-
公开(公告)号:CN114629972B
公开(公告)日:2024-03-22
申请号:CN202210277970.0
申请日:2022-03-21
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种数据报文的处理方法及装置,方法包括:根据分组交换网络的通信控制信息确定字段集,对字段集中每一个字段设置对应的字段处理函数,得到字段处理函数集;确定报文类型,根据报文类型配置报文类型处理集;接收数据报文,根据数据报文携带的报文类型标识符查找报文类型处理集,得到报文包含的若干字段;通过字段处理函数对若干字段进行处理。本申请在接收到数据报文后通过数据报文所携带的报文类型查询提前设置好的报文类型处理集,依据该报文类型处理集对报文的字段进行相应的处理,当需要支持新的数据报文类型时,并不需要重新实现对应的数据报文处理流程,只需要重新配置数据报文处理集即可,减少了资源的开销。
-
公开(公告)号:CN114401199B
公开(公告)日:2024-03-01
申请号:CN202210013489.0
申请日:2022-01-06
Applicant: 中国科学院计算机网络信息中心
IPC: H04L41/14
Abstract: 本发明公开了一种层次化的网络能力模型管理方法,该模型包括:网络集成能力和网络原子能力,所述网络集成能力包括:尽力而为转发能力、服务路由能力、灵活寻址能力、确定性能力和内生安全能力;所述网络原子能力包括:通信主体、网络功能、网络资源和网络安全;所述网络集成能力分解为网络原子能力,网络原子能力按需组合封装,满足用户侧业务的多样化需求;所述网络能力模型依据不同的业务需求属性,查找并选择合适的网络能力,支持业务实现。本发明可以实现高效便利的网络管理和控制,动态地支撑业务发展需求。抽象和分解网络各层功能,形成网络集成能力和网络原子能力两层,分别对应大规模、专业化业务需求和单一化、精细化业务需求。
-
公开(公告)号:CN114374638B
公开(公告)日:2024-02-27
申请号:CN202210022533.4
申请日:2022-01-10
Applicant: 之江实验室 , 中国科学院计算机网络信息中心
IPC: H04L45/00
Abstract: 本发明涉及一种跨域系统的协同路由方法及装置,其中方法包括:获取若干相互连接的跨域自治系统中每个自治系统的网络状态综合参数,将所述网络状态综合参数存储在每个自治系统中;在每个自治系统中搭建智能体,所述智能体与每个自治系统相互连接;第i自治系统的用户向第j自治系统发起服务请求,位于第i自治系统中的第i智能体和位于第j自治系统中的第j智能体,根据所述网络状态综合参数与所述服务请求,通过多智能体强化学习算法生成协同路由策略;其中,i和j为大于0的自然数;第j自治系统根据所述协同路由策略向所述第i自治系统的用户返回所述服务请求的响应结果。本发明可以减少端到端的延迟,增加吞吐量和保证平均交付率。
-
公开(公告)号:CN113438058B
公开(公告)日:2022-11-25
申请号:CN202110702355.5
申请日:2021-06-22
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种数据传输方法、装置、网络中继设备及系统。其中,数据传输方法包括:数据发送端通过数据传输链路向数据接收端发送业务数据包;数据发送端在确定数据接收端未接收到业务数据包后,数据接收端向数据传输链路上的第一网络中继设备发送对应于业务数据包的数据重传请求;第一网络中继设备响应于数据重传请求,确定其本地缓存中是否包括业务数据包;当第一网络中继设备的本地缓存中包括业务数据包时,第一网络中继设备向数据接收端发送业务数据包。本发明引入“缓存重传机制”可实现数据的高效缓存、请求和响应等,削弱中继多跳以及移动性带来的负面问题,在多元复杂环境中均能发挥积极作用。
-
公开(公告)号:CN111131421B
公开(公告)日:2022-07-29
申请号:CN201911289712.9
申请日:2019-12-13
Applicant: 中国科学院计算机网络信息中心
IPC: H04L67/10 , H04L47/80 , H04L47/783
Abstract: 本发明提供了一种工业互联网现场大数据与云端信息互联互通的方法,该方法步骤为:首先,基于终端节点、边缘计算节点及云计算节点的连通状况,生成网络状态拓扑图;其次,基于网络状态拓扑图,按照优先级顺序,针对每种数据处理业务要求,按照深度优先原则获得边缘计算、云计算及网络带宽的最佳联合分配,以确保该类业务的数据处理实时性要求能够获得保障;最后,在每个业务分配资源完成后,均对当前的边缘计算、云计算及网络带宽负载进行核查,从而及时获知已经达到能力上限的节点和链路,以避免单一节点或链路负荷过载造成分配失败的问题。
-
公开(公告)号:CN111147398B
