-
公开(公告)号：CN113472740B
公开(公告)日：2022-08-05
申请号：CN202110553490.8
申请日：2021-05-20
Applicant: 北京邮电大学
Abstract: 本公开提供一种基于MOAS冲突事件的BGP劫持检测方法、装置、设备及介质，方法包括：获取实时路由数据，并基于所述实时路由数据检测MOAS冲突事件；基于所述MOAS冲突事件的时间戳和观测点得到MOAS矩阵；基于所述MOAS矩阵的行为特征判断所述MOAS冲突事件是否为异常MOAS冲突事件；响应于所述MOAS冲突事件为异常MOAS冲突事件，确定发生BGP前缀劫持。根据本公开，通过MOAS冲突事件中表现出来的行为特征来判断该MOAS冲突事件是否异常，进而检测出BGP前缀劫持的发生。无需依赖第三方认证机制，降低了部署成本。
-
公开(公告)号：CN112261702A
公开(公告)日：2021-01-22
申请号：CN202010989888.1
申请日：2020-09-18
Applicant: 北京邮电大学
Abstract: 本说明书一个或多个实施例提供一种基于位置的无线Mesh网络路由选路方法、装置和电子设备，包括：搭建以路由器为节点的无线Mesh网络，建立存有邻居节点位置信息与时延的邻居列表，基于贪婪转发策略，计算各个邻居节点到目的节点的欧氏距离，选取若干个距离目的节点最近的邻居节点进行路径发现，通过以位置因素为主因素，时延为辅助因素，更新下一跳邻居节点进行数据包转发。本说明书提供的方法、装置和电子设备可有效降低无线链路的距离对发送时延产生的影响，且既可以避免单播转发的风险偶然性，又可以避免广播转发占用太多的带宽，可以提高吞吐量，降低路由开销的同时又能保证网络的可达性。
-
公开(公告)号：CN111147387A
公开(公告)日：2020-05-12
申请号：CN201911316280.6
申请日：2019-12-19
Applicant: 北京邮电大学
IPC: H04L12/801 , H04L12/717 , H04L12/721 , H04L12/725 , H04L12/751 , H04L12/24
Abstract: 本发明提供一种混合SDN网络的流量控制方法及装置，包括：接收数据包请求；所述数据包请求包括源地址和目的地址；获取网络状态信息；获取网络拓扑结构信息；根据所述数据包请求、所述网络状态信息和所述网络拓扑结构信息，确定路由策略；所述路由策略包括路径集合和所述路径集合中各路径的分流比例；根据所述路由策略修改当前流表，得到更新流表；向SDN交换机发送所述更新流表，以使所述SDN交换机按照所述更新流表控制流量。本发明能够根据当前的网络状态更新路由策略，优化网络资源分配，提高网络资源利用率。
-
公开(公告)号：CN111083051A
公开(公告)日：2020-04-28
申请号：CN201911328182.4
申请日：2019-12-20
Applicant: 北京邮电大学
IPC: H04L12/725 , H04L12/721 , H04L12/24
Abstract: 本发明提供了一种基于多智能体的路径规划方法、装置及电子设备，该方法包括：首先计算各个业务服务的第i+1次训练的权重信息，然后经过多个计算过程得到所有业务服务的第i+1次训练的质量综合值；在所有业务服务的前i+1次训练的连续多个质量综合值中至少一个质量综合值小于预设质量综合值时，更新得到各个业务服务第i+1次训练得到的行动网络模型。在所有业务服务的前i+1次训练的连续多个质量综合值均大于或等于预设质量综合值时，采用该第i次训练得到的各个业务服务的行动网络模型，规划各个对应的业务服务的路径。从而可以实现综合考虑多个业务服务的服务质量要求，规划出满足所有业务服务的全局最优路径。
-
公开(公告)号：CN110825946A
公开(公告)日：2020-02-21
申请号：CN201911056200.8
申请日：2019-10-31
Applicant: 北京邮电大学
IPC: G06F16/951 , G06F16/958 , G06Q10/06 , G06Q30/02
Abstract: 本发明实施例提供了一种网站评估方法、装置及电子设备，获取待评估网站多个指标的指标数据；根据多个指标的指标数据，确定待评估网站各指标的指标分数；分别对各指标的指标分数进行消减运算，得到各指标消减后的指标分数；融合各指标消减后的指标分数，得到待评估网站的评估结果。该方法在对消减后的指标分数进行融合时，指标分数越低对于最后融合得到的评估结果的影响越小，实现了对指标分数的动态调整，从而提高了网站评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110795573A
公开(公告)日：2020-02-14
申请号：CN201911063187.9
申请日：2019-10-31
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F16/387 , G06F16/29
