-
Patent Agency Ranking
公开(公告)号：CN114423035A
公开(公告)日：2022-04-29
申请号：CN202210031530.7
申请日：2022-01-12
Applicant: 重庆邮电大学
IPC: H04W24/08 , H04L41/0893 , H04L41/14
Abstract: 本发明涉及一种网络切片场景下服务功能链异常检测方法，属于移动通信技术领域。该方法包括为：构建分布式异常检测架构；为挖掘易于网络进行学习的数据深层次特征，对每个VNF中的数据进行特征提取，采用滑动窗口捕获时间序列数据之间的关系；由于VNF数据中存在类不平衡问题，采用生成对抗网络(GAN)学习正常数据特征，并结合时间卷积网络(TCN)和自动编码器(AE)以提升GAN对数据特征的学习能力；采用异常得分函数评判VNF的状态，进而完成对SFC的异常检测。本发明的技术方案可以提供较高的检测准确性和稳定性，快速应对网络因受到攻击而产生的数据异常，提升整体虚拟网络的鲁棒性，增强网络安全性。
-
公开(公告)号：CN119743808A
公开(公告)日：2025-04-01
申请号：CN202411846425.4
申请日：2024-12-16
Applicant: 重庆邮电大学
Abstract: 本发明属于低轨卫星无线通信技术领域，具体涉及一种低轨卫星物联网场景下的终端分组切换方法，包括构建多星覆盖通信系统模型，其包括多个用户终端和多个低轨卫星；基于带宽需求、业务优先级和位置坐标，计算相似度矩阵；根据相似度矩阵对用户终端进行初始划分，得到多个初始的分组；根据预测切换成功率、预测卫星负载、预测切换时延和实际业务优先级，构建每一用户终端的效用函数；基于初始的分组，根据效用函数进行组内优化和组间优化切换，得到最终分组切换结果；本发明能够更好地适应各种卫星通信场景，减少系统的信令开销，提高用户终端的切换成功率。
-
公开(公告)号：CN114462509A
公开(公告)日：2022-05-10
申请号：CN202210032549.3
申请日：2022-01-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种分布式物联网设备异常检测方法，属于物联网领域。该方法是先学习异常数据潜在特征分布，并进行特征校正与特征判别，获取高质量的重构数据，均衡正常数据与异常数据比例，并通过所述均衡后的数据指导异常检测网络的训练，输出判别门限，对异常数据进行识别。然后采用基于动态模型选择的联邦学习算法，计算每一个模型的置信度，动态选择本地模型上传至中央服务器进行模型聚合。本发明能够实现物联网场景下高维且不均衡数据的高精度异常检测，保障模型的泛化能力。
-
公开(公告)号：CN114760202A
公开(公告)日：2022-07-15
申请号：CN202210210347.3
申请日：2022-03-04
Applicant: 重庆邮电大学
IPC: H04L41/082 , H04L41/0823 , H04L41/0895
Abstract: 本发明涉及一种网络切片场景下服务功能链可靠构建与部署方法，属于移动通信技术领域。该方法为：在网络切片场景下，对多个服务请求下的服务功能链SFC进行可靠构建，采用基于共享虚拟网络功能VNF的SFC可靠构建算法，通过VNF的依赖关系及可共享次数构建服务功能图SFG，选择可靠性最高的SFG，完成多个网络切片服务请求的SFC构建；基于SFG的构建结果对其进行可靠映射，采用基于延迟感知和可靠的SFG映射算法，对SFG中的VNF进行映射及备份以满足用户的可靠性需求，并使用基于节点重要度的启发式算法，以在多项式时间内找寻映射方案的最优解。本发明能保证网络中SFC可靠性，有效减少网络资源消耗和整体服务成本。
-
公开(公告)号：CN114755528A
公开(公告)日：2022-07-15
申请号：CN202210210346.9
申请日：2022-03-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种配电网二端故障定位方法，属于电力系统领域。该方法通过增强卷积神经网络(En‑CNN)与两端故障定位相结合的方法，进行配电网故障定位。首先，改进卷积神经网络的池化层模型，在最大池化模型的基础上加入自适应权重来优化池化结果，提高了网络的特征提取能力。其次，利用双端故障测距原理进行二次故障测距，进一步确定故障的位置，利用故障线路两端的负序电压和负序电流分量进行故障定位。本发明能够实现全线无盲区故障定位，且能够快速、准确的进行单相接地故障诊断，以缩短维修人员寻找故障所需的时间，提高供电可靠性，减少经济损失。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
