-
Patent Agency Ranking
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。
-
公开(公告)号：CN114390489A
公开(公告)日：2022-04-22
申请号：CN202210210350.5
申请日：2022-03-04
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种端到端网络切片的服务化部署方法，属于移动通信技术领域。该方法包括：S1：构建基于复杂网络理论模型的拓扑信息感知算法；S2：根据拓扑信息定义节点重要性度量指标，分析基础设施网络中物理节点拓扑特性并制定节点部署算法和链路映射算法；S3：最后考虑由于不同服务需求导致的不同部署优化目标，分别为eMBB、mMTC和uRLLC三种类型切片构建专属优化目标模型及主要部署目标模型。本发明能够在保证切片满足各种应用场景服务需求的同时，有效降低网络切片部署成本和部署时间，提高资源利用率。
-
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。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
