-
公开(公告)号：CN115348215A
公开(公告)日：2022-11-15
申请号：CN202210876800.4
申请日：2022-07-25
Applicant: 南京信息工程大学
IPC: H04L47/2441 , H04L47/2483 , H04L69/22 , G06K9/62
Abstract: 本发明公开了一种基于时空注意力机制的加密网络流量分类方法，包括如下步骤：步骤1，解析报文，获取网络流量数据X，并进行归一化处理；步骤2，将归一化处理后的网络流量数据输入到空间特征提取组件SAtt，提取网络流量的空间特征Zs；步骤3，将归一化处理后的网络流量数据输入到时间特征提取组件TAtt，提取网络流量的时间特征Zt；步骤4，将空间特征Zs和时间特征Zt进行重构，得到网络流量特征Z。本发明利用空间特征提取组件SAtt和时间特征提取组件TAtt分别提取空间特征和时间特征，对网络流量分类效果明显提高，在不同类别的流量下均有不错的分类表现，且算法收敛速度较快。
-
公开(公告)号：CN114710410B
公开(公告)日：2022-08-26
申请号：CN202210634436.0
申请日：2022-06-07
IPC: H04L41/0823 , H04L41/083 , H04L41/0833 , H04W24/02 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于深度强化学习的网络数据采集效率优化方法及系统，优化方法包括：通过分析网络特征状态数据信息，建立动态多服务台队列模型和异质特征数据信息年龄模型；定义优化前后不同特征数据的信息年龄、服务器接收队列长度以及路由效果为损失函数，建立问题约束模型，通过深度强化学习求解不同特征数据更新频率间隔，改善不同特征状态数据的更新频率对路由性能的影响。网络终端采集特征状态数据并送达控制器的过程满足负指数分布，能够计算服务器接收不同类型特征数据的最佳更新频率，结果表明该优化方法能够有效提升系统时效性和路由选取有效性；能够有效应对车际移动自组网信息时效性差、队列资源受限等问题。
-
公开(公告)号：CN112769619B
公开(公告)日：2022-08-16
申请号：CN202110021897.6
申请日：2021-01-08
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/14 , H04L41/147 , G06N20/00 , G06K9/62
Abstract: 本发明提供一种基于决策树的多分类网络故障预测方法，通过对预设数据集内各个样本所对应的网络状态类型，构建与各个网络状态类型一一对应的各个大类，分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类，根据一小类和非一小类的类中心确定各个大类的类间距，并按照类间距从大到小的顺序，调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习，获得各个网络状态类型所对应的网络分类模型，根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型，构建多分类网络故障决策树模型。
-
公开(公告)号：CN114666230B
公开(公告)日：2022-08-12
申请号：CN202210568365.9
申请日：2022-05-24
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/142 , H04L41/14
Abstract: 本发明公开了一种基于修正因子的网络流量灰色预测方法，基于构建好的网络拓扑结构和它的原始流量序列，对原始流量序列进行归一化，构造并初始化修正因子的缓冲算子函数，对归一化流量序列中的每个元素施加缓冲算子函数，获得预处理流量序列，之后对预处理流量序列实施灰色预测，得到当前流量预测序列，计算归一化流量序列与预测流量序列的均方误差，对修正因子的值进行迭代更新，获得最优修正因子以及该修正因子对应的预测流量序列，对预测流量序列进行反归一化，得到最终预测流量序列，本发明提出的一种基于修正因子的网络流量灰色预测方法，在保证流量预测算法复杂度较低的前提下，实现对复杂网络流量的高精度预测。
-
公开(公告)号：CN114004052B
公开(公告)日：2022-04-01
申请号：CN202210000687.3
申请日：2022-01-04
Applicant: 南京信息工程大学
IPC: G06F30/18 , G06F30/27 , G06K9/62 , G06N20/00 , G06F111/02
Abstract: 本发明公开了一种面向网络管理系统的故障检测方法，包括以下步骤：步骤1、获取原始不均衡网络故障数据集NF，对NF进行压缩和过滤操作，得到处理后数据集NF＇，NF＇包括样本，样本包括两种类型样本，两种类型样本是指非故障样本和故障样本；步骤2、获取不均衡比例I，所述不均衡比例I=非故障样本的数目/故障样本的数目；步骤3、预先设置一个采样后的两种类型样本数目的比例,根据获取新合成故障数据样本的数目N；步骤4、构建新合成故障数据样本的空间分布分配规则；步骤5、构建新合成故障数据样本的合成规则；步骤6、建立XGB‑RF网络故障检测模型。本发明有效提高了网络故障检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114244711A
