损失值;求解该数学规划问题,获取路由配置。该实施例方案实现了在发生网络故障时避免网络拥塞。

    实现模型训练的方法、装置、实现节点检测的方法及装置

    公开(公告)号:CN112468487B

    公开(公告)日:2022-03-18

    申请号:CN202011336688.2

    申请日:2020-11-25

    Applicant: 清华大学

    Abstract: 本文公开一种实现模型训练的方法、装置、实现节点检测的方法、装置、计算机存储介质及终端,本发明实施例将良性数据源图作为样本集合训练子模型,训练出第一个子模型之后,根据最新训练的子模型输出的分类结果信息确定错误分类的节点,以错误分类的节点训练新的子模型,直至最新训练出的子模型确定不存在错误分类的节点时结束训练;将训练获得的所有子模型组合为用于异常节点检测的第一组合模型。除第一个子模型外,通过确定出的错误分类的节点训练,使子模型针对错误分类的节点进行行为信息的学习,具备对其学习到的节点类别的检测能力,组合的第一组合模型具备了各子模型学习到的所有类别节点的检测能力,提升了异常节点检测的效率。

    在线反馈的知识蒸馏方法和装置
    40.
    发明公开

    公开(公告)号:CN113780528A

    公开(公告)日:2021-12-10

    申请号:CN202111045792.0

    申请日:2021-09-07

    Applicant: 清华大学

    Abstract: 本申请公开了一种在线反馈的知识蒸馏方法及装置,该方法包括:基于两个状态机设计蒸馏模型,以构成决策系统,其中,第一个状态机表示模型决策结果,第二个状态机关联模型决策结果和专家反馈状态;根据蒸馏模型将在线蒸馏过程分为两个阶段:更新阶段和测试阶段;其中,更新阶段将更新后的专家反馈融入决策系统中,测试阶段将蒸馏模型作为插件和原始模型一起参与决策。本发明不依赖于全新的蒸馏模型进行检测,同时能很好的支持在线反馈和更新蒸馏模型,易于维护和使用,通用性强。基于蒸馏模型,操作人员可以更快的进行模型理解,模型的检测效果也能得到有效提升。

Patent Agency Ranking