公开(公告)日:2022-05-17
申请号:CN201911253298.6
申请日:2019-12-09
Applicant: 中国科学院计算机网络信息中心
IPC: H04L47/80
Abstract: 本发明提供了一种时延敏感网络中的通信计算联合资源分配方法及系统,其中,方法步骤为:首先,基于控制质量要求对时延敏感类业务的服务优先级进行排序,时延要求越严格的业务越具有较高的服务优先级;其次,针对每个业务,时延敏感网络中的资源分配模块基于当前网络中的路由及时隙分配情况给出该业务的可用路由及时隙资源,边缘计算中的计算任务调度模块基于当前的计算资源使用情况给出该业务的可用计算资源,最终得出能够满足时延要求的路由、时隙和计算资源组合。本发明能够保障工业互联网中时延敏感类业务的端到端时延传输质量要求,尤其是工业控制类业务的控制质量要求。
-
公开(公告)号:CN110300186B
公开(公告)日:2022-05-13
申请号:CN201910637419.0
申请日:2019-07-15
Applicant: 中国科学院计算机网络信息中心
IPC: H04L67/06 , H04L67/1074 , H04W4/70 , H04L67/02
Abstract: 本发明提出了一种基于边缘计算技术的点对点文件传输机制,其中方法包括:在边缘计算MEC系统中部署基于HTTP协议的点对点文件传输控制服务;移动用户A通过浏览器访问点对点文件传输控制服务页面,并通过表单形式选取拟点对点传输的文件,生产一个有效时间内的点对点文件传输二维码;移动用户B在有效时间内扫描移动用户A的点对点文件传输二维码,确认开始点对点文件传输。本发明基于边缘计算技术在MEC系统中部署点对点文件传输控制服务,并以HTTP协议形式实现,用户终端设备无需安装任何额外程序即可完成点对点的文件传输。该方法基于边缘计算技术可有效提高空口链路资源利用率,不仅提升了数据传输速率,而且在传输路径上也大大减小了数据传输时延,很好地改善了移动用户间的数据交互体验。
-
公开(公告)号:CN109547418B
公开(公告)日:2021-05-14
申请号:CN201811290181.0
申请日:2018-10-31
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提供了一种基于软件定义网络SDN的数据传输网络系统,该系统包括:SDN传输控制网络,科学数据传输网络和数据安全传输网络,其中,SDN传输控制网络分别与科学数据传输网络和数据安全传输网络连接;SDN传输控制网络用于确定待传输数据的数据类型;在待传输数据的数据类型为科学数据的情况下,将待传输数据发送给科学数据传输网络;在待传输数据的数据类型为非科学数据的情况下,将待传输数据发送给数据安全传输网络。通过本发明,解决了相关技术中科学数据的传输效率较低的问题,进而达到了提高科学数据的传输效率的效果。
-
公开(公告)号:CN108566644A
公开(公告)日:2018-09-21
申请号:CN201810229586.7
申请日:2018-03-20
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提出一种基于MEC的园区网业务下沉方法,包括如下步骤:在园区网所在地区域的基站或基站汇聚节点部署MEC服务器;将MEC服务器接入园区网网关系统;通过MEC服务器对园区网业务进行分流。在园区网所在地区域的基站e-NB(Evolution Node B演进型基站,3GPP标准)或基站汇聚节点处部署MEC服务器,并以专线方式(如光纤)接入园区网网关,配合园区网业务分流机制实现园区移动用户只需经过一跳即可访问园区网业务而无需经过核心网、互联网再到园区网的长距离传输,极大的减小了业务的传输时间,显著地提升了移动用户的园区网业务访问体验。
-
公开(公告)号:CN109361617B
公开(公告)日:2022-09-27
申请号:CN201811122301.6
申请日:2018-09-26
Applicant: 中国科学院计算机网络信息中心
IPC: H04L47/2441 , G06N3/08 , G06N3/04 , G06K9/62
Abstract: 本发明涉及一种基于网络包载荷的卷积神经网络流量分类方法及系统,其中,方法包括以下步骤:将网络抓包所得pcap文件中所有的数据包传输层的去除头部后的载荷数据提出取来,将数据包的载荷的信息转换为字节序列,随机打乱数据顺序并且进行训练集、验证集和测试集的分割;将结构化的数据输入一维卷积神经网络进行训练,完成神经网络隐藏单元的权重参数调整;在验证集和测试集上进行性能验证,若达不到性能指标,则反馈给模型训练模块继续调整模型参数。本发明可以免除繁琐的人工标注工作,只需要流量数据包的载荷数据即可完成高精度分类。用户只需将模型部署到合适的位置,即可随时随机的截取链路中的数据包输入模型即可得到流量类别结果。
-
-
-
-
-
-
-
-
-