-
公开(公告)号：CN113762737B
公开(公告)日：2024-09-06
申请号：CN202110956949.9
申请日：2021-08-19
Applicant: 北京邮电大学
IPC: G06Q10/0639 , G06Q50/10 , G06F18/24 , G06N3/048
Abstract: 本发明公开了网络服务质量预测的方法及系统，包括：获取用户数据、服务数据，将用户数据、服务数据输入至训练好的网络服务质量预测模型得到网络服务质量预测结果；其中，训练好的网络服务质量预测模型为利用不同样本数据以及对应的软标签进行训练后得到；样本数据包含用户训练数据以及服务训练数据；软标签为训练好的DeepFM模型在输入样本数据后输出的预测数据。本发明采用DeepFM模型无需人工进行特征组合，可以处理稀疏数据集，通过将训练好的DeepFM模型在输入样本数据后输出的预测数据作为软标签对网络服务质量预测模型进行训练，降低了网络服务质量预测模型规模，减轻运维负载。
-
公开(公告)号：CN114760190A
公开(公告)日：2022-07-15
申请号：CN202210375177.4
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L41/0631 , H04L43/08
Abstract: 本发明提供一种面向服务的融合网络性能异常检测方法，所述方法包括：基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；第一数据为服务异常发生时间前的融合网络性能数据，第二数据为服务异常发生时间后的融合网络性能数据；基于第二数据中的性能指标的异常程度值，确定异常指标根因。本发明提供的一种面向服务的融合网络性能异常检测方法，通过在服务发生异常前后的时间窗口内采集融合网络性能数据的各项性能指标，基于不同类型性能指标在正常区间中的概率分布，确定所有性能指标的异常程度值，从而输出异常指标根因，实现有效地定位异常指标根因。
-
公开(公告)号：CN113762737A
公开(公告)日：2021-12-07
申请号：CN202110956949.9
申请日：2021-08-19
Applicant: 北京邮电大学
Abstract: 本发明公开了网络服务质量预测的方法及系统，包括：获取用户数据、服务数据，将用户数据、服务数据输入至训练好的网络服务质量预测模型得到网络服务质量预测结果；其中，训练好的网络服务质量预测模型为利用不同样本数据以及对应的软标签进行训练后得到；样本数据包含用户训练数据以及服务训练数据；软标签为训练好的DeepFM模型在输入样本数据后输出的预测数据。本发明采用DeepFM模型无需人工进行特征组合，可以处理稀疏数据集，通过将训练好的DeepFM模型在输入样本数据后输出的预测数据作为软标签对网络服务质量预测模型进行训练，降低了网络服务质量预测模型规模，减轻运维负载。
-
公开(公告)号：CN114338437A
公开(公告)日：2022-04-12
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06K9/62
Abstract: 本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对应的流量分类结果训练后得到的。本发明为字节序列中的每个字节分别进行位置编码，可以有效提取字节序列中各字节的关键位置信息，提高流量分类网络模型识别的准确率。
-
公开(公告)号：CN114338437B
公开(公告)日：2023-12-29
申请号：CN202210039374.9
申请日：2022-01-13
Applicant: 北京邮电大学
IPC: H04L43/026 , H04L43/12 , H04L41/14 , G06F18/2415 , G06F18/214
Abstract: 量分类网络模型识别的准确率。本发明提供一种网络流量分类方法、装置、电子设备及存储介质，将捕获的pcap文件切分为流序列，流序列由多个流量数据包组成；从流序列中提取各个流量数据包的字节特征，得到以流为单位的字节序列；对所述字节序列中的各个字节进行位置编码，并将编码后的所述字节序列输入至流量分类网络模型中，得到所述流量分类网络模型输出的流量分类结果；其中，所述流量分类网络模型是基于以流为单位的样本和样本对(56)对比文件葛宁玲《.基于相关性分析的多维数据融合方法》《.中国优秀硕士学位论文全文数据库信息科技辑》.2021,(第05期),全文.王靖华，何迪《.基于数据包字节长度的线性自回归(Autoregression)和支持向量分类机(SVM)的网络流量预测建模与分析》《.微型电脑应用》.2005,(第11期),1-3,23.Yonghua Huo;Chunxiao Song;Sheng Gao;Haodong Yang;Yu Yan;Yang Yang《.NetworkTraffic Prediction Method Based on TimeSeries Characteristics》《.10thInternational Conference on ComputerEngineering and Networks》.2020,全文.