Abstract: 本发明实施例提供了一种网页内容的地理位置预测方法及装置，其中方法包括：获取待处理网页内容中的多个第一地理实体和多个第一关键词，生成地理实体集合和关键词集合，再将地理实体集合中的第一地理实体在知识图谱中匹配到的第二地理实体确定为候选地理实体，接着在知识图谱中查找目标关键词，并确定目标关键词与该候选地理实体间对应关系的权重，然后计算候选地理实体的重要程度值，对候选地理实体进行过滤，得到过滤后的候选地理实体，将过滤后得到的候选地理实体确定为待处理网页内容的地理位置预测结果。
-
公开(公告)号：CN119814685A
公开(公告)日：2025-04-11
申请号：CN202411841110.0
申请日：2024-12-13
Applicant: 北京邮电大学
IPC: H04L47/762 , H04L47/62 , H04L47/6275 , H04L47/33
Abstract: 本申请提供一种面向工业互联网的网络切片资源分配方法及相关设备。包括：设计基于SDN的网络切片资源分配管控架构，包括控制平面和数据平面；控制平面中分别为每个交换机节点部署智能体，每个交换机节点处分别具有IT切片队列和OT切片队列；设计路径规划和网络切片资源分配算法；将联合路径规划和网络切片资源分配建模为多智能体马尔可夫决策过程；定义状态空间以及动作空间；设计奖励函数；构建并训练多智能体深度强化学习模型；将基于SDN的网络切片资源分配管控架构中收集的网络全局视图与各切片的需求信息输入训练所得的深度强化学习智能体，输出流量转发路径和网络切片资源分配方案。能够最大限度地提高网络对流量的可承载数量。
-
公开(公告)号：CN119577483A
公开(公告)日：2025-03-07
申请号：CN202411560325.5
申请日：2024-11-04
Applicant: 北京邮电大学
IPC: G06F18/23 , G06F18/10 , G06F18/213 , G06N20/00 , G06F18/20
Abstract: 基于半监督聚类算法的自治系统组织机构映射方法及装置，该方法从预设维度对自治系统的原始数据信息进行提取，对所述原始数据信息进行预处理，将预处理后的所述原始数据信息整合生成自治系统基本特征矩阵和自治系统关键特征约束矩阵；根据SC‑MP I算法，将所述自治系统基本特征矩阵和所述自治系统关键特征约束矩阵进行多轮迭代聚类，通过二分逼近的方式确定聚类的类簇数量，得到多个类簇；根据每个所述类簇中自治系统的特征众数，确定所述类簇的组织机构名称与代号，获得最终的自治系统‑组织机构映射关系。本发明确保数据维度足够广泛；能够较为轻松地将模型部署至稳定的生产环境，无需对数据进行过多人工干预；提高了聚类映射过程的灵活性。
-
公开(公告)号：CN119250224A
公开(公告)日：2025-01-03
申请号：CN202411081224.X
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06N20/00 , G06F18/214 , G06F18/23 , G06F18/22 , G06F17/16
Abstract: 本申请提供一种基于信息增益的异步联邦学习方法及相关设备；方法包括：接收客户端的模型梯度，确定模型梯度与各分组中心之间的特征相似性，将模型梯度划分至最高特征相似性对应的分组，重新确定该分组的分组中心并调整分组；计算各模型梯度的信息总量、新鲜度和有效性，以此计算该模型梯度的信息增益，去除信息增益小于预设增益阈值的模型梯度，根据模型梯度的信息增益确定该分组的信息增益率；当分组的信息增益率大于预设的增益率阈值，根据该分组模型梯度的陈旧度均值来更新学习率，通过聚合各模型梯度得到聚合梯度，利用聚合梯度、学习率和分组权重，对全局模型执行梯度下降算法来完成本轮全局训练，得到全局模型，并下发至客户端。
-
公开(公告)号：CN118569387A
公开(公告)日：2024-08-30
申请号：CN202410673518.5
申请日：2024-05-28
Applicant: 北京邮电大学
IPC: G06N5/04 , G06N3/042 , G06N3/0895 , G06N3/0464 , G06N3/045
Abstract: 本申请提供一种基于图神经网络的AS关系推断方法、装置及相关设备。方法包括：对采集的路由表报文转换为边界网关协议的图结构数据；确定AS组织映射数据集，据其对图结构数据中的节点添加组织信息，并对添加组织信息后的图结构数据中的部分边预先增加边标签得到边界网关图；对边界网关图提取节点特征，确定相应的原始图，利用多维图卷积网络模型对原始图提取网络拓扑信息，将节点特征和网络拓扑信息融合得到融合结果；确定边界网关图中带有边标签和不带边标签的不均衡标签，并基于不均衡标签和融合结果利用半监督学习策略对多维图卷积网络模型进行训练，利用训练后的多维图卷积网络模型输出与边界网关图对应的边类别，根据边类别确定AS关系。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.084 seconds)
