-
公开(公告)号:CN112232527A
公开(公告)日:2021-01-15
申请号:CN202010996487.9
申请日:2020-09-21
Applicant: 北京邮电大学
IPC: G06N20/20
Abstract: 本说明书一个或多个实施例提供一种安全的分布式联邦深度学习方法,以保护联邦深度学习过程中的参与方的原始数据,同时避免学习模型的参数泄露参与方的原始数据。各个参与方经过身份认证后加入超级账本,由一个节点给出初始模型和初始参数;根据智能合约将参与方划分为聚合节点和普通节点;普通节点接收到模型后进行训练并将训练结果进行加密并传送至聚合节点,聚合节点接收到加密模型后执行聚合操作并将结果传送至普通节点,普通节点接收到聚合结果后将其解密并进行训练;普通节点将聚合结果解密后需验证模型效果,并通过智能合约投票是否终止学习。本发明提出的方法不假设存在半诚实的“中央服务器”,提高了算法的安全性,且更贴近实际场景。
-
公开(公告)号:CN111083051B
公开(公告)日:2020-12-25
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:CN111314285A
公开(公告)日:2020-06-19
申请号:CN201911312280.9
申请日:2019-12-18
Applicant: 北京邮电大学
IPC: H04L29/06 , H04L12/715
Abstract: 本申请实施例提供了一种路由前缀攻击检测方法及装置,该方法包括:接收域间路由监测点发送的路由更新消息;获取路由更新消息中携带的待监测IP地址前缀、待监测源自治域;当预设知识库中存在目标IP地址前缀时,从预设知识库中获取与目标IP地址前缀具有映射关系的源自治域,得到源自治域数据集;当源自治域数据集中记录有待监测源自治域时,确定未发生路由前缀攻击;当源自治域数据集中未记录有待监测源自治域时,确定发生了路由前缀攻击。由于预设知识库中存储了多个未遭受过路由前缀攻击的数据库中的源自治域与该源自治域的IP地址前缀的映射关系,因此通过预设知识库来判断是否存在路由前缀攻击,提高了检测路由前缀攻击的准确度。
-
公开(公告)号:CN102938735B
公开(公告)日:2016-02-10
申请号:CN201210459304.5
申请日:2012-11-15
Applicant: 北京邮电大学
IPC: H04L12/741 , H04L29/12
Abstract: 一种使用路由通告携带选项下发IPv6地址向IPv4地址转换NAT64地址前缀的方法,包括下列操作步骤:(1)将路由通告设置为携带设定的网络地址转换NAT数据选项,(2)下发网络配置信息,(3)查询地址,(4)合成地址,(5)发起会话,(6)建立会话。本发明利用IPv6的固有技术——网间控制报文协议里的邻居发现协议内路由通告的发送,以及所有IPv6子网内都具备的相应装置;利用路由通告下发前缀,再在本地合成AAAA类地址,这样就降低了用户主机对于网络服务能力的需求,不再必须依赖DHCPv6等技术复杂、网络服务能力要求较高的协议才能够支持用户主机对外网资源的访问。而且,本发明方法的操作步骤非常简单、方便,实现容易,具有很好的推广应用前景。
-
公开(公告)号:CN104717142A
公开(公告)日:2015-06-17
申请号:CN201510069728.4
申请日:2015-02-10
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/757 , H04L12/46 , H04L29/12
Abstract: 本发明公开了一种基于OpenFlow协议进行移动性管理的方法,包括:步骤1)控制器Controller维护一记录有具有AP功能的多个OpenFlow交换机与其连接在每个网关的端口号的对应关系表;步骤2)接收具有AP功能的第一OpenFlow交换机传递的包含移动节点MN的标识信息、移动节点MN附着的第一OpenFlow交换机的上报信息,所述移动节点MN的标识信息为移动节点的MAC地址和/或IP地址;步骤3)根据所述上报信息检查所述对应关系表,并基于所述移动节点MN的标识信息、移动节点MN附着的第一OpenFlow交换机的上报信息的查询结果以执行不同的路由行为。
-
公开(公告)号:CN104579837A
公开(公告)日:2015-04-29
申请号:CN201510004799.6
