-
公开(公告)号：CN114818928B
公开(公告)日：2024-11-05
申请号：CN202210450930.1
申请日：2022-04-27
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及网络流量分类领域，具体涉及一种改进GRU模型的网络流量流特征分类方法。本发明以流数据包长度序列为输入，以改进的GRU神经网络模型提取流量数据代表性特征，降低模型复杂度、减少模型训练时间、提高分类模型的准确率。在传统GRU的计算过程中融入了另外的门控机制，允许信息高速无障碍得通过深层神经网络的各层，有效避免了可能出现的梯度问题，提升了模型分类准确率。
-
公开(公告)号：CN114860540B
公开(公告)日：2024-09-27
申请号：CN202210464136.2
申请日：2022-04-29
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: G06F11/30 , G06F18/23213
Abstract: 本发明设计了一种云数据中心服务器健康度评估方法。首先，收集构成服务器状态的各项属性和实时数据，对其进行特征工程，得到服务器历史特征数据；其次，设计了一种服务器健康度的评估方式，该方式通过计算待评估样本到正常样本以及故障样本的各类中心的距离，得出待评估样本的健康程度；最终，将计算的健康度与设定的阈值相比较，若健康度高于阈值，则判断服务器在未来一段时间为正常状态，否则判断将会发生故障。与传统的基于单项属性阈值的健康状态评估方法相比，本方法能够综合考虑到各项属性对服务器健康状态的影响。
-
公开(公告)号：CN114866400B
公开(公告)日：2024-04-30
申请号：CN202210464267.0
申请日：2022-04-29
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: H04L41/0631 , G06N5/04 , G06N5/022
Abstract: 本发明涉及网络告警领域，具体涉及一种基于缓存空间优化的告警规则推理方法，本发明是基于Heuristically‑Annotated‑Linkage(HAL)规则匹配算法，并对它进行了一定的改进。HAL与其他规则推理算法相比，主要强调了类而不是规则的定义，由于类是在系统初始化阶段就可以基本被确定的，不会像规则一样随着数据的流入而频繁地更改，因此更加适合像告警数据这样实时性高、动态性强的数据。通过对告警规则推理的过程中产生的部分匹配的中间结果及时回收以及按优先级进行告警实例与类节点的匹配，解决了传统启发式标注链接匹配算法在告警规则匹配中缓存空间占用较大、匹配速度较慢的问题，减小告警规则推理过程中的缓存压力。
-
公开(公告)号：CN115278708A
公开(公告)日：2022-11-01
申请号：CN202210878004.4
申请日：2022-07-25
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
Abstract: 本发明涉及边缘计算领域，具体涉及一种面向联邦学习的移动边缘计算资源管理方法。本发明首先提出了一个联邦边缘学习框架，并制定了一个综合考虑计算、通信资源分配和边缘关联的模型，以最小化全局学习成本。再将该优化问题分解为两个子问题：资源分配和边缘关联，并据此设计了一种高效的资源调度算法。先求解给定单个边缘服务器的训练组，资源分配子问题的最优策略，再通过降低复杂度的迭代为多边缘服务器边缘关联问题求解一个可行的策略，从而高效逼近原问题最优解。与传统的联邦学习相比，本发明提出的框架在全局成本优化方面优于基准方案，并实现了更好的训练性能。
-
公开(公告)号：CN114860540A
公开(公告)日：2022-08-05
申请号：CN202210464136.2
申请日：2022-04-29
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
Abstract: 本发明设计了一种云数据中心服务器健康度评估方法。首先，收集构成服务器状态的各项属性和实时数据，对其进行特征工程，得到服务器历史特征数据；其次，设计了一种服务器健康度的评估方式，该方式通过计算待评估样本到正常样本以及故障样本的各类中心的距离，得出待评估样本的健康程度；最终，将计算的健康度与设定的阈值相比较，若健康度高于阈值，则判断服务器在未来一段时间为正常状态，否则判断将会发生故障。与传统的基于单项属性阈值的健康状态评估方法相比，本方法能够综合考虑到各项属性对服务器健康状态的影响。
-
Patent Agency Ranking
公开(公告)号：CN114844767B
公开(公告)日：2024-11-26
申请号：CN202210452164.2
申请日：2022-04-27
