-
公开(公告)号：CN109412963B
公开(公告)日：2021-08-17
申请号：CN201811363549.1
申请日：2018-11-16
Applicant: 电子科技大学
IPC: H04L12/801 , H04L12/803 , H04L29/08 , H04L12/46
Abstract: 本发明公开了一种基于流拆分的服务功能链部署方法。在本发明中，部署大象流服务功能链请求时，将该服务功能链拆分成多个子链进行部署，这样在提高大象流接受率的同时可以缓解由于大象流占用带宽资源过多导致网络堵塞导致排在大象流后的老鼠流排队时延过大，提高数据中心网络的服务质量。由于本发明提出的部署算法，基于worst‑fit策略选择剩余带宽资源最多的链路进行部署，可以减少网络堵塞的发生。由于本发明提出的算法在部署SFC时，对于同一条SFC的虚拟网络功能部署的服务器，尽量使它们在网络中相隔的跳数最少，从而减少网络带宽资源的消耗。
-
公开(公告)号：CN113114580A
公开(公告)日：2021-07-13
申请号：CN202110413590.0
申请日：2021-04-16
Applicant: 电子科技大学
IPC: H04L12/801 , H04L12/823 , H04L12/841 , H04L12/24 , H04L12/26 , H04L29/06
Abstract: 本发明提供了一种面向5G网络拥塞控制的用户态传输协议开发框架及方法，属于通信技术领域，包括应用程序接口、发送机模块、接收机模块、监听器模块、拥塞控制模块、UDP通道、发送缓存模块、接收缓存模块、发送机丢包列表以及接收机丢包列表。本发明能够将与拥塞控制无关的行为解耦合，仅对拥塞控制算法及相关协议行为进行自定义，并抽象了典型的基于丢包、基于时延、基于学习等开发模板；使得各种典型的拥塞控制算法都可以基于该协议框架很方便的进行实现、部署和测试。
-
公开(公告)号：CN110213369B
公开(公告)日：2021-03-16
申请号：CN201910476137.7
申请日：2019-06-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种服务功能链自动编排系统及其编排方法。传统的服务功能链编排架构并未考虑动态编排场景，本发明能适用于服务功能链的动态编排场景，适用范围更广。本发明提出的服务功能链自动编排架构，具备闭环控制的自动化编排能力，能够应对业务需求和网络状况不断变化的场景，具有较强的自适应性。本发明在提出服务功能链自动编排架构的基础上给出了对应的实现方法，与现有的编排架构研究相比具有更高的可行性。
-
公开(公告)号：CN112100659A
公开(公告)日：2020-12-18
申请号：CN202010963388.0
申请日：2020-09-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种区块链联邦学习系统及拜占庭攻击检测方法，其中区块链联邦学习系统包括数据持有者、验证器、矿工和任务发布者；若干个验证器构成验证器组，每个验证器组与一个矿工相连接构成边缘云，每个数据持有者随机与附近边缘云的验证器组中的任一验证器相连接；所有边缘云的矿工构建区块链网络，并通过区块链网络与任务发布者相连。本区块链联邦学习系统可部署于包含移动边缘计算、微数据中心、微云在内的多种边缘计算场景中，利用边缘基础设施的充足计算、通信、存储资源来均衡验证负载，从而减小验证时延，提高系统效率。本方法可以容忍负精度增益的本地模型，能够在保障模型精度无损的前提下取得高检测率。
-
公开(公告)号：CN108718283B
公开(公告)日：2020-12-08
申请号：CN201810414816.7
申请日：2018-05-03
Applicant: 电子科技大学
IPC: H04L12/801 , H04L12/815 , H04L29/06
Abstract: 本发明公开了一种数据中心网络中集中式端网协调的TCP拥塞控制方法，其包括获取其每个端口的队列长度，当端口处于拥塞状态时，根据不同拥塞等级的队列长度阈值，对端口的拥塞等级进行标记；提取处于拥塞状态的端口新入队的每个数据包的源目IP、源目TCP端口和Packet字节大小，并采用提取的信息与端口的拥塞等级生成拥塞报文；控制器接收交换机上传的拥塞报文，并根据拥塞报文对应端口的拥塞等级选取端口需要降速的调度流和降速因子；采用每个拥塞端口的调度流和降速因子生成调整报文，并通过TCP Socket通信的方式将该调整报文发送给调度流对应的主机端；主机端根据调整报文中的调度流和降速因子，调整调度流的发送速率。
-
Patent Agency Ranking
公开(公告)号：CN110995488B
