空天地网络中的计算任务卸载方法、装置和电子设备

    公开(公告)号:CN114884957B

    公开(公告)日:2022-09-23

    申请号:CN202210811924.4

    申请日:2022-07-12

    Abstract: 本发明提供了一种空天地网络中的计算任务卸载方法、装置和电子设备,涉及通信的技术领域,包括:获取空天地网络中计算任务的多时隙问题模型、所有地面用户在每个时隙的通信状态信息和每个时隙下浮空平台的位置信息;多时隙问题模型的目标为最大化计算任务的速率和;将多时隙问题模型转化为单时隙问题模型,利用目标神经网络模型求解每个地面用户在目标时隙的计算任务卸载比例和选定的浮空平台信息;求解目标地面用户在目标时隙的发射功率、CPU周期频率和收集的能量,从而确定出计算任务的卸载策略。该方法能够有效的对抗时变信道增益、随机任务到达和动态浮空平台变换,确保计算任务的速率和最大化,提升空天地网络中的资源利用率。

    时间敏感流的调度方法、装置和电子设备

    公开(公告)号:CN114785738B

    公开(公告)日:2022-09-20

    申请号:CN202210677447.7

    申请日:2022-06-16

    Abstract: 本发明提供了一种时间敏感流的调度方法、装置和电子设备,涉及通信的技术领域,包括:获取待调度的时间敏感流集合和目标网络的网络拓扑信息;基于时间敏感流集合和网络拓扑信息,确定目标时间敏感流集合和目标时间敏感流集合对应的目标时隙队列映射关系;基于目标时隙队列映射关系对目标时间敏感流集合中的目标时间敏感流进行调度。本发明方法在从待调度的时间敏感流集合中确定目标时间敏感流时,将时间敏感流的路由代价和交换机端口队列的可用资源情况共同作为可调度条件进行综合考量,从而使得目标网络在调度时间敏感流时能够最大化的利用其网络资源,进而有效地缓解了现有的时间敏感流的调度方法存在的网络负载不均衡的技术问题。

    一种细粒度网络态势感知与源路由智能优化方法与装置

    公开(公告)号:CN115037667A

    公开(公告)日:2022-09-09

    申请号:CN202210953069.0

    申请日:2022-08-10

    Abstract: 本发明提供了一种细粒度网络态势感知与源路由智能优化方法与装置,涉及通信的技术领域,包括:获取目标网络内所有网络设备的状态信息和待传送数据包的属性信息,利用深度强化学习算法对状态信息和属性信息进行处理,得到待传送数据包的路由路径。深度强化学习算法中,每条可选路由路径的奖励为可选路由路径上每个网络设备的奖励之和,且每个网络设备的奖励为网络设备的节点时延与目标网络的最大链路利用率的加权和的相反数,因此,本发明方法可以在最小化最大链路利用率和路径时延的情况下,计算出最优路由路径,从而不会导致大量数据流堆积在同一路径,避免出现网络拥塞的问题,保证了数据包传输的及时性,进而提升了整体网络传输性能。

    空天地网络中的计算任务卸载方法、装置和电子设备

    公开(公告)号:CN114884957A

    公开(公告)日:2022-08-09

    申请号:CN202210811924.4

    申请日:2022-07-12

    Abstract: 本发明提供了一种空天地网络中的计算任务卸载方法、装置和电子设备,涉及通信的技术领域,包括:获取空天地网络中计算任务的多时隙问题模型、所有地面用户在每个时隙的通信状态信息和每个时隙下浮空平台的位置信息;多时隙问题模型的目标为最大化计算任务的速率和;将多时隙问题模型转化为单时隙问题模型,利用目标神经网络模型求解每个地面用户在目标时隙的计算任务卸载比例和选定的浮空平台信息;求解目标地面用户在目标时隙的发射功率、CPU周期频率和收集的能量,从而确定出计算任务的卸载策略。该方法能够有效的对抗时变信道增益、随机任务到达和动态浮空平台变换,确保计算任务的速率和最大化,提升空天地网络中的资源利用率。