-
Patent Agency Ranking
公开(公告)号：CN114760190B
公开(公告)日：2023-06-20
申请号：CN202210375177.4
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L41/0631 , H04L43/08
Abstract: 本发明提供一种面向服务的融合网络性能异常检测方法，所述方法包括：基于第一数据中的性能指标的概率分布，确定第二数据中的性能指标的异常程度值；第一数据为服务异常发生时间前的融合网络性能数据，第二数据为服务异常发生时间后的融合网络性能数据；基于第二数据中的性能指标的异常程度值，确定异常指标根因。本发明提供的一种面向服务的融合网络性能异常检测方法，通过在服务发生异常前后的时间窗口内采集融合网络性能数据的各项性能指标，基于不同类型性能指标在正常区间中的概率分布，确定所有性能指标的异常程度值，从而输出异常指标根因，实现有效地定位异常指标根因。
-
公开(公告)号：CN115001937B
公开(公告)日：2023-06-16
申请号：CN202210376991.8
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L41/06 , H04L41/147 , H04L41/149 , G06F18/214 , G06N3/0464 , G06N3/08 , G16Y40/20 , G16Y40/40
Abstract: 本发明提供一种面向智慧城市物联网的故障预测方法及装置，方法包括：获取智慧城市物联网设备的待预测的网络数据；将所述网络数据输入至训练完成的故障预测模型中，得到网络数据的故障预测结果；其中，所述故障预测模型是基于卷积分解操作和改进残差网络结构建立，并将智慧城市物联网设备的特征数据信息作为训练集以及训练集对应的预测标签进行训练得到的。本发明的故障预测模型是基于卷积分解操作和改进残差网络结构建立的，因此能够通过轻量化的模型实现智慧城市物联网设备的故障预测，有效保障智慧城市物联网的安全性及稳健性。
-
公开(公告)号：CN113783717B
公开(公告)日：2023-03-24
申请号：CN202110926805.9
申请日：2021-08-12
Applicant: 北京邮电大学
IPC: H04L41/147 , G06N3/045 , G06N3/048 , G06N3/0499
Abstract: 本发明提供一种智慧城市网络流量预测方法及系统，方法包括：基于卡尔曼滤波器对原始时序网络流量数据进行预处理；基于时序卷积网络，获取预处理后的原始时序网络流量数据的目标特征序列；将所述目标特征序列输入至LSTM长短期记忆网络，以获取所述原始时序网络流量数据的预测结果。所述系统执行所述方法。本发明将卡尔曼滤波器、TCN和LSTM网络协同结合在一起，通过确定卡尔曼滤波器来消除原始时序网络流量数据中存在的噪声，以减少其干扰，从而实现高精度的预测，然后采用TCN从这些数据中提取潜在特征，最后，采用LSTM实现对原始时序网络流量数据的预测。
-
公开(公告)号：CN115001937A
公开(公告)日：2022-09-02
申请号：CN202210376991.8
申请日：2022-04-11
Applicant: 北京邮电大学
IPC: H04L41/06 , H04L41/147 , H04L41/149 , G06K9/62 , G06N3/04 , G06N3/08 , G16Y40/20 , G16Y40/40
Abstract: 本发明提供一种面向智慧城市物联网的故障预测方法及装置，方法包括：获取智慧城市物联网设备的待预测的网络数据；将所述网络数据输入至训练完成的故障预测模型中，得到网络数据的故障预测结果；其中，所述故障预测模型是基于卷积分解操作和改进残差网络结构建立，并将智慧城市物联网设备的特征数据信息作为训练集以及训练集对应的预测标签进行训练得到的。本发明的故障预测模型是基于卷积分解操作和改进残差网络结构建立的，因此能够通过轻量化的模型实现智慧城市物联网设备的故障预测，有效保障智慧城市物联网的安全性及稳健性。
-
公开(公告)号：CN114186168A
公开(公告)日：2022-03-15
申请号：CN202111404951.1
申请日：2021-11-24
Applicant: 北京邮电大学
Abstract: 本发明提供一种面向智能城市网络资源的相关性分析方法及装置，所述方法包括：获取智能城市网络的多组不同的属性变量，并基于典型相关分析得到所述属性变量的最优相关系数；基于多核模型将所述最优相关系数对应的属性变量映射至子空间，得到网络运行数据特征向量；其中，所述多核模型是基于多种核函数进行线性组合建立的；基于欧式距离度量计算所述网络运行数据特征向量的距离，并根据所述距离和所述核函数线性组合的权重得到网络运行数据特征向量的相关性。本发明通过将多种核函数与典型相关分析相结合，从而能够对非线性的网络数据进行处理，得到更加准确的网络数据的相关性大小。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
