-
公开(公告)号:CN118400336A
公开(公告)日:2024-07-26
申请号:CN202410866258.3
申请日:2024-07-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于动态缓存的主动队列管理方法,通过针对流量队列执行动态缓存策略;然后构建DQN环境,学习得到最优丢包策略;构建DQN智能体,采用#imgabs0#策略来选择能够使总奖励函数最大化的动作;最后构建由策略网络和价值网络构成的深度确定性策略梯度网络,并采用经验回放机制训练深度确定性策略梯度网络,得到动态缓存的主动队列管理模型,利用动态缓存的主动队列管理模型,以当前流量队列为输入,得到缓存内流量队列管理策略。本发明采用的缓存容量更低,能够有效降低路由器等转发设备的硬件成本,实现更低的平均传输时延和平均时延抖动,具有降本增效的优势。
-
公开(公告)号:CN118381581A
公开(公告)日:2024-07-23
申请号:CN202410823316.4
申请日:2024-06-25
Applicant: 南京信息工程大学
IPC: H04L1/00 , H04L47/6275 , H04L69/22
Abstract: 本发明公开了一种基于深度强化学习的战术通信网络业务成帧方法,包括:划分待成帧数据包的业务类型,将上层待成帧的数据包添加到相应的发送等待队列;当需要传输数据包时,确定传输队列;对传输队列进行成帧判断,若成帧,则第一队列利用基于深度强化学习的自适应帧生成算法或者第二队列利用高效率帧生成算法执行成帧操作,生成数据帧,并由物理层进行发送;接收端解析收到的数据帧。本发明中针对不同业务不同的QoS要求,分别使用不同的成帧算法,对于时敏业务使用基于深度强化学习的自适应帧生成算法,保证在吞吐量提高的基础上降低成帧时延;对于非时敏业务,使用高效率帧生成算法,提高了帧效率,以及提高瓶颈链路的信道利用率。
-
公开(公告)号:CN116527567B
公开(公告)日:2023-09-12
申请号:CN202310788324.5
申请日:2023-06-30
Applicant: 南京信息工程大学
IPC: H04L45/02 , H04L45/12 , H04L45/302
Abstract: 本发明公开了一种基于深度强化学习的智能网络路径优选方法与系统,包括:采集目标网络的原始数据,计算目标网络的每条可执行路径的状态信息,构建深度强化学习模型,获取目标网络当前时刻的网络状态、执行最优路径动作、下一时刻的网络状态、当前奖励,并存储在经验回放池中,对深度强化学习模型进行迭代训练和参数更新,获得目标网络的最优路径,下发至目标网络的交换机设备中进行路径安装,本发明所设计的方法提高了智能体提取显著奖励经验的概率,加快了智能体学习最优策略的速度,算法的收敛速度显著提高,有效提高了网络吞吐量,降低了端到端时延和丢包率。
-
公开(公告)号:CN114666230A
公开(公告)日:2022-06-24
申请号:CN202210568365.9
申请日:2022-05-24
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/142 , H04L41/14
Abstract: 本发明公开了一种基于修正因子的网络流量灰色预测方法,基于构建好的网络拓扑结构和它的原始流量序列,对原始流量序列进行归一化,构造并初始化修正因子的缓冲算子函数,对归一化流量序列中的每个元素施加缓冲算子函数,获得预处理流量序列,之后对预处理流量序列实施灰色预测,得到当前流量预测序列,计算归一化流量序列与预测流量序列的均方误差,对修正因子的值进行迭代更新,获得最优修正因子以及该修正因子对应的预测流量序列,对预测流量序列进行反归一化,得到最终预测流量序列,本发明提出的一种基于修正因子的网络流量灰色预测方法,在保证流量预测算法复杂度较低的前提下,实现对复杂网络流量的高精度预测。
-
公开(公告)号:CN114006826A
公开(公告)日:2022-02-01
申请号:CN202210000659.1
申请日:2022-01-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种融合流量特征的网络流量预测方法,具体涉及网络信息工程技术领域,收集并获得预设时间周期范围内的历史网络流量数据,并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列,分别针对各个流量序列,构建并获得网络流量预测模型,应用网络流量预测模型,对子流量序列所对应的网络流量进行预测,获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识,将其融入长短记忆神经网络的门控机制中,再结合一维卷积神经网络和注意力机制提取流量序列的时间特征,能够恢复原始数据的特征,赋予模型预测结果的可解释性,从而提高网络流量的预测精度更好的描述网络流量的变化趋势。
-