    基于时间卷积网络的匿名网络流量指纹识别方法及设备

    公开(公告)号:CN112910890B

    公开(公告)日:2022-05-10

    申请号:CN202110129289.7

    申请日:2021-01-29

    Abstract: 本说明书一个或多个实施例提供基于时间卷积网络的匿名网络流量指纹识别方法及设备,包括:获取目标用户访问的匿名网络的流量数据包;对流量数据包进行解析,生成流量数据包的基本单元层的方向序列、基本单元层的时间序列、方向序列的累积特征序列和时间序列的累积特征序列;将基本单元层的方向序列和方向序列的累积特征序列相结合,将基本单元层的时间序列和时间序列的累积特征序列相结合,并将结合后的序列分别输入预先构建的匿名网络流量指纹识别模型中的不同时间卷积网络中,输出目标用户访问的匿名网络的类别。本发明充分利用匿名网络的流量数据的方向序列和时间序列,提高了识别匿名网络流量指纹的准确性。

    一种新型缩短极化码方法及系统

    公开(公告)号:CN113572577B

    公开(公告)日:2022-04-26

    申请号:CN202110856469.5

    申请日:2021-07-28

    Abstract: 本发明涉及一种新型缩短极化码方法及系统。该方法包括根据极化码中每一分裂子信道的错误率确定相应分裂子信道的错误概率;并确定极化码错误概率集合;将极化码进行比特翻转运算;对比特翻转运算后的极化码进行分组;并将分组后的极化码确定辅助矩阵;根据辅助矩阵确定的缩短位集合和极化码错误概率集合确定冻结位集合;根据缩短位集合、信息位集合、缩短极化码的码长和冻结位集合进行极化码的缩短模式,确定缩短极化码;利用缩短极化码对光纤信道中传输的信息进行编码;译码时,将缩短极化码的码字位对应的LLR值确定为正无穷大,并利用极化码的译码器进行译码。本发明能够降低缩短极化码的误码率,提高兼容性,进而提高系统的稳定性。

    邻区关系确定方法和装置
    48.
    发明授权

    公开(公告)号:CN114125905B

    公开(公告)日:2022-04-15

    申请号:CN202210082856.2

    申请日:2022-01-25

    Abstract: 本发明提供了一种邻区关系确定方法和装置,涉及通信的技术领域,包括:获取待处理小区对中每个小区的工参信息;基于工参信息,确定待处理小区对的目标数据特征;利用预设联合神经网络模型对目标数据特征进行处理,得到待处理小区对的邻区关系;本发明提供的邻区关系确定方法是一种基于深度神经网络学习实现邻区关系预测的方案,相比传统人工配置方式,能够节约大量劳动力成本,同时由于联合神经网络模型中每个独立神经网络模型的层级结构、训练阶段所使用的训练数据和激活函数区间各不相同,所以保证了网络间的独立性、非线性和随机性,进而降低了联合神经网络模型中的多个神经网络在同一样本点误判的风险,达到提升邻区关系预测准确率的效果。

    一种捕获隐藏服务流量的方法和系统

    公开(公告)号:CN114157713A

    公开(公告)日:2022-03-08

    申请号:CN202111175928.X

    申请日:2021-10-09

    Abstract: 本发明公开了一种捕获隐藏服务流量的方法和系统,所述方法包括:部署在匿名网络中的代理隐藏服务站接收到客户端发送的隐藏服务的请求后,将所述请求向目标隐藏服务站转发;其中,所述隐藏服务的入口节点设置为部署于所述匿名网络中的受控入口节点;所述代理隐藏服务站将所述目标隐藏服务站返回的信息转发至所述客户端后,所述受控入口节点捕获所述目标隐藏服务站的流量。应用本发明可以较低的金钱成本和较低的时间成本,有效捕获各种隐藏服务的流量模式,具有较好的可行性和实用性。

Patent Agency Ranking