-
公开(公告)号：CN119420629A
公开(公告)日：2025-02-11
申请号：CN202411450178.6
申请日：2024-10-17
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L41/0631 , H04L41/16 , G06N3/042
Abstract: 本发明涉及一种基于图卷积神经网络的微服务故障根因定位方法(Micro)，该方法通过图卷积神经网络分析微服务之间的复杂依赖关系，帮助在故障发生时判断故障类型，首先，利用监控系统模拟各种故障类型并将其注入系统，对模拟故障的度量数据进行分类和标记，然后，通过图卷积神经网络MetricSage，基于历史度量数据进行训练，以实现实例级别的故障根因分析。故障发生后，系统收集实时故障数据和服务调用数据，并通过异常服务调用数据构建微服务异构拓扑子集。根据实时指标数据分配权重，创建加权异构拓扑，并对其执行个性化随机漫步算法以生成根因候选集。最后，将该候选集和实时数据特征输入MetricSage进行特征加权分析，确定最终的故障根因和类型。
-
公开(公告)号：CN117632355A
公开(公告)日：2024-03-01
申请号：CN202311359179.5
申请日：2023-10-19
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
Abstract: 本发明公开了一种基于云平台资源监视的虚拟资源高速调度系统，包括资源管理调度系统，资源管理调度系统包括虚拟资源层、管理层和服务层，虚拟资源层包括计算资源、存储资源和网络资源的虚拟化资源池，管理层包括对云资源的监控、管理和调度。通过云资源管理与调度主要是对云计算资源、云存储资源以及云网络资源的虚拟化管理以及动态调度，通过对云资源的统一管理、监控、部署以及调度，实现对资源安全、高效、经济的管理，并流量调度、流量分配及故障流量切换技术，遇到云平台故障时，快速切换云平台的可用区，减少对用户的感知。
-
公开(公告)号：CN117675709A
公开(公告)日：2024-03-08
申请号：CN202311514212.7
申请日：2023-11-14
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L47/12 , H04L47/2441 , H04L47/24 , H04L47/76
Abstract: 本发明公开了一种基于云平台调度的流量分配方法，从源网端获取各种需要进行分配流量的整体信息，比如流量类型以及优先级等等；然后建立多个监控节点对云平台内部的用户使用数据进行实时监控；综合接收到的流量信息以及云平台的使用情况，采用优化算法对流量进行动态调度和分配，算法根据每处流量的节点的硬件软件性能，以及带宽限制等因素，以最大化资源利用效率和服务质量。算法根据每处流量的节点的硬件软件性能，以及带宽限制等因素，以最大化资源利用效率和服务质量，更好的利用优化计算和存储资源，从而提高了网络性能和响应速度，使得数据流量更加合理的调度，不会出现网络延迟和拥塞，使得流量调度更加高效。
-
公开(公告)号：CN117596027A
公开(公告)日：2024-02-23
申请号：CN202311522813.2
申请日：2023-11-15
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
Abstract: 本发明公开了一种基于层次结构的云平台隐私保护方法(HLPP)，系统模型主要由5个部分组成：PID交换服务器IDES、LBS APPs森林节点、代表APP节点、各大LBS APP节点和位置提供商LP。具体步骤：各个APP之间广播请求聚合消息，成功聚合后形成聚合包；其次，检查聚合包中每个APP的位置信息。如果该位置属于敏感位置，将调用PID交换算法来保护位置隐私；相反，如果该位置属于普通位置，将调用改进的PLAM算法来保护位置隐私。最后，由代表APP将聚合包发送给位置服务提供商，以请求位置服务。该方案旨在相较于现有的方案提高了响应速度，降低了流量负载，对于具有相同位置的k个用户，有效保护其位置隐私。
-
公开(公告)号：CN119577505A
公开(公告)日：2025-03-07
申请号：CN202411445154.1
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: G06F18/24 , G06F16/35 , G06F16/334 , G06F40/30 , G06F40/284 , G06N3/044 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了基于深度学习的微服务故障识别方法，涉及微服务技术领域，收集与微服务故障识别相关的训练数据，训练数据包括已经标注好的样本，对收集到的数据进行预处理，预处理方式为文本清洗，包括去除无关字符、标点符号和停用词，将预处理后的文本转换成模型可接受的特征表示形式，选用Word2Vec作为词嵌入模型，用于捕捉单词之间的语义关系。本发明通过基于深度学习的微服务故障识别方法，可以有效提高微服务系统的故障检测和诊断效率。通过对历史故障数据的深度学习，系统能够识别出复杂的、潜在的故障模式，并预测可能出现的故障类型，从而帮助系统管理人员快速定位故障根因，减少排查时间。
-
Patent Agency Ranking