公开(公告)号:CN111327631A
公开(公告)日:2020-06-23
申请号:CN202010143788.7
申请日:2020-03-04
Applicant: 南京信息工程大学
IPC: H04L29/06
Abstract: 本发明公开了一种基于TCP和UDP的秘密信息传输方法及其系统,包括以下步骤:(1)建立隐信道;(2)对待发送的秘密信息明文B进行加密,生成组秘密信息密文S;(3)通过编码将秘密信息密文S嵌入到TCP和UDP发送窗口序列中,使之随着TCP和UDP数据包一起传输;(4)对已收的TCP和UDP报文序列进行反向解码和解密,得出秘密信息明文B。本发明在传输层协议TCP和UDP数据包的发送序列中引入信息编码技术来构建隐信道,对秘密信息的传输更加简便高效,不仅避免了给现有TCP连接信道带来额外的通信负荷,而且引入信息校验机制,进一步提高了秘密信息传输的隐蔽性和鲁棒性。
-
公开(公告)号:CN119865805A
公开(公告)日:2025-04-22
申请号:CN202510358797.0
申请日:2025-03-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种面向车联网的车辆中继辅助隐蔽通信位置优化方法,包括以下步骤:(1)建立城市环境下隐蔽通信模型,包括发送方Alice、接收方Bob、中继方Relay和检测方Eve;(2)对城市环境下的信道增益进行建模;(3)确定检测方Eve的最佳检测阈值和最小总错误概率;(4)基于隐蔽通信传输中断概率约束,计算Relay与Bob之间的最大传输速率;(5)以最大化传输速率为目标函数,通过几何方法优化Relay的位置;本发明可以在保证隐蔽通信可靠性和安全性的前提下,显著提高隐蔽通信的传输速率。
-
公开(公告)号:CN118694723B
公开(公告)日:2024-11-26
申请号:CN202411179270.3
申请日:2024-08-27
Applicant: 南京信息工程大学
IPC: H04L47/30 , H04L47/32 , H04L47/36 , H04L47/625
Abstract: 本发明公开了基于动态Hurst参数和队列增长速度的队列管理方法,包括:待新的数据分组到达路由器缓冲区,根据所监测的当前时刻路由器缓冲区的队列状态,判断是否需要将该数据分组中的数据全部丢弃;将新的数据分组放入路由器缓冲区中,计算当前时刻队列的Hurst参数、下一时刻路由器缓冲区的队列状态;进一步计算丢弃概率;将新的数据分组中的剩余数据丢弃;更新路由器缓冲区的平均队列长度和平均队列增长速度,并计算下一时刻队列的Hurst参数,完成队列的动态管理;本发明不仅考虑网络流量自相似性对队列性能带来的影响,还考虑由于链路变速率特性导致的平均队列增长速度变化,实现对网络流量服务质量的可靠保障。
-
公开(公告)号:CN118694717B
公开(公告)日:2024-11-08
申请号:CN202411164462.7
申请日:2024-08-23
Applicant: 南京信息工程大学
IPC: H04L47/127 , H04L47/62 , H04L41/147 , H04L41/16 , H04L43/0829 , H04L43/0852 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于流量状态预测的队列智能管理方法,包括:基于GRU算法,进行网络流量状态预测;构建网络状态元组,基于策略神经网络和目标神经网络组成智能体,智能体根据当前时刻的网络状态,基于ε‑greedy策略决策并输出动作;设置奖励函数,智能体根据所采取的动作获得相应的奖励,更新网络状态,组建经验样本;智能体选取经验样本,对策略神经网络和目标神经网络进行训练并更新权重,完成队列的管理;本发明所设计的方法在提高了算法泛化性的同时,通过对网络流量状态的预测,实现了对突发流量的合理控制。
-
公开(公告)号:CN118694723A
公开(公告)日:2024-09-24
申请号:CN202411179270.3
申请日:2024-08-27
Applicant: 南京信息工程大学
IPC: H04L47/30 , H04L47/32 , H04L47/36 , H04L47/625
Abstract: 本发明公开了基于动态Hurst参数和队列增长速度的队列管理方法,包括:待新的数据分组到达路由器缓冲区,根据所监测的当前时刻路由器缓冲区的队列状态,判断是否需要将该数据分组中的数据全部丢弃;将新的数据分组放入路由器缓冲区中,计算当前时刻队列的Hurst参数、下一时刻路由器缓冲区的队列状态;进一步计算丢弃概率;将新的数据分组中的剩余数据丢弃;更新路由器缓冲区的平均队列长度和平均队列增长速度,并计算下一时刻队列的Hurst参数,完成队列的动态管理;本发明不仅考虑网络流量自相似性对队列性能带来的影响,还考虑由于链路变速率特性导致的平均队列增长速度变化,实现对网络流量服务质量的可靠保障。
-
-
-
-
-
-
-
-
-