-
公开(公告)号：CN119961774A
公开(公告)日：2025-05-09
申请号：CN202411822026.4
申请日：2024-12-11
Applicant: 清华大学 , 清华大学深圳国际研究生院
IPC: G06F18/2413 , G06F18/213 , G06F18/21
Abstract: 本申请涉及一种加密流量分类方法、装置、电子设备及存储介质，其中，方法包括：首先利用同一业务类型下不同应用之间的固有流量特征差异，将各业务类型分为多个子类；接着利用深度度量学习方法在提取同一业务类型下的子类差异性特征的同时保留共性特征，实现对各业务类型特征空间的多中心解耦，从而构建出一个多中心加密流量分类器；利用该多中心加密流量分类器对未知应用的流量样本进行分类，通过比较未知应用流量样本到各子类特征中心的距离，识别未知应用样本对应的加密流量类型。由此，解决了现有的加密流量分类方法对未知应用的流量样本分类准确性较差等问题。
-
公开(公告)号：CN118748603A
公开(公告)日：2024-10-08
申请号：CN202410777779.1
申请日：2024-06-17
Applicant: 清华大学 , 清华大学深圳国际研究生院
IPC: H04L9/40
Abstract: 本发明涉及网页流量识别技术领域，特别涉及一种网页流量识别方法、装置、电子设备及存储介质，包括：获取网页流量序列中的目标报文，并对目标报文进行预处理，提取目标报文的上下文局部特征，通过预设的自注意力机制计算上下文局部特征的相关性，并基于相关性，通过预设的全连接神经网络输出目标报文的分类类别，得到目标报文对应的网页类别，进而得到流量序列对应的网页类别序列，最终得到对应的网页流量识别结果。由此，解决了无法对多个不同网页的混合流量进行区分，无法准确地识别出混合流量中包含的所有网页类别的问题，通过对同一网页的流量特征进行相关计算，实现对不同网页流量特征的区分，从而实现对整个流量序列的多标签网页流量识别。
-
公开(公告)号：CN117061192A
公开(公告)日：2023-11-14
申请号：CN202311087904.8
申请日：2023-08-25
Applicant: 清华大学 , 清华大学深圳国际研究生院
Abstract: 本申请涉及一种BGP前缀劫持检测方法、装置、电子设备及存储介质，其中，方法包括：提取前缀劫持事件和合法MOAS事件，并生成相应的ground truth数据集；分析ground truth数据集，得到分析结果，并基于分析结果提取多个控制平面特征；利用多个控制平面特征训练机器学习分类器，得到MOAS分类模型，以利用MOAS分类模型得到BGP前缀劫持检测结果。由此，解决了相关技术中，授权证书或加解密等安全认证手段机制依赖部署，必须全球部署才能完全生效，独立的劫持检测系统处理效率低，且人工成本较高，易造成较大经济损失等技术问题。
-
公开(公告)号：CN119945914A
公开(公告)日：2025-05-06
申请号：CN202411791413.6
申请日：2024-12-06
Abstract: 本申请涉及数字信息的传输技术领域，特别涉及一种网络数据平面仿真方法、装置、电子设备及存储介质，其中，方法包括：对网络数据平面中报文经历的过程进行建模，抽象出仿真场景中的实体、组件和行为，以得到网络仿真模型；通过确定多个网络数据平面行为，以生成网络仿真模型的运行时线程模型，并执行仿真任务，以预设执行顺序依次执行多个网络数据平面行为，且并发执行所有网络设备的相同行为，以在多个网络数据平面行为均执行完毕后进行多线程间的数据同步，生成网络数据平面仿真结果。由此，解决了相关技术中，由于网络仿真器不具备可扩展性且性能受限，可能无法处理大量并发事件，降低仿真效率等问题。
-
公开(公告)号：CN119861457A
公开(公告)日：2025-04-22
申请号：CN202311358830.7
申请日：2023-10-19
Applicant: 清华大学
Abstract: 本申请涉及一种光纤强化结构、光纤激光器及光纤激光器制造工艺，光纤强化结构包括本体和强化层，强化层环绕包裹在本体的外周面，强化层采用隔水且导热的材料制成，强化层用于与冷却液直接接触。上述光纤强化结构，在本体的外周面设置有强化层，对本体的表面进行强化，使得光纤强化结构既具有较好的安全性和柔韧性，又保持了良好的隔水导热性能。强化层采用隔水且导热的材料制成，强化层不仅具有导热性能，本体产生的热量能通过强化层传递至外界，而且，强化层具有隔水性能，可以直接和冷却液接触进行冷却本体。
-
Patent Agency Ranking
公开(公告)号：CN116938727B
公开(公告)日：2024-08-27
申请号：CN202310682761.9
申请日：2023-06-09
Applicant: 中国移动通信集团有限公司研究院 , 清华大学
IPC: H04L41/12 , H04L41/0896 , H04L67/10 , H04L41/082