公开(公告)日：2020-11-03
申请号：CN201911220964.6
申请日：2019-12-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于分层参数服务器的多机构协同学习系统，包括中心机构，以及与所述中心机构通过WAN网连接的若干个参与机构。基于上述系统，本发明还公开了一种基于分层参数服务器的多机构协同学习方法。本发明解决了大数据的数据孤岛问题，解决了多方协作时的数据隐私安全问题，解决了现有系统的高通信代价、高维护成本、高安全风险、低资源利用率问题。本发明在保障数据隐私安全的前提下实现了通信高效、计算高效的多方协同学习，适用于多独立机构、多数据中心的跨域互联。本发明所提出的系统支持平台模式和参与模式，既能用作平台提供多方知识融合服务，也能用作工具支持多个独立机构间的共享协作。
-
公开(公告)号：CN111580970A
公开(公告)日：2020-08-25
申请号：CN202010377635.9
申请日：2020-05-07
Applicant: 电子科技大学
Abstract: 本发明公开了一种联邦学习的模型分发与聚合的传输调度方法，涉及模型训练通信技术领域，该方法通过调度节点实现对各执行节点的在线调度，使已拥有最新全局模型的执行节点，向不具有最新全局模型的执行节点传输最新全局模型，直至所有的执行节点均拥有最新全局模型；通过调度节点实现对各执行节点的在线调度，使各执行节点之间进行模型数据的局部聚合，所有模型数据的聚合方向最终均指向中心服务器，直至所有参与节点的本地模型数据均聚合至中心服务器。本发明充分利用参与节点间的带宽资源加速模型通信，缓解了模型分发或聚合过程中流组的盲目竞争，减小了带宽受限的域间网络的拥塞程度，大大提高了联邦学习模型的训练效率，不会降低模型质量。
-
公开(公告)号：CN111510381A
公开(公告)日：2020-08-07
申请号：CN202010325982.7
申请日：2020-04-23
Applicant: 电子科技大学
IPC: H04L12/715 , H04L12/751 , H04L12/725 , G06K9/62 , G06N3/08 , G06F17/16
Abstract: 本发明公开了一种多域网络环境中基于强化学习的服务功能链部署方法，根据网络中的服务器所处的网络环境及服务器所需解决的现实问题，将网络设定为具有子域隐私保护能力的多域网络，方便多服务提供商合作组网，也符合大型多域网络的使用情景；基于强化学习的递归迭代算法对网络路径按顶层网络和子域网络分层训练，解决了现有技术伴有的多域网络中部署服务功能链时运算时间长、资源消耗大的问题，且不受网络规模限制，不受服务器性能限制；通过能耗的量化和最低耗能方案的寻优，使得服务功能链部署的总利润比传统启发式算法更高。
-
公开(公告)号：CN111444021A
公开(公告)日：2020-07-24
申请号：CN202010254049.5
申请日：2020-04-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于分布式机器学习的同步训练方法、服务器及系统，状态查询服务器的训练方法包括监听来自计算服务器的状态消息，更新状态数据库中当前计算服务器的状态，根据状态数据库中所有计算服务器的实时状态和任务进度决策当前计算服务器的下一动作，并将携带下一动作的状态响应消息发送给当前计算服务器；计算服务器的训练方法包括循环执行以下动作：向状态查询服务器发送状态消息，根据状态查询服务器反馈的状态响应消息决定下一动作：继续本地计算，或立即全局聚合。服务器系统由通过广域网互联的中心机构与若干参与机构的服务器构成；中心机构包括参数服务器和状态查询服务器；参与机构包括数据库服务器和计算服务器。
-
公开(公告)号：CN110086677B
公开(公告)日：2020-07-17
申请号：CN201910390467.4
申请日：2019-05-10
Applicant: 电子科技大学
IPC: H04L12/24
Abstract: 本发明公开了一种意图网络中时变意图配置方法，提出了一种启发式算法，该算法是基于最大化单个时间片配置的一种贪心算法(MSP)，用于求解支持多策略时变意图的配置问题，MSP算法主要是由时间片选取算法和单个时间片配置算法组成。采用时间片选取算法按照未配置时间片中意图的总权重大小决定各时间片配置的先后顺序，接着使用单个时间片配置算法，考虑意图在整个有效时间的资源使用量的同时，对每个时间片中的意图进行配置。能够适用于配置不同优先级的时变意图，具有配置方案求解耗时短和意图配置成功率高的特点。
-
-
-
-
-
-
-
-
-
Search Results
226
records
(took 0.063 seconds)