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: H04L41/0631 , H04L41/14 , H04L41/142 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/092
Abstract: 本发明涉及网络告警领域，具体涉及一种基于对抗生成网络的告警数据生成方法。首先，预处理输入数据，包括去除无用信息、编码、填充等操作。然后用交叉熵损失函数预训练生成器及判别器。在对抗训练阶段，引入强化学习方法及结合Bandit算法的上限置信区间搜索算法，完成对离散数据训练过程的参数更新传递及不完整序列的模拟。在经过多轮训练过后，最终，使用训练完成的生成器生成一批告警数据。本发明针对判别器难以分辨不完整序列是否为真实数据的问题，引入结合Bandit算法的上限置信区间搜索算法，将不完整序列模拟为完整的告警数据，从而可以在生成器生成数据的任意时刻都可以通过判别器得到奖励值。
-
公开(公告)号：CN114781492A
公开(公告)日：2022-07-22
申请号：CN202210325598.6
申请日：2022-03-30
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: G06K9/62
Abstract: 本发明涉及流量数据增强领域，针对网络流量数据难于获取且大部分数据往往彼此间差异性很小，因而时常出现数据类别严重不平衡的难题，提出了一种面向样本不均衡的网络流量数据增强方法。本发明对网络流量数据集进行聚类后划分少数类样本集合和多数类样本集合，通过计算聚类后数据中少数类样本的稀疏度和差异度，为少数类样本赋予初始权重后，基于SMOTE合成新样本并生成新的数据集。通过本发明提出的过采样数据增强方法，可以更有效地选择出数据集中分布稀疏处样本和边界处样本，提升生成数据的质量。本发明提供的方法为类别不平衡数据集提供了快速、有效的数据增强方案，适用于输入为网络流量数据集的分类模型执行前的数据增强过程。
-
公开(公告)号：CN114781492B
公开(公告)日：2024-11-08
申请号：CN202210325598.6
申请日：2022-03-30
Applicant: 中国电子科技集团公司第五十四研究所 , 北京邮电大学
IPC: G06F18/23213 , G06F18/214 , G06F18/241
Abstract: 本发明涉及流量数据增强领域，针对网络流量数据难于获取且大部分数据往往彼此间差异性很小，因而时常出现数据类别严重不平衡的难题，提出了一种面向样本不均衡的网络流量数据增强方法。本发明对网络流量数据集进行聚类后划分少数类样本集合和多数类样本集合，通过计算聚类后数据中少数类样本的稀疏度和差异度，为少数类样本赋予初始权重后，基于SMOTE合成新样本并生成新的数据集。通过本发明提出的过采样数据增强方法，可以更有效地选择出数据集中分布稀疏处样本和边界处样本，提升生成数据的质量。本发明提供的方法为类别不平衡数据集提供了快速、有效的数据增强方案，适用于输入为网络流量数据集的分类模型执行前的数据增强过程。
-
公开(公告)号：CN117609602A
公开(公告)日：2024-02-27
申请号：CN202311442457.3
申请日：2023-11-01
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F16/9535
Abstract: 本发明提供一种跨域资源查询方法、装置、电子设备及存储介质，该方法包括：根据多个资源查询请求中的目标资源查询请求，获取本地域对应的多个上级域，各上级域订阅并存储有目标资源查询请求对应的目标资源；根据多个上级域各自对应的资源查询消耗指数，确定最优上级域；从最优上级域中，查询目标资源查询请求对应的目标资源。该方法基于本地域的资源查询请求，从订阅并存储有目标资源的多个上级域中确定最优上级域，进而动态地通过上级域查询目标资源，提高了跨域资源的查询效率，同时，本地域自身可作为其他域的一个上级域，订阅的目标资源可传输给其他域复用，有效降低跨域资源的查询开销。
-
公开(公告)号：CN117241321A
公开(公告)日：2023-12-15
申请号：CN202310967940.7
申请日：2023-08-02
Applicant: 北京邮电大学 , 中国电子科技集团公司第五十四研究所
IPC: H04W28/08 , H04L67/1095
Abstract: 本发明公开了一种受限边缘网络的低时延同步资源卸载方法、装置，该方法包括：获取定义的Actor网络和Critic网络的结构，初始化网络参数；初始化移动边缘计算系统的仿真参数，获得环境的初始观测状态；将初始观测状态输入到Actor当前网络进行循环训练，实时输出智能体获得的奖励；当奖励在预设步长内没有发生明显变化时，判定算法达到收敛；输出Actor当前网络参数，作为计算卸载和资源分配方案。本发明解决了计算卸载和资源分配低效，最小化时延和负载均衡存在冲突的问题。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.097 seconds)
