公开(公告)号：CN119829243A

公开(公告)日：2025-04-15

申请号：CN202411888913.1

申请日：2024-12-20

Applicant: 重庆邮电大学

Inventor： 徐川 ,  练书延 ,  张子豪 ,  周东鹏 ,  何俊杰

IPC: G06F9/48 ,  G06N3/006 ,  G06F9/455 ,  G06N3/092

Abstract: 本发明涉及于算力调度技术领域，具体涉及一种应用于大规模网络仿真系统的算力调度方法及系统，所述方法包括：获取所有算力节点的资源占用状态信息集合；构建所有算力节点的任务队列；设定深度强化学习参数并初始化神经网络；将算力节点作为智能体与环境进行交互产生经验样本采用深度强化学习方法训练神经网络，得到初步的任务调度策略；使用蚁群算法对初步的任务调度进行进一步的优化，来获得最终的任务调度策略；采用最终的任务调度策略来对仿真任务进行调度。本发明在任务调度时，不仅考虑了算力节点的实时资源状态，也考虑了任务的特殊性、任务的优先级以及任务和任务之间的依赖关系，提高了对于算力的利用效率，缩减仿真时间。

公开(公告)号：CN119652632A

公开(公告)日：2025-03-18

申请号：CN202411862128.9

申请日：2024-12-17

Applicant: 重庆邮电大学

Inventor： 赵国锋 ,  周东鹏 ,  徐川 ,  张子豪 ,  练书延 ,  何俊杰

IPC: H04L9/40 ,  H04L43/0805 ,  H04L45/02 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明公开了一种BGP路由异常检测方法，该方法包括：从网络中获取BGP路由数据并对其预处理，对预处理后的BGP路由数据提取特征，将提取的特征输入训练后的BGP路由异常检测网络，得到BGP路由异常检测结果。该检测网络的训练过程包括：获取训练样本及其正负标签，经预处理后得到更新报文的七元组文件；构建有向的AS级网络拓扑图，生成正、反向邻接矩阵和正向、反向初始特征矩阵；将正向邻接矩阵与正向初始特征矩阵输入GCN的正向分支网络，将反向邻接矩阵与反向初始特征矩阵输入GCN的反向分支网络，将GCN的正向、反向分支网络的输出结果进行拼接聚合后的特征矩阵输入图注意力机制层；计算输出结果的分类损失，通过该损失优化BGP路由异常检测网络。本发明明显提高检测结果准确性。