申请日:2015-01-05
Applicant: 北京邮电大学
IPC: H04L12/26
Abstract: 本发明公开了一种对OpenFlow协议进行一致性测试的系统和方法,包括:抽象测试套模块,包括:测试执行单元,用于将要发送的OpenFlow协议的测试数据发送给编解码模块;所述测试数据为抽象测试套模块指定的用于和被测系统之间的通信的OpenFlow协议数据;编解码器模块,用于对测试数据进行编码;适配器模块,包括数据发送单元,用于接收上述经过编码后的测试数据,并发送给被测系统的端口;其中,若接收的反馈消息数据为空或定时器单元超时则判定结果失败,若反馈消息的数据包正确则关闭定时器单元,并判断是否需要继续发送数据或者判定结果通过。
-
公开(公告)号:CN102420701B
公开(公告)日:2014-03-19
申请号:CN201110383667.0
申请日:2011-11-28
Applicant: 北京邮电大学
Abstract: 一种互联网业务流特征的提取方法,是先设置分布式多个流量采集器,用于获取、选择和提纯原始数据样本,再上传并存储于流量数据服务器;流量特征提取器在已经获得的纯净数据基础上,提取或生成网络业务流量特征,并建立业务流特征库,以便管理和维护业务流特征;流量特征提取器还要选择适宜的业务流特征,以辅助研究人员或网络管理者进一步分析,并提供给DPI设备利用。该方法在待分析数据集和标准数据集的生成与提纯方法和特征库的维护方法都有创新改进,且操作简单、容易,既能有效维护和动态优化选择多个应用程序的业务流特征,还可反映不同业务流特征之间的包容关系和表述多个特征在同一业务流中的特征序列特点,具有很好的推广应用前景。
-
公开(公告)号:CN119906653A
公开(公告)日:2025-04-29
申请号:CN202411882430.0
申请日:2024-12-19
Applicant: 北京邮电大学
IPC: H04L43/0811 , H04L41/14 , H04L41/16 , H04L9/40
Abstract: 本申请提供一种区域网络边界、装置、电子设备及存储介质,包括:确定目标区域和目标区域内的自治系统,对目标区域内的自治系统进行筛选,确定目标自治系统集合;根据所述目标自治系统集合对路由报文收集器进行数据采集,确定区域网络连接关系数据集和区域网络前缀路径数据集;根据所述目标自治系统集合对路由报文收集器进行数据采集,确定路由更新转储文件,根据所述路由更新转储文件、所述区域网络连接关系数据集和所述区域网络前缀路径数据集,确定对等体数量时间序列;将所述对等体数量时间序列输入预先训练的异常检测模型,确定中断检测结果。
-
公开(公告)号:CN119728518A
公开(公告)日:2025-03-28
申请号:CN202411567887.2
申请日:2024-11-05
Applicant: 北京邮电大学
IPC: H04L45/00 , H04L45/76 , G06N3/0464 , G06N3/045 , G06N3/092 , G06F18/213
Abstract: 本发明公开了一种基于多层掩码注意力机制的网络重路由方法,所述方法包括:将网络当前的网络拓扑信息和网络流量信息输入到预先训练的由多层掩码自注意力机制和Actor‑Critic演员评论家网络结合得到的神经网络模型;所述神经网络模型从所述网络流量信息中选择出关键流量信息;基于由关键流量信息确定出的关键流量的传输路径进行网络重路由;其中,所述掩码自注意力机制的掩码矩阵是根据所述网络拓扑信息确定的。应用本发明可以选择出对整个网络更具影响力的关键流量,通过对这些关键流量的重路由使其能更有效地响应网络状态的快速变化。
-
公开(公告)号:CN116248607B
公开(公告)日:2024-11-19
申请号:CN202310082787.X
申请日:2023-01-19
Applicant: 北京邮电大学
Abstract: 本申请提供一种自适应带宽的模型压缩方法及电子设备。该方法基于联邦学习框架实现,包括接收服务器发送的初始化模型,并根据初始化模型,得到目标模型,获取带宽数据,并对带宽数据进行预测,根据预测结果,得到第一哈希矩阵,将所述目标模型压缩至所述第一哈希矩阵,以得到第二哈希矩阵;所述第二哈希矩阵用于被返回至所述服务器以使所述服务器聚合得到压缩后的目标模型。本申请在保证隐私的情况下提高联邦学习中的通信效率。
-
-
-
-
-
-
-
-
-