-
公开(公告)号：CN1545245A
公开(公告)日：2004-11-10
申请号：CN200310114343.2
申请日：2003-11-12
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及数据网络流量在线预测方法。本方法分为两个部分：流量模型在线学习算法和基于该流量模型的流量预测算法。利用简单、易于实现的流量模型，并通过在线学习的方法获得准确的模型参数，提高了流量预测的精度。由于采用的模型具有动态实时特性，因此基于该流量模型的流量在线预测算法更具实际意义。方法中采用的周期性流量模型通过分析WAN/LAN流量数据集合获得，它把网络数据分为时间相关分量和时间无关分量，时间相关分量是时间的周期可列函数，时间无关分量通过函数拟合的方法获得。理论及实验都显示该模型能够合理刻画流量特征。本发明可用于短期内在线流量预测，实际流量结果分析显示了其预测结果的可信性。
-
公开(公告)号：CN1540929A
公开(公告)日：2004-10-27
申请号：CN200310104718.7
申请日：2003-10-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及计算机网络测试与监控技术领域的分布式网络主动测试结果存储方法。分布于网络各处的测试探针运行时，动态建立树状结构存储测试结果。该结构的每一个叶子节点对应一种性能指标，分别定义实现了性能指标结果存储的统一的属性和方法，具体测试结果保存在叶子节点的子节点中并动态刷新，出现新的性能指标可通过增加新的叶子节点来扩展该树状存储结构，对测试结果的读取和设置使用SNMP网络管理协议完成。与基于文件存储方法比较，测试结果的分布式树状结构存储降低了测试系统的复杂性和成本，提高了测试探针的可靠性，并与已有网络管理系统相兼容。方法可应用于大规模高速网络的测试监控系统，并可无缝集成到基于SNMP的网络管理系统中。
-
公开(公告)号：CN119862480A
公开(公告)日：2025-04-22
申请号：CN202510026053.9
申请日：2025-01-08
Applicant: 中国科学院计算技术研究所
IPC: G06F18/2415 , H04L9/40 , G06F18/2431 , G06F18/15 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/21 , G06F18/22 , G06N3/045 , G06N3/0455 , G06N3/0895 , G06F123/00 , G06F123/02
Abstract: 本发明提供一种基于对比学习的加密网络流量分类模型及其训练方法，模型包括轻量级网络模块、分类器和特征提取器，特征提取器包括嵌入层和编码模块；方法包括，获取第一训练集，包括正样本和负样本，正样本包括从同一条加密流量中提取的时间特征和空间特征，负样本包括从两条不同加密流量中分别提取的时间特征和空间特征；利用第一训练集通过对比学习来预训练特征提取器学习时间特征和空间特征间的关系，得到预训练的特征提取器，获取第二训练集，其每个原始样本包括从同一条加密流量提取的时间特征和空间特征；冻结预训练的特征提取器的编码模块的参数，利用第二训练集训练模型根据加密流量的时间特征和空间特征进行流量分类，得到经训练的模型。
-
公开(公告)号：CN111143427B
公开(公告)日：2023-09-12
申请号：CN201911166655.5
申请日：2019-11-25
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , H04L67/56 , H04L67/5651 , H04L69/22
Abstract: 本发明公开了一种基于在网计算的分布式信息检索方法，包括：根据用户的检索要求，代理服务器通过网络向检索服务器发出检索指令；通过该检索服务器进行检索以获取初步检索结果，并发送至该网络；在该网络中对该初步检索结果进行聚合，获得聚合检索结果并发送至该代理服务器；通过该代理服务器从该聚合检索结果中选出最终检索结果并反馈给该用户。本发明利用网络的可编程交换机，对检索服务器获得的初步检索结果进行在网聚合，以减小网络中检索数据的传输量，从而有效降低网络通信开销，也不影响正常的数据高速转发。
-
公开(公告)号：CN112306641B
公开(公告)日：2023-07-21
申请号：CN202011293834.8
申请日：2020-11-18
Applicant: 中国科学院计算技术研究所
IPC: G06F9/455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种用于虚拟机迁移模型的训练方法，所述方法包括：S1、构建初始迁移模型，并随机初始化模型参数；S2、获取初始环境状态，将每一个虚拟机对应的初始环境状态进行张量化表示；S3、以初始环境状态对应的所有张量化表示作为起点，对初始化后的迁移模型进行回合制训练，直至达到预设的训练回合；S4、动态采集数据中心的虚拟机环境状态信息对完成回合制训练的迁移模型进行在线训练直至迁移模型收敛。本发明能够将多目标的虚拟机动态迁移优化问题抽象为一个强化学习模型的训练和推理过程，通过训练能够得到最优化的虚拟机动态迁移模型，实现数据中心长时间低能耗和高服务质量目标，并且得到的迁移模型可以灵活地应用于各种通用的云数据中心虚拟机管理系统和业务环境。
