-
公开(公告)号：CN119474222A
公开(公告)日：2025-02-18
申请号：CN202510059139.1
申请日：2025-01-15
Applicant: 南京信息工程大学
IPC: G06F16/27 , G06F16/2458 , G06F16/2455 , G06F9/50 , G06F9/48
Abstract: 本发明公开了一种分级分布式的边缘数据汇聚上报方法，包括边缘网络处理任务时，将数据汇聚过程分成S个阶段，构建每个阶段的分级分布式的边缘数据汇聚上报模型；数据汇聚过程的每个阶段包括多个集群，每个集群包括多个集群成员，集群成员是边缘数据中心EDC，每个集群中选择一个边缘数据中心作为当前集群的集群中心，根据选择的集群中心，划分集群成员，最终完成全部EDC的集群划分，存储在边缘数据中心的数据转移到当前阶段的集群中心；分级分布式的边缘数据汇聚上报模型包括当前阶段任务完成时间模型和工作完成总时间模型。本发明还公开了一种分级分布式的边缘数据汇聚上报装置，更好地满足智能化应用对低延迟、高带宽、高效处理的需求。
-
-
公开(公告)号：CN116405368B
公开(公告)日：2023-08-22
申请号：CN202310645229.X
申请日：2023-06-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种高维不平衡数据条件下的网络故障诊断方法、系统，该方法包括：对网络故障数据进行数值化与归一化；采用随机森林算法评估网络特征的特征重要度并排序，进行网络特征选择；采用IKSMOTE算法对少数类网络故障样本进行过采样，以平衡多数类和少数类样本数量；根据小波神经网络结构创建一个三层小波神经网络故障诊断模型；使用IGWO对小波神经网络的参数进行优化；得到的最优参数作为小波神经网络的初始值，输入网络故障数据，完成小波神经网络模型的训练。本发明有效降低了数据的采集和存储压力，解决了网络故障数据极端不平衡导致地少数类故障诊断准确率低的问题，提高了诊断模型的局部寻优能力。
-
公开(公告)号：CN114004052A
公开(公告)日：2022-02-01
申请号：CN202210000687.3
申请日：2022-01-04
Applicant: 南京信息工程大学
IPC: G06F30/18 , G06F30/27 , G06K9/62 , G06N20/00 , G06F111/02
Abstract: 本发明公开了一种面向网络管理系统的故障检测方法，包括以下步骤：步骤1、获取原始不均衡网络故障数据集NF，对NF进行压缩和过滤操作，得到处理后数据集NF＇，NF＇包括样本，样本包括两种类型样本，两种类型样本是指非故障样本和故障样本；步骤2、获取不均衡比例I，所述不均衡比例I=非故障样本的数目/故障样本的数目；步骤3、预先设置一个采样后的两种类型样本数目的比例,根据获取新合成故障数据样本的数目N；步骤4、构建新合成故障数据样本的空间分布分配规则；步骤5、构建新合成故障数据样本的合成规则；步骤6、建立XGB‑RF网络故障检测模型。本发明有效提高了网络故障检测的准确率。
-
公开(公告)号：CN112350899B
公开(公告)日：2021-04-06
申请号：CN202110018129.5
申请日：2021-01-07
Abstract: 本发明公开了一种基于图卷积网络融合多特征输入的网络流量预测方法，步骤为：获取网络流量数据；利用皮尔森相关系数对流量进行相关性分析；采用时空特征提取单元来提取流量间的时空特征；提取历史上每周同一时刻的网络流量数据；特征融合得到预测结果。本发明解决了传统网络流量预测模型存在无法有效提取流量间的时空特性缺陷而导致的预测误差高、精度低的问题。
-
Patent Agency Ranking
公开(公告)号：CN115348215B
公开(公告)日：2023-11-24
申请号：CN202210876800.4
申请日：2022-07-25
Applicant: 南京信息工程大学
IPC: H04L47/2441 , H04L47/2483 , H04L69/22 , G06F18/241
Abstract: 本发明公开了一种基于时空注意力机制的加密网络流量分类方法，包括如下步骤：步骤1，解析报文，获取网络流量数据X，并进行归一化处理；步骤2，将归一化处理后的网络流量数据输入到空间特征提取组件SAtt，提取网络流量的空间特征Zs；步骤3，将归一化处理后的网络流量数据输入到时间特征提取组件TAtt，提取网络流量的时间特征Zt；步骤4，将空间特征Zs和时间特征Zt进行重构，得到网络流量特征Z。本发明利用空间特征提取组件SAtt和时间特征提取组件TAtt分(56)对比文件刘啸;赵文涛;刘强;闵尔学;李盼.基于网络流跨层特征的深度入侵检测方法《.计算机与数字工程》.2020,(03),全文.
-
公开(公告)号：CN116405368A
公开(公告)日：2023-07-07
申请号：CN202310645229.X
申请日：2023-06-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种高维不平衡数据条件下的网络故障诊断方法、系统，该方法包括：对网络故障数据进行数值化与归一化；采用随机森林算法评估网络特征的特征重要度并排序，进行网络特征选择；采用IKSMOTE算法对少数类网络故障样本进行过采样，以平衡多数类和少数类样本数量；根据小波神经网络结构创建一个三层小波神经网络故障诊断模型；使用IGWO对小波神经网络的参数进行优化；得到的最优参数作为小波神经网络的初始值，输入网络故障数据，完成小波神经网络模型的训练。本发明有效降低了数据的采集和存储压力，解决了网络故障数据极端不平衡导致地少数类故障诊断准确率低的问题，提高了诊断模型的局部寻优能力。
-
公开(公告)号：CN115865459B
公开(公告)日：2023-06-27
申请号：CN202211492575.0
申请日：2022-11-25
Applicant: 南京信息工程大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。
-
公开(公告)号：CN113269200A
公开(公告)日：2021-08-17
申请号：CN202110822084.7
申请日：2021-07-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于少数类样本空间分布的不平衡数据过采样方法，属于电子、通讯、信息工程类的技术领域。其通过增加过滤噪声预处理、设计新的样本合成方法、构建权重值的计算规则以改善数据集的不平衡性，解决了样本混叠现象导致分类效果不佳的问题，提升了不平衡学习问题的性能。
-
公开(公告)号：CN115865459A
公开(公告)日：2023-03-28
申请号：CN202211492575.0
申请日：2022-11-25
Applicant: 南京信息工程大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于二次特征提取的网络流量异常检测方法及系统，通过使用双向长短期记忆网络学习网络流量数据之间的特征关系，完成网络流量数据的一次特征提取，并在此基础上，定义一种基于注意力机制的特征重要性权重评估规则，依据特征重要性大小对双向长短期记忆网络生成的特征向量给予相应的权重，完成数据的二次特征提取。最后，提出一种“先总分后细分”的设计思想构建网络流量数据检测模型，实现多分类网络流量数据的异常检测。本发明有效提高了网络流量数据异常检测的准确率、精确率、召回率和F1值，并且该模型并且具有良好的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.037 seconds)
