-
公开(公告)号：CN113411841A
公开(公告)日：2021-09-17
申请号：CN202010186555.5
申请日：2020-03-17
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种5G切片的割接合并方法、装置及计算设备，该方法包括：获取切片网络待进行的割接拓扑图信息；对所述割接拓扑图信息分解得到切片邻接矩阵和切片特征矩阵；其中，切片邻接矩阵表示割接拓扑图中节点之间的连接关系，以及切片特征矩阵表示待进行的多个割接对每个切片节点的影响属性；将所述切片邻接矩阵和切片特征矩阵输入至训练好的切片网络割接合并器中预测得到割接合并信息；根据所述割接合并信息进行割接处理。通过上述方式，从割接拓扑图信息中分解出切片邻接矩阵和切片特征矩阵后，输入至切片网络割接合并器中即可预测得到对待进行的割接进行合并的方式，可以自动的完成切片割接合并。
-
公开(公告)号：CN113327186A
公开(公告)日：2021-08-31
申请号：CN202010126575.3
申请日：2020-02-28
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
IPC: G06Q50/30 , G06F16/31 , G06F40/242 , G06F40/289 , G06N3/04
Abstract: 本发明实施例涉及通信技术领域，公开了一种切片局数据调整方法及装置、控制系统，该方法包括：获取切片应用的业务调整需求及当前存放的切片局数据；分别对所述业务调整需求及所述当前存放的切片局数据进行预处理；将经过预处理的业务调整需求及当前存放的切片局数据输入至神经网络模型进行调整，得到目标切片局数据。通过上述方式，根据行业用户的需求及当前存放的切片局数据，利用神经网络模型来进行动态调整，输出目标切片局数据，可实现动态调整目的。
-
公开(公告)号：CN113259145A
公开(公告)日：2021-08-13
申请号：CN202010090372.3
申请日：2020-02-13
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及通信网络技术领域，公开了一种端到端组网方法、组网装置及网络切片设备，该方法包括：获取多个历史用户的服务等级协议需求、网络切片创建成本以及资源利用效率；确定历史用户对应的切片组网方案；对基于深度学习框架搭建的神经网络模型进行训练，获得在线分析模型；获取当前用户的服务等级协议需求、网络切片创建成本以及资源利用效率；通过所述在线分析模型，对所述当前用户的服务等级协议需求、网络切片创建成本以及资源利用效率进行在线分析；根据所述在线分析的结果，输出与所述当前用户对应的切片组网方案。通过上述方式，本发明实施例实现了自动提供满足用户需求的最优组网方案，实现资源利用率和网络代价的平衡。
-
公开(公告)号：CN112994923A
公开(公告)日：2021-06-18
申请号：CN201911309127.0
申请日：2019-12-18
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种网元选取方法及装置。其中，方法包括：接收网元选取请求；其中，网元选取请求中携带有网元选取条件；获取至少一个服务网元的状态信息和属性信息；将网元选取条件，以及至少一个服务网元的状态信息和属性信息输入至预先训练完成的机器学习模型中；获取机器学习模型输出的任一服务网元的评价值；基于任一服务网元的评价值，确定目标服务网元。本方案中通过采用机器学习的方法，基于网元选取条件、服务网元的状态信息、以及服务网元的属性信息三个维度数据综合地确定出与目标服务网元，从而能够大幅提升服务网元的选取精度，并具有较高的选取效率，适于大规模应用与实施。
-
公开(公告)号：CN112749041A
公开(公告)日：2021-05-04
申请号：CN201911039386.6
申请日：2019-10-29
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及通信技术领域，公开了一种虚拟化网络功能备份策略自决策方法、装置及计算设备，该方法包括：从网络功能虚拟化网元层和网络功能虚拟化硬件层获取实时多维关键绩效指标数据；对所述实时多维关键绩效指标数据做归一化的预处理；将预处理后的所述实时多维关键绩效指标数据输入预先训练好的备份策略自选取模型中，并通过预先训练好的所述备份策略自选取模型输出最优备份动作；根据预设的备份路径将所述最优备份动作下发至所述网络功能虚拟化硬件层执行所述最优备份动作。通过上述方式，本发明实施例能够获得最大奖励的备份动作，实现NFV网络中对VNF自动备份策略的自主学习。
-
Patent Agency Ranking
