公开(公告)号：CN110740054B

公开(公告)日：2022-04-01

申请号：CN201910644115.7

申请日：2019-07-17

Applicant: 东南大学

Inventor： 东方 ,  沈典 ,  张欢欢 ,  王士琦 ,  罗军舟

IPC: H04L41/12 ,  H04L41/06 ,  H04L41/14 ,  H04L41/142

Abstract: 本发明公开一种基于强化学习的数据中心虚拟化网络故障诊断方法，包括如下步骤：步骤1，初始化网络故障诊断模型；步骤2，根据设定的故障诊断目标，采用强化学习算法训练Q表，所述Q表记录了每种故障下采取每个动作获得的累计折扣奖励值；步骤3，故障发生时，将网络状态信息映射到Q表中的网络状态，根据网络状态查询Q表，依据奖励值最大原则选择动作作为故障诊断结果；步骤4，使用信息增益方法进一步优化网络状态空间，降低模型内存使用开销同时提高诊断精度。此种方法将故障感知过程放置在信息采集服务器降低信息采集开销，同时使用强化学习算法构建网络故障诊断模型，再使用信息增益方法进一步优化故障诊断模型，提高了故障诊断精度。

公开(公告)号：CN110740054A

公开(公告)日：2020-01-31

申请号：CN201910644115.7

申请日：2019-07-17

Applicant: 东南大学

Inventor： 东方 ,  沈典 ,  张欢欢 ,  王士琦 ,  罗军舟

IPC: H04L12/24

Abstract: 本发明公开一种基于强化学习的数据中心虚拟化网络故障诊断方法，包括如下步骤：步骤1，初始化网络故障诊断模型；步骤2，根据设定的故障诊断目标，采用强化学习算法训练Q表，所述Q表记录了每种故障下采取每个动作获得的累计折扣奖励值；步骤3，故障发生时，将网络状态信息映射到Q表中的网络状态，根据网络状态查询Q表，依据奖励值最大原则选择动作作为故障诊断结果；步骤4，使用信息增益方法进一步优化网络状态空间，降低模型内存使用开销同时提高诊断精度。此种方法将故障感知过程放置在信息采集服务器降低信息采集开销，同时使用强化学习算法构建网络故障诊断模型，再使用信息增益方法进一步优化故障诊断模型，提高了故障诊断精度。

公开(公告)号：CN111817971A

公开(公告)日：2020-10-23

申请号：CN202010534449.1

申请日：2020-06-12

Applicant: 东南大学

Inventor： 东方 ,  夏鸣轩 ,  王士琦

IPC: H04L12/801 ,  H04L12/803 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的数据中心网络流量拼接方法，步骤：初始化网络流量拼接的孪生神经网络模型；根据一段时间内采集到的流量信息，选择具有代表性的流量特征，形成样本，利用该样本训练孪生神经网络模型；对需要拼接的流量提取流量特征并输入训练好的孪生神经网络模型，确定能够拼接在一起的流量，并完成流量拼接。本发明优化了数据中心网络流量特征选择方法，提升了被选特征的代表性和鲁棒性，并使用深度学习算法构建网络流量拼接模型，提升了流量拼接的精度。