-
公开(公告)号：CN119996318A
公开(公告)日：2025-05-13
申请号：CN202510178746.X
申请日：2025-02-18
Applicant: 南京邮电大学
IPC: H04L47/12 , H04L47/283 , H04L47/6275 , H04L69/22
Abstract: 本发明公开了一种面向跨数据中心网络的TCP加速方法，本发明涉及跨数据中心网络拥塞控制技术领域。该面向跨数据中心网络的TCP加速方法。通过利用一个中继交换机设备，延迟转发一条长距离传输数据流的拥塞信息，同时暂存部分拥塞报文，从而消除长距离链路带来拥塞控制环路长、发送速率调整不及时的问题，使该数据流保持准确的降速和增速行为，并且当跨数据中心网络发生拥塞时，中继设备能通过多种拥塞信号计算拥塞程度，精准判断在跨数据中心网络中发生拥塞的交换机类型，以选择对应的调速方案，消除网络拥塞，具有部署方便，兼容度高，同时不需要发送端或者接收端修改系统网络配置即可正常使用的优势。
-
公开(公告)号：CN119151020A
公开(公告)日：2024-12-17
申请号：CN202411669744.2
申请日：2024-11-21
Applicant: 南京邮电大学
IPC: G06N20/00 , G06F18/25 , G06N3/0499 , G06N3/08 , G06F18/213
Abstract: 本发明属于人工智能和机器学习领域，公开了一种具有鲁棒性的多模态联邦学习框架，包括：S1获取缺失模态，筛选出和缺失模态相关性强的模态，采用多层感知机训练进行预测，完成模态对齐；S2对模态中的特征数据打上标签，结合特征数据合成特征向量；S3使用基于注意力机制，融合特征数据，构成模态向量；S4对已经对齐并融合的模态数据进行本地训练；S5上传本地训练模型至服务器，采用联邦学习框架进行聚合操作，并将模型分发给客户端进行下轮迭代直至模型收敛。本发明通过预测缺失模态与多模态数据融合，有效解决模态缺失时训练模型精度降低的问题，减轻了模态缺失对训练精度的影响，提高了联邦学习的可靠性。
-
公开(公告)号：CN119052180A
公开(公告)日：2024-11-29
申请号：CN202410886184.X
申请日：2024-07-03
Applicant: 南京邮电大学
IPC: H04L47/263 , H04L47/11 , H04L47/12 , H04L1/1607
Abstract: 本发明公开了一种基于提前丢包反馈的广域网TCP拥塞控制方法及系统，方法包括：在发送端与接收端之间建立一条TCP连接，发送端向接收端发送TCP数据报文；中转设备处接收TCP数据报文，并进行转发，若转发时出口队列缓存达到丢弃阈值，则标记对应方向TCP流有报文丢失，丢弃TCP数据报文并生成RDN通告报文；中转设备向发送端发送RDN通告报文，发送端接收并标记对应数据报文丢失，进入拥塞控制状态；发送端重传携带CWR标志的数据报文，中转设备接收到发送端已响应RDN回路，清除对应TCP流拥塞标志位。本发明设计了较短的提前丢包反馈控制回路，能够明显地让控制时延降低，使发送端更及时地感知拥塞做出反应，减少后续丢包的发生，精准地辅助发送端重传丢失数据段。
-
公开(公告)号：CN117544567B
公开(公告)日：2024-03-19
申请号：CN202410027995.4
申请日：2024-01-09
Applicant: 南京邮电大学
IPC: H04L47/12 , H04L47/26 , H04L47/263 , H04L47/27
Abstract: 本发明公开存传一体的RDMA数据中心拥塞控制方法，属于计算机应用技术领域，包括：接收端接收数据包时，记录ECN标志位，根据接收端网卡的缓存占用检测接收端网卡侧拥塞程度；接收端通过跟踪单位时间内接收端网卡向SSD发送报文的数量以及使用写盘的EWMA时延实时刻画SSD侧的拥塞程度；接收端融合ECN标志位、接收端网卡拥塞标志位、SSD拥塞标志位三者的拥塞信息，更新反馈信号ACK中的拥塞标志位，并反馈给发送端；发送端根据ACK更新速率变量Rate，控制发送端的发送速率，有效解决了当前网卡与SSD间带宽不匹配，容易堆积并反压网卡、无法有效处理网卡与SSD侧数据的堆积等问题。
-
公开(公告)号：CN117395206B
公开(公告)日：2024-03-12
申请号：CN202311696856.2
申请日：2023-12-12
Applicant: 南京邮电大学
IPC: H04L47/26 , H04L47/10 , H04L47/2425 , H04L49/111
Abstract: 本发明属于无损数据中心网络优化技术领域，公开了一种面向无损数据中心网络的快速精确拥塞反馈方法，包括：在无损数据中心网络部署基于优先级的PFC与端到端的拥塞控制算法；为每个交换机端口维护一个端口状态表；定义每个端口有2类状态：确定和不确定，并在交换机受到PFC影响后使用portTable更新端口当前状态；发送端收到CNP报文，更新窗口值并降速。本发明主要包含精确的拥塞检测模块与快速显示窗口分配模块，有效解决了当前数据中心端到端的拥塞控制反馈周期过长，速率收敛缓慢，拥塞检测无法区分真正导致拥塞的流和仅受到PFC机制影响的受害者流等问题。