公开(公告)日：2022-03-25
申请号：CN202210170591.1
申请日：2022-02-24
Applicant: 南京信息工程大学
IPC: H04L41/0823 , H04L67/06
Abstract: 本发明公开了基于平均队列长度及其变化率的自适应主动队列管理方法，具体为：1、等待新分组数据；2、新分组数据到达路由器缓冲区，根据当前时刻t时路由器缓冲区的平均队列长度变化率和平均队列长度判断是否将该新分组数据中的全部数据直接丢弃；如果是，则重新等待新数据到达，再次执行步骤2，否则转步骤3；3、新分组数据进入至缓冲区后，时间单位为t+1，更新t+1时平均队列长度和平均队列长度变化率；4、更新t+1时路由器缓冲区的中间阈值；5、计算丢弃概率；6、根据丢弃概率对新分组数据进行丢弃，剩余数据从路由器缓冲区中出队，再次等待新数据到达，并转步骤2。本发明流程简单，可操作性强，应用范围广。
-
公开(公告)号：CN113904103A
公开(公告)日：2022-01-07
申请号：CN202111049761.2
申请日：2021-09-08
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种双频段双模式纽扣天线，属于可穿戴天线的设计与应用领域。该天线包括上下两块介质基板，通过硬质同轴线连接支撑；所述下层基板采用方形的柔性毛毡材料，毛毡背面为完整的金属贴片，所述上层基板采用FR4材料，上层基板正面为方形金属辐射贴片，所述方形金属辐射贴片上有切角，且方形金属辐射贴片上开了不对称的U型槽，从方形金属辐射贴片四边引出四根金属枝节，延伸到上层基板的边缘并弯曲，上层基板背面为略小于基板的圆形金属贴片，在圆形金属贴片上挖去一圆孔，以便连接馈电电缆向正面的辐射贴片馈电。本发明在不同频段呈现不同辐射模式，并且在定向模式下实现了圆极化效果。
-
公开(公告)号：CN112769619A
公开(公告)日：2021-05-07
申请号：CN202110021897.6
申请日：2021-01-08
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于决策树的多分类网络故障预测方法，通过对预设数据集内各个样本所对应的网络状态类型，构建与各个网络状态类型一一对应的各个大类，分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类，根据一小类和非一小类的类中心确定各个大类的类间距，并按照类间距从大到小的顺序，调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习，获得各个网络状态类型所对应的网络分类模型，根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型，构建多分类网络故障决策树模型。
-
公开(公告)号：CN112232604A
公开(公告)日：2021-01-15
申请号：CN202011426660.8
申请日：2020-12-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Prophet模型提取网络流量的预测方法，针对网络流量的多分形特性，通过Prophet模型的可分解方法，对附加分量 建立Prophet模型预测，对非线性分量 建立卷积神经网络和基于注意力机制的长短期记忆网络模型预测，实现粗细粒度特征提取的融合，并给重要的特征分配更多的权重以提高其对结果的影响，在预测精度和预测速度上效果显著提升。本发明的网络流量的预测方法相较传统的流量预测方法具有明显的有效性和先进性。
-
公开(公告)号：CN119232171B
公开(公告)日：2025-04-25
申请号：CN202411745562.9
申请日：2024-12-02
Applicant: 南京信息工程大学
IPC: H03M7/30 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种面向孪生系统的数据智能压缩方法，采集视频、音频和文本数据进行预处理；构建Bootstrap模型，对输入数据进行特征提取和初步压缩；构建由Bootstrap模型和Supporter模型组成的Combined模型，将Bootstrap模型输出的概率分布与Supporter模型输出的概率分布相结合；使用算术编码方法对输出的概率分布进行最终压缩，以减少数据传输的体积，并将数据向目标设备进行传输；目标设备对接收到的数据进行解码和重构，还原出压缩前的原始数据；本发明提高了数据压缩比和压缩时间效率，从而有效减少数据传输的时延，适应孪生系统中的多种数据类型，保证数据的实时处理。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.027 seconds)