公开(公告)号：CN117459540A
公开(公告)日：2024-01-26
申请号：CN202311514217.X
申请日：2023-11-14
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L67/104 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F18/214
Abstract: 本发明涉及了一种基于深度学习的云平台P2P流量识别方法，属于流量分析领域；所述方法包括了特征提取步骤、特征融合步骤和流量识别步骤，特征提取步骤在cell层次的流量上提取方向和时序特征，特征融合步骤对流量的方向特征和时序特征进行融合，流量识别步骤具体是指提取burst特征的方向时序网站流量识别，该步骤采用多个卷积层并行提取网站流量的burst特征，并通过堆叠的burst特征学习块实现更深层次的特征学习，结合了ReLU层、BN层和残差连接，以增强模型鲁棒性和避免梯度消失。
-
公开(公告)号：CN119544259A
公开(公告)日：2025-02-28
申请号：CN202411444901.X
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L9/40 , H04L9/00 , H04L67/104 , G06F21/62 , G06F21/60 , G06F21/32 , G06F21/64 , G06F18/241
Abstract: 本发明公开了一种云平台数据安全风险预测方法、系统及存储介质，涉及数据安全技术领域，包括：获取云平台的至少一个数据存储节点和至少一个数据存储路径；获取数据存储节点的数据重要等级；对云平台的数据进行备份，备份数据存储在区块链中；得到至少一个网络攻击类别，计算得出网络攻击类别的占比；计算得出网络攻击类别对云平台攻击的平均影响因子；计算得出至少一个网络攻击对云平台攻击的总体影响因子；使用总体影响因子作为云平台数据安全风险预测等级。通过设置安全分类模块、异常获取模块、因子计算模块和风险预测模块，考虑到各种网络攻击的不同情况及对数据影响的不同，得到的预测结果具有较高的参考价值。
-
公开(公告)号：CN119537070A
公开(公告)日：2025-02-28
申请号：CN202411447065.0
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: G06F11/07 , G06F18/22 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种云平台大规模主机故障的处理方法及系统，包括：获取所有历史主机分析原始数据，并对所有历史主机分析原始数据进行特征提取。基于对主机中的海量历史分析数据及最终的分析结果进行综合总计分析，最终分析为存有主机故障种类的所有历史分析特征数据中出现的分析特征作为与主机故障种类相关的若干个分析特征，同时计算主机故障种类与分析特征之间的相关权重，依次作为后续分析时，进行匹配度计算的数据基础，进而实现对于海量分析数据的有效复用，提高推荐分析手段时的精准度，可有效的降低对于工作人员分析经验的积累需求，实现海量分析数据的有效复用，保证主机故障分析时可以进行推荐最佳的检修手段。
-
公开(公告)号：CN119179934A
公开(公告)日：2024-12-24
申请号：CN202411682757.3
申请日：2024-11-22
Applicant: 东南大学 , 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明公开了一种基于谱聚类构图的图卷积神经网络协议分类方法，涉及于网络安全和机器学习领域，所述方法包括以下步骤：从收集到的网络协议数据中筛选出关键字段；优化传统谱聚类构图算法，对筛选出的数据进行聚类，将数据处理成适合图神经网络的图结构形式；利用谱聚类得到的图结构作为图卷积神经网络的输入，提出S‑GCN模型，采用随机初始化的三层GCN进行建模，对节点三阶邻域进行卷积，在最后一层通过对节点特征聚合来实现网络协议分类。实验证明本发明的方法在分类结果上有较高的准确率，S‑GCN中图结构的优劣直接影响到分类结果，同时证明了本发明图结构的高效性。
-
公开(公告)号：CN118093102B
公开(公告)日：2024-07-23
申请号：CN202410507949.4
申请日：2024-04-25
Applicant: 东南大学 , 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明公开了一种群智感知中的资源分配方法，涉及移动用户MU的策略制定过程中一致的部分建模为标准的凸优化问题，本发明根据群智感知的真实情况，提出了移动用户个人的对不同任务的偏好属性并进行量化分析，提出连续策略迭代算法CSI使得MCS系统能够在跨周期迭代的过程中学习用户的偏好程度，并与相关的Greedy以及Ranking算法进行了仿真比较。在一般的实验设置下，相较于对比的基于贪心和等级划分的优化算法，CSI算法在效用指标上有10%~20%的提升，且使得模拟误差降低10%左右。本发明证明了CSI算法在大多数场景下有着更优秀的指标，助力提高收集数据的质量，同时增加系统的可靠性和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.071 seconds)