-
Patent Agency Ranking
公开(公告)号：CN117544567A
公开(公告)日：2024-02-09
申请号：CN202410027995.4
申请日：2024-01-09
Applicant: 南京邮电大学
IPC: H04L47/12 , H04L47/26 , H04L47/263 , H04L47/27
Abstract: 本发明公开存传一体的RDMA数据中心拥塞控制方法，属于计算机应用技术领域，包括：接收端接收数据包时，记录ECN标志位，根据接收端网卡的缓存占用检测接收端网卡侧拥塞程度；接收端通过跟踪单位时间内接收端网卡向SSD发送报文的数量以及使用写盘的EWMA时延实时刻画SSD侧的拥塞程度；接收端融合ECN标志位、接收端网卡拥塞标志位、SSD拥塞标志位三者的拥塞信息，更新反馈信号ACK中的拥塞标志位，并反馈给发送端；发送端根据ACK更新速率变量Rate，控制发送端的发送速率，有效解决了当前网卡与SSD间带宽不匹配，容易堆积并反压网卡、无法有效处理网卡与SSD侧数据的堆积等问题。
-
公开(公告)号：CN117112283B
公开(公告)日：2024-01-26
申请号：CN202311382342.X
申请日：2023-10-24
Applicant: 南京邮电大学
IPC: G06F11/07
Abstract: 本发明属于故障诊断领域，公开了一种基于PMC模型的并行自适应诊断方法,当指定系统中包含多个子结构且这些子结构都包含哈密顿圈时，分别对这些小的哈密顿圈进行顺时针测试，将其划分为可疑和正确两种。然后对可疑哈密顿圈进行测试，并将其划分为若干序列，根据序列的数量和PMC的测试规则将结点的状态分为故障结点，无故障结点和未知结点,对于剩余仍未知结点再进行一轮测试来确定其状态是故障的还是非故障的，从而诊断出所有故障结点。本发明能够很好地对发生故障的结点进行快速定位,具有很好的普适性和准确率,只要多处理器系统可以分为多个哈密顿圈子结构，都可以采用该诊断方法，在多处理器系统故障诊断的应用上有着广泛的市场前景。
-
公开(公告)号：CN119788571A
公开(公告)日：2025-04-08
申请号：CN202510014026.X
申请日：2025-01-06
Applicant: 南京邮电大学
IPC: H04L43/0852 , H04L41/0677 , H04L41/14
Abstract: 本发明属于网络瓶颈诊断领域，公开了一种基于环回测试的主机内部网络延迟诊断方法，基于RoCE‑v2协议，使用NS‑3(Network Simulator3)网络模拟软件搭建一个RDMA网络仿真环境，并在该网络中实现一个RDMA主机内网络诊断工具，该工具以主机内部的网络带宽与延迟作为测量的指标，通过在主机内部的RDMA NIC和PCIe endpoint之间进行环回测试进行指标的测量。在收集到测量数据后，可以根据数据进行主机内部网络情况的分析，并以此诊断主机内部的瓶颈。
-
公开(公告)号：CN115098497A
公开(公告)日：2022-09-23
申请号：CN202210685649.6
申请日：2022-06-16
Applicant: 南京邮电大学
IPC: G06F16/22 , G06F16/2455
Abstract: 本发明公开了一种关键数据结构的动态重构方法，此方法适用于多种数据结构，以哈希表为例，首先新建一个哈希表，用于存储旧的哈希表中的节点；遍历旧哈希表中每个哈希桶的节点，对于每个节点，首先全局指针指向该节点，此时该节点进入危险期然后将该节点从旧哈希表中删除；根据新的哈希表的哈希函数，确定当前节点在新哈希表中的位置，将当前节点插入到新哈希表中，同步将全局指针设为NULL，当前节点结束危险期状态；重复上述操作，直至旧哈希表中节点数为0，删除旧哈希表。本发明通过动态改变哈希函数来重建哈希表，解决健壮性问题，使用全局指针解决了在重建哈希表的过程中由于伴随着并发的插入、删除以及查询操作所导致的数据短暂丢失的问题。
-
公开(公告)号：CN119151020B
公开(公告)日：2025-03-07
申请号：CN202411669744.2
申请日：2024-11-21
Applicant: 南京邮电大学
IPC: G06N20/00 , G06F18/25 , G06N3/0499 , G06N3/08 , G06F18/213
Abstract: 本发明属于人工智能和机器学习领域，公开了一种具有鲁棒性的多模态联邦学习框架，包括：S1获取缺失模态，筛选出和缺失模态相关性强的模态，采用多层感知机训练进行预测，完成模态对齐；S2对模态中的特征数据打上标签，结合特征数据合成特征向量；S3使用基于注意力机制，融合特征数据，构成模态向量；S4对已经对齐并融合的模态数据进行本地训练；S5上传本地训练模型至服务器，采用联邦学习框架进行聚合操作，并将模型分发给客户端进行下轮迭代直至模型收敛。本发明通过预测缺失模态与多模态数据融合，有效解决模态缺失时训练模型精度降低的问题，减轻了模态缺失对训练精度的影响，提高了联邦学习的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.033 seconds)