公开(公告)号：CN112101394A
公开(公告)日：2020-12-18
申请号：CN201910526989.2
申请日：2019-06-18
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及通信技术领域，公开了一种供应商分域部署方法、装置、计算设备及计算机存储介质，该方法包括：获取供应商的行为数据；将供应商的行为数据输入到分类模型中，得到供应商的行为类型，其中，分类模型是通过多组训练数据训练得到的，多组训练数据中每一组训练数据均包括：供应商的行为数据和用来表示供应商的行为类型的标识信息；根据供应商的行为类型，对供应商进行分域部署。通过上述方式，本发明实施例实现了自动识别供应商的行为类型，并根据供应商的行为类型，对供应商进行分域部署，从而提高了网络服务性能。
-
公开(公告)号：CN110858812A
公开(公告)日：2020-03-03
申请号：CN201810975024.7
申请日：2018-08-24
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例提供一种网元割接值守方法及装置，该方法包括：将网元割接事前检测的第一网元性能数据与网元割接事后检测的第二网元性能数据作差，获得性能差值数据；将性能差值数据输入至异常检测模型，获得异常检测模型输出的差值重建数据；若判断获知性能差值数据与差值重建数据之间的重建误差大于误差阈值，则确认网元在检测第二网元性能数据的时刻处于异常运行状态。本发明实施例由于利用深度学习比对割接事前和事后的性能数据来进行割接值守，相对于人工值守或设置阈值值守的方式提高了判断网元是否异常运行的准确度，降低了虚警率，避免网元割接后存在的安全隐患。
-
公开(公告)号：CN110798330A
公开(公告)日：2020-02-14
申请号：CN201810866390.9
申请日：2018-08-01
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例公开了一种电信诈骗库更新处理方法及装置，方法包括：将接收的主叫号码和电信诈骗库中的号码进行匹配，若匹配，则在核心网侧对主叫号码进行拦截；若未匹配电信诈骗库中的号码，则将主叫号码和疑似电信诈骗库中的号码进行匹配；若未匹配疑似电信诈骗库中的号码，则将主叫号码输入神经网络模型，并根据神经网络模型的输出结果确定主叫号码为诈骗号码，则将主叫号码添加至电信诈骗库。通过将接收的主叫号码和电信诈骗库以及疑似电信诈骗库进行匹配，当未匹配成功时输入神经网络模型进行验证，当根据输出结果确认为诈骗号码时将主叫号码添加至所述电信诈骗库，有效提高了电信诈骗识别的准确率，从而实现对电信诈骗行为的实时防控。
-
公开(公告)号：CN110753366A
公开(公告)日：2020-02-04
申请号：CN201810820109.8
申请日：2018-07-24
Applicant: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例提供的一种行业短信网关容量的预测处理方法及装置，该方法包括：获取第一时间段内行业短信网关的历史运行参数特征，根据所述历史运行参数特征和预设的预测神经网络模型获得第二时间段内的容量预测序列，将所述容量预测序列中的各个容量值分别与预设的负荷阈值进行比较，当确定存在容量值超过负荷阈值，则发出扩容提醒信息，获取所述容量预测序列中的最大容量值，根据所述最大容量值与预设的扩容公式获得行业短信网关的扩容容量值，达到为未来时间段行业短信网关容量预测的目的，为后续扩容容量提供参考。
-
公开(公告)号：CN110581785A
公开(公告)日：2019-12-17
申请号：CN201810594497.2
申请日：2018-06-11
Applicant: 中国移动通信集团浙江有限公司
IPC: H04L12/26
Abstract: 本发明实施例提供一种可靠性评估方法和装置，该方法包括：根据业务模块的业务类型，获取待评估网元的各业务模块各自对应的故障测试用例；其中，所述故障测试用例包括：与所述业务类型关联的业务层故障测试用例、物理层故障测试用例和虚拟化层故障测试用例；针对每一业务模块，向所述待评估网元分层注入所述业务模块对应的故障测试用例，并根据所述待评估网元对应的业务测试背景流量，进行所述业务模块对应的业务测试；根据各业务模块的业务测试结果，对所述待评估网元的可靠性进行评估。本发明实施例提供的方案，能够对基于NFV网络的云业务网元进行可靠性评估，提高评估准确度，从而保障基于NFV网络的云业务可靠性。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.036 seconds)