Abstract: 本发明提供一种分散规约处理方法、装置及可读存储介质，该方法包括：获取树状网络拓扑中的第一数据放置信息和第二数据放置信息，第一数据放置信息包括在目标节点上执行分散规约操作前目标服务器中的第一数据信息，第二数据放置信息包括在目标节点上执行分散规约操作后目标服务器中的第二数据信息；在确定对目标子节点下的N1个目标服务器中的第一数据信息更新的情况下，将N1个目标服务器中的第一数据信息放置到目标子节点下的N2个目标服务器中；N2与目标子节点的收敛比相关；根据N2个目标服务器中更新的第一数据信息，得到更新后的第一数据放置信息；根据更新后的第一数据放置信息、第二数据放置信息和分散规约算法进行分散规约处理。
-
公开(公告)号：CN118075291B
公开(公告)日：2024-07-16
申请号：CN202410466641.X
申请日：2024-04-18
Applicant: 清华大学
IPC: H04L67/1095 , H04L67/1034 , H04L41/0663 , G06F11/20 , G06N20/00
Abstract: 本发明涉及数据处理技术领域，特别涉及一种数据中心分布式机器学习参数的同步加速方法及装置，其中，方法包括：获取数据中心中网络拓扑的基本结构和目标层数；根据基本结构进行层层迭代构造得到目标层数的网络拓扑，其中，基本结构包括一台交换机和多台计算机组成，基本结构为网络拓扑的第一层结构，网络拓扑的每一层结构包括多台交换机和多个上一层结构，每一层结构的每台交换机分别与每个上一层结构中的一台计算机相连，且每一层结构的每台交换机连接的计算机不同；从网络拓扑的第一层结构开始逐层同步机器学习参数，其中，网络拓扑相同层结构同时进行机器学习参数同步。由此，解决了相关技术中机器学习参数的同步时间长，同步效率较差等问题。
-
公开(公告)号：CN114825005B
公开(公告)日：2024-07-12
申请号：CN202210399208.X
申请日：2022-04-15
Applicant: 清华大学
IPC: H01S3/067 , H01S3/08 , H01S3/0941
Abstract: 本发明提供一种光纤激光器系统及激光产生方法，光纤激光器包括：第一光纤光栅，第一光纤光栅为中心波长在稀土离子增益波段内的高反射率光纤光栅；泵浦元件；稀土离子增益光纤；无源光纤，无源光纤包括左段无源光纤和右段无源光纤；右段无源光纤的第一端与稀土离子增益光纤的第二端连接，稀土离子增益光纤的第一端与泵浦元件的输出端连接，且泵浦元件的输入端与第一光纤光栅的第二端连接，以构成第一谐振腔；同时，左段无源光纤自行构成第二谐振腔；其中，第一谐振腔产生的中间激光传输至第二谐振腔，以作为第二谐振腔的反向级联泵浦源；从左段无源光纤的第二端起，至第一光纤光栅的第一端，形成目标激光的输出通道。提升目标激光的光谱纯度。
-
公开(公告)号：CN118101493B
公开(公告)日：2024-06-25
申请号：CN202410466606.8
申请日：2024-04-18
Applicant: 清华大学
Abstract: 本发明涉及电数字数据处理技术领域，特别涉及一种智算中心网络架构的仿真寻优方法、装置、设备及介质。方法包括：获取待训练大语言模型的训练配置信息；基于训练配置信息和预设的离散事件仿真策略，利用预设仿真器对待训练大语言模型进行训练仿真，得到仿真结果，其中，预设仿真器利用预设ECS框架得到；根据仿真结果调整智算中心网络架构，并得到最优的智算中心网络架构。由此，通过采用实体组件系统框架设计智算中心网络仿真器，能够实现大语言模型训练的完整仿真过程，以寻找最优的智算中心网络架构，解决了现有网络仿真器不具备可扩展性，无法支持大规模智算中心网络的仿真的问题，从而提升仿真大规模智算中心网络的效率和准确性。
-
公开(公告)号：CN118095358B
公开(公告)日：2024-06-25
申请号：CN202410466615.7
申请日：2024-04-18
Applicant: 清华大学
IPC: G06N3/0455 , G06N3/0475 , G06N3/0442 , G06N5/04 , H04L41/16 , H04L41/142 , H04L41/147 , H04L43/0876
Abstract: 本发明涉及数据处理技术领域，特别涉及一种数据中心网络流量超分辨率的生成方法、装置及程序，其中，方法包括：获取网络设备的第一流量统计信息；将第一流量统计信息输入至树状流量超分辨率模型，树状流量超分辨率模型输出第二流量统计信息，其中，第二流量统计信息的统计周期小于第一流量统计信息的统计周期，树状流量超分辨率模型包括多层粒状流量转换器模型，多层粒状流量转换器模型呈树状结构，将第一流量统计信息逐层还原成第二流量统计信息；根据第二流量统计信息生成网络设备的网络流量数据。由此，解决了相关技术中流量生成方法导致网络流量数据的时效性较差、精确度较低以及适用性较低等问题。
-
-
-
-
-
-
-
-
-
Search Results
238
records
(took 0.036 seconds)
