-
公开(公告)号：CN108600158A
公开(公告)日：2018-09-28
申请号：CN201810191268.6
申请日：2018-03-08
Applicant: 清华大学
IPC: H04L29/06 , H04L12/741
Abstract: 本发明提供了一种基于软件定义网络的源地址验证系统，包括：监听模块，其配置为基于监听流表，从由普通主机向交换机待发送的数据报文中筛查地址分配协议报文，并将地址分配协议报文按照预定协议打包后发送出去；绑定验证模块，其配置为从打包的地址分配协议报文中提取地址关系信息，以生成地址信息绑定关系表并对绑定关系表进行验证更新；规则生成模块，其配置为根据绑定关系表生成规则流表；转发模块，其配置为根据规则流表对由普通主机向交换机待发送的数据报文进行转发。本发明可以针对实际网络中不同的设备及场景需求，实现主机源地址验证。
-
Patent Agency Ranking
公开(公告)号：CN111753892B
公开(公告)日：2022-10-18
申请号：CN202010532906.3
申请日：2020-06-12
Applicant: 清华大学
Abstract: 本发明涉及互联网信息技术领域，尤其涉及一种基于深度学习的全局视野网络系统的解释方法。本发明方法对全局视野情况下基于深度学习的计算机网络系统的决策进行因果性解释与转换。首先采用深度强化学习的方法对原网络系统进行训练，在完成原有基于深度学习的系统训练后，对产生的全局配置结果通过超图的方式进行建模，并分析超图中关键的点‑超边连接，为每一个点‑超边连接对最终全局配置结果的影响力打分，使网络管理员理解决策中关键的组成部分。本方法极大地降低了原基于深度学习的全局视野网络系统的理解难度，便于网络管理员对决策过程进行理解。将本解释方法部署于实际系统上时，有助于网络管理员理解并纠错原全局视野网络系统的决策过程。
-
公开(公告)号：CN111898692A
公开(公告)日：2020-11-06
申请号：CN202010778784.6
申请日：2020-08-05
Applicant: 清华大学
Abstract: 本发明公开了一种神经网络到决策树的转换方法、存储介质及电子设备，方法包括：获取局部视野网络系统的强化学习决策环境和神经网络决策策略，向强化学习决策环境中输入初始值以得到观测值和观测值对应的值函数，并将观测值输入至神经网络决策策略，以得到观测值对应的输出决策和q值向量，并将输出决策作为新的初始值，直至得到设定数量的观测值和与每个观测值对应的输出决策、值函数以及q值向量，并将每一个观测值和观测值对应的决策、值函数以及q值向量作为一组数据以得到包括多组数据的数据集，利用决策树算法对数据集进行训练以得到目标决策树，通过上述方法获得的目标决策树结构清晰且便于理解，并能够对待决策观测值进行决策得到决策结果。
-
公开(公告)号：CN108600158B
公开(公告)日：2020-05-22
申请号：CN201810191268.6
申请日：2018-03-08
Applicant: 清华大学
IPC: H04L29/06 , H04L12/741
Abstract: 本发明提供了一种基于软件定义网络的源地址验证系统，包括：监听模块，其配置为基于监听流表，从由普通主机向交换机待发送的数据报文中筛查地址分配协议报文，并将地址分配协议报文按照预定协议打包后发送出去；绑定验证模块，其配置为从打包的地址分配协议报文中提取地址关系信息，以生成地址信息绑定关系表并对绑定关系表进行验证更新；规则生成模块，其配置为根据绑定关系表生成规则流表；转发模块，其配置为根据规则流表对由普通主机向交换机待发送的数据报文进行转发。本发明可以针对实际网络中不同的设备及场景需求，实现主机源地址验证。
-
公开(公告)号：CN112087449A
公开(公告)日：2020-12-15
申请号：CN202010938169.7
申请日：2020-09-08
Applicant: 清华大学
Abstract: 本申请涉及数据处理技术领域，具体涉及一种源地址的验证方法、系统、存储介质及电子设备。该方法包括：接收数据包，数据包包含的源地址；根据预先建立的IP2HC表判断数据包的合法性，其中，IP2HC表包含源地址与跳计数的映射关系，并通过Update表以周期T进行更新，其中，T大于0；若判定数据包为合法数据包，则转发合法数据包到端主机，该方法通过采用Update表以周期T进行更新IP2HC表的方式，实现了使用可编程交换机运行数据包合法性验证系统，使检测程序脱离端主机，减少了端主机的运算负担，并在判定数据包为合法数据包后，才转发合法数据包到端主机，降低了网络负载，进一步提高了端主机的用户体验。
-
公开(公告)号：CN111753892A
公开(公告)日：2020-10-09
申请号：CN202010532906.3
申请日：2020-06-12
Applicant: 清华大学
Abstract: 本发明涉及互联网信息技术领域，尤其涉及一种基于深度学习的全局视野网络系统的解释方法。本发明方法对全局视野情况下基于深度学习的计算机网络系统的决策进行因果性解释与转换。首先采用深度强化学习的方法对原网络系统进行训练，在完成原有基于深度学习的系统训练后，对产生的全局配置结果通过超图的方式进行建模，并分析超图中关键的点-超边连接，为每一个点-超边连接对最终全局配置结果的影响力打分，使网络管理员理解决策中关键的组成部分。本方法极大地降低了原基于深度学习的全局视野网络系统的理解难度，便于网络管理员对决策过程进行理解。将本解释方法部署于实际系统上时，有助于网络管理员理解并纠错原全局视野网络系统的决策过程。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