-
Patent Agency Ranking
公开(公告)号：CN112672190B
公开(公告)日：2023-04-25
申请号：CN202011523177.1
申请日：2020-12-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种MPQUIC系统调度器调度发送量的方法的方法，所述MPQUIC系统通过Path A和Path B两条路径发送数据，Path A的资费低于Path B，所述方法包括：从应用层接收本轮要发送的数据块和传输时长tc，将数据块分为SEQsum个数据包；预测Path A路径的传输能力，基于该传输能力的发送量和根据上一轮Path A路径传输时间，对本轮传输分配的发送量进行调整，将调整后的发送量分配给Path A；向Path B路径分配的发送量为剩余的发送量；在完成本轮传输后，记录下WIFI路径完成传输的时间与tc的差D。本发明的优点在于基于双子流对传的思想能够充分利用多物理接口的性能，考虑实际异构无线网络的状态变化，最终实现传输性能和流量资费的平衡。
-
公开(公告)号：CN115766600A
公开(公告)日：2023-03-07
申请号：CN202211358713.6
申请日：2022-11-01
Applicant: 中国科学院计算技术研究所
IPC: H04L47/2483 , H04L41/0873
Abstract: 本发明提出一种在可编程交换机上进行流大小无关的流记录计数方法和系统，包括：解析计数周期内发送端发出的每一个数据包，将流ID同时输入哈希组中的多个哈希函数，将每个哈希函数输出的哈希值作为布鲁姆记录表的地址索引；判断布鲁姆记录表中地址索引的位置是否为空，若是则将流ID记录于位置并给出代表流已被记录的标志位，流计数器数值加1；否则执行冲突解决策略，若依然存在记录冲突，则给出代表发生记录误差的标志位，误差计数器数值加1。本发明能够在较为准确地对流量进行计数的同时记录流ID，能够应对较重的流量负载，同时具备对给定数量的流进行计数的能力。当流记录计数过程完成时，能够给出“是否存在计数误差”的显式提示。
-
公开(公告)号：CN113225380B
公开(公告)日：2022-06-28
申请号：CN202110359576.7
申请日：2021-04-02
Applicant: 中国科学院计算技术研究所
IPC: H04L67/568 , H04L67/5682 , H04L67/10 , H04L67/63 , G06K9/62
Abstract: 本发明提出一种基于谱聚类的内容分发网络缓存方法及系统包括准入策略和替换策略两部分。其中，准入策略基于谱聚类挖掘请求之间的关联性，将具有关联性的用户请求预取到CDN的HOC中，从而尽可能减少在HOC中缓存未命中情况的发生。而替换策略则利用GDSF的替换策略，基于用户请求的频率、大小和最近访问的时间来选择缓存替换的对象。此外，SpeCache设置的缓存参数不是固定的，通过在请求记录上滑动窗口来计算并按照一定的时间间隔更新相应参数，这种数据驱动的方法可以使得缓存策略随着CDN流量模式的变化而动态更新，同时也避免了历史信息的过拟合，最终提升CDN缓存的命中率。
-
公开(公告)号：CN112367213B
公开(公告)日：2022-02-25
申请号：CN202011082446.5
申请日：2020-10-12
Applicant: 中国科学院计算技术研究所
IPC: H04L43/0823 , H04L43/50 , H04L41/0893
-
公开(公告)号：CN110321463B
公开(公告)日：2022-01-21
申请号：CN201910466313.9
申请日：2019-05-31
Applicant: 中国科学院计算技术研究所
IPC: G06F16/903
Abstract: 本发明提出一种字符串匹配方法，包括：首先，构建一个全局迁移表，存储同一输入字符的相同目的状态的迁移边；其次，构建每个状态的本地迁移表，针对每个输入字符，存储与全局迁移表中不同目的状态的迁移边，并采用比特位图进一步压缩本地迁移边表。全局迁移表的构建时间复杂度为O(M×N)，M表示DFA状态总数，N表示字母表中唯一字符个数，因此RDFA比已有算法的构建时间少；同时，全局迁移表减少了大量冗余迁移边，RDFA显著压缩DFA存储空间；针对每个读入字符，RDFA仅需要查找当前状态的本地迁移表和全局迁移表，从而提高字符串匹配吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
169
records
(took 0.034 seconds)
