-
Patent Agency Ranking
公开(公告)号：CN115454778A
公开(公告)日：2022-12-09
申请号：CN202211188672.0
申请日：2022-09-27
Applicant: 浙江大学
Abstract: 本发明公开了一种大规模云网络环境下的时序指标异常智能监控系统，包括数据预处理模块、智能基线及预测值获取模块、异常告警模块等。数据预处理模块从云网络各网元节点采集时序指标数据；智能基线及预测值获取模块采用基于机器学习的方法获取时序指标数据的基线，根据基线获取每个时序指标数据的预测值，预测值在经过缩放后存入数据库；异常告警模块将实时流量时序指标数据与时序指标数据预测值进行比较，当预测值与实时值连续多次差距超过设定阈值时，触发告警。相比现有技术，本发明解决了云网络时序指标模型种类较多，难以用固定阈值监控的问题，保证以较低误报率和漏报率检测云网络时序指标异常。
-
公开(公告)号：CN116662449B
公开(公告)日：2024-06-04
申请号：CN202310704298.3
申请日：2023-06-14
Applicant: 浙江大学
IPC: G06F16/27 , G06F16/2453 , G06F16/2455 , G06F16/2458 , G06F9/54
Abstract: 本发明公开了一种基于广播子查询缓存的OLAP查询优化方法及系统。现有的OLAP系统查询结果缓存方案在时序类型的数据分析场景中，其缓存命中率非常低，本发明提出了新的、更加细粒度、灵活的缓存方案，即针对子查询算子的局部结果进行缓存，避免了查询结果缓存的设计缺陷，可以直接应用到分布式大数据分析系统中；本发明通过缓存广播机制，可以在集群环境中直接应用，使子查询的缓存在所有节点均可用，提升整体的缓存命中率，充分利用分布式集群能力加速OLAP的查询性能。
-
公开(公告)号：CN116662828B
公开(公告)日：2023-12-29
申请号：CN202310704295.X
申请日：2023-06-14
Applicant: 浙江大学
IPC: G06F18/22 , G06N3/0442 , G06N3/08 , G06F18/24 , G06F18/2433 , G06F18/213 , G06Q10/20 , G06F123/02
-
公开(公告)号：CN116662828A
公开(公告)日：2023-08-29
申请号：CN202310704295.X
申请日：2023-06-14
Applicant: 浙江大学
IPC: G06F18/22 , G06N3/0442 , G06N3/08 , G06F18/24 , G06F18/2433 , G06F18/213 , G06Q10/20 , G06F123/02
Abstract: 本发明公开了一种云网络多阶段异常检测方法及系统，其特征是结合轻量、高召回率的基于动态窗口的时序预测方法和复杂、高准确率的基于云网络拓扑的异常检测方法，分阶段检测云网络设备和实例的异常；首先根据子时序相似度设置提取上、下包络的窗口长度，再使用自适应的时序预测算法对上、下包络进行预测，并基于预测结果对云网络千万量级设备和实例进行轻量、高召回率的异常检测，接着使用基于拓扑的异常检测方法对上一步生成的数据异常进行复杂、高准确率的异常检测，最后可以实现高准确率、高召回率的异常检测，精准发现云网络设备和实例的故障，减少误报对运维人员的干扰，提升运维效率。
-
公开(公告)号：CN113708987A
公开(公告)日：2021-11-26
申请号：CN202010443928.2
申请日：2020-05-22
Applicant: 浙江大学
IPC: H04L12/26
Abstract: 本申请关于一种网络异常检测方法及装置。所述方法包括：获取网络节点的至少一个网络流量指标的指标数据；分别从所述指标数据中获取所述至少一个网络流量指标的周期信息和趋势信息；根据所述周期信息和所述趋势信息，分别确定所述至少一个网络流量指标的异常结果；根据所述至少一个网络流量指标的异常结果，确定所述网络节点的异常结果。利用本申请各个实施例提供的网络异常检测方法及装置，可以提升网络异常检测的准确性。
-
-
-
-
Search Results
15
records
(took 0.015 seconds)
