-
公开(公告)号：CN101827104A
公开(公告)日：2010-09-08
申请号：CN201010158969.3
申请日：2010-04-27
Applicant: 南京邮电大学
Abstract: 基于多反病毒引擎的网络病毒联合防御方法主要是利用云计算中的集群服务器集成多种反病毒引擎来协助甚至代替用户终端来防御网络病毒，使得网络系统能更快速、有效地抵御网络病毒的攻击。目前网络上的病毒传播、感染和攻击问题日益严重，防御网络病毒的主要手段是依靠的反病毒软件。本发明提出一种既可适用于在互联网也适用于内联网的基于多反病毒引擎的网络病毒联合防御方法。该方法首先在云计算集群服务器端上部署多种反病毒引擎，不同的反病毒引擎分别侧重于不同类型的网络病毒；将服务器按照其上安装的引擎将服务器集群分为多个防御区域，另外选择一个服务器节点作为用户终端接入集群服务器的门户节点。
-
公开(公告)号：CN101707011A
公开(公告)日：2010-05-12
申请号：CN200910184934.4
申请日：2009-10-21
Applicant: 南京邮电大学
Abstract: 网络环境下的课堂教学带有松散性、不确定性和难控制性，导致教学的质量和效果难以保证，不能令人满意。本发明是一种用于基于互联网或是内联网的网络计算环境中，采用对等主体来实现的网络课堂实时与非实时监管方法。本发明将主体技术和对等计算技术融合在一起，并应用于网络课堂实时与非实时监管系统中。网络课堂监管系统本身分为教师用计算机和学生用计算机两部分。教师用计算机作为网络课堂集合点，其上长期驻留集合点对等主体，负责创建派往学生用计算机用于监管学生网络课堂学习情况的对等主体并与之交互，以实现对学生网络课堂学习情况有效监管，使教师可以便捷的实时和非实时掌握身处各地的学生的课堂学习情况。
-
公开(公告)号：CN114666409B
公开(公告)日：2023-07-25
申请号：CN202210180888.6
申请日：2022-02-26
Applicant: 南京邮电大学
IPC: H04L67/568 , H04L67/10 , H04L67/1021 , H04L67/1008 , H04L67/51 , H04W28/14
Abstract: 本发明涉及一种边缘计算环境中基于缓存管理的服务迁移方法，将边缘节点上的资源分为三部分，包括运存状态服务占用资源、停机状态服务占用资源、以及空闲资源，监测边缘节点上所有服务运行所需的资源，根据待迁入服务，针对基站边缘云中心进行分析，逐层执行运行状态服务分析、停机状态服务分析、边缘节点空闲资源分析、以及停机状态服务占用资源释放分析，进而完成服务迁移设计策略，并在其中引入时间衰减策略，为停机状态服务资源释放的执行提供顺序依据，综合整个方案设计，提高了边缘节点中服务缓存的命中率，在完成基本服务迁移的同时，可以有效减少迁移次数，并最大化利用边缘节点的缓存功能。
-
公开(公告)号：CN109800059B
公开(公告)日：2022-10-21
申请号：CN201910094908.6
申请日：2019-01-31
Applicant: 南京邮电大学
IPC: G06F9/455
Abstract: 本发明提出了一种基于负载曲线相似度的云计算虚拟机迁移方法，获取所有物理机的剩余资源利用率曲线和所有要迁移的虚拟机的资源利用率曲线，根据皮尔森相关系数公式，得到由每一类资源的相似度组成的相似度向量，最后根据相似度向量和平均资源利用率求欧氏距离，来确定需要迁移的虚拟机和目标物理机。本发明将过载物理机一段时间内的负载作为迁移的标准，而不是仅关注过载一瞬间的负载情况，有效的保证了迁移之后一段时间内目标物理机不会发生过载，从而降低了迁移次数，减少了能耗。同时，将曲线的相似度作为迁移的标准之一，使得要迁移的虚拟机和目标物理机尽可能的互补，从而使得目标物理机的负载更为均衡。
-
公开(公告)号：CN111325681B
公开(公告)日：2022-10-11
申请号：CN202010071306.1
申请日：2020-01-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种结合元学习机制与特征融合的图像风格迁移方法，本发明将基于卷积计算的特征融合和利用元学习机制解码特征图的两种方法结合。首先通过卷积计算初步融合内容特征和风格特征，且对初步融合的特征图和内容特征图做加权求和操作，通过调节权重控制风格化程度；然后利用元学习机制把融合特征图解码为风格化图像，且在解码的过程中对风格进行二次学习，保证了风格特征的充分表达。本发明提高了风格化图像的质量，使得合成图像的风格更加忠实于原风格；基于内容图像和风格图像的特性，控制风格化的程度；利用元学习机制同时进行风格二次学习和解码特征图操作，缩短了风格迁移的时间，快速实现任意图像的风格化。
-
Patent Agency Ranking
公开(公告)号：CN111130909B
公开(公告)日：2022-09-23
申请号：CN201911414979.6
申请日：2019-12-31
Applicant: 南京邮电大学
IPC: H04L41/147 , H04L43/0876 , G06N3/04 , G06N3/08
Abstract: 本发明提出基于自适应储备池回声状态网络（Echo State Network,ESN）的网络流量预测方法，首先对网络流量数据进行连续采集；同时将ESN与生成对抗网络（Generative Adversarial Net,GAN）结合，构造基于自适应储备池ESN的网络流量预测模型；然后提出对抗训练算法，在训练中根据网络流量特征自动调整ESN储备池。最终使用训练好的基于自适应储备池ESN的网络流量预测模型进行网络流量预测。该方法可以自动产生适应网络流量特征的储备池，可以提高网络流量预测结果的准确率和稳定性，可以在非线性时间序列预测中取得更好的预测效果。
-
-
公开(公告)号：CN114666409A
公开(公告)日：2022-06-24
申请号：CN202210180888.6
申请日：2022-02-26
Applicant: 南京邮电大学
IPC: H04L67/568 , H04L67/10 , H04L67/1021 , H04L67/1008 , H04L67/51 , H04W28/14
Abstract: 本发明涉及一种边缘计算环境中基于缓存管理的服务迁移方法，将边缘节点上的资源分为三部分，包括运存状态服务占用资源、停机状态服务占用资源、以及空闲资源，监测边缘节点上所有服务运行所需的资源，根据待迁入服务，针对基站边缘云中心进行分析，逐层执行运行状态服务分析、停机状态服务分析、边缘节点空闲资源分析、以及停机状态服务占用资源释放分析，进而完成服务迁移设计策略，并在其中引入时间衰减策略，为停机状态服务资源释放的执行提供顺序依据，综合整个方案设计，提高了边缘节点中服务缓存的命中率，在完成基本服务迁移的同时，可以有效减少迁移次数，并最大化利用边缘节点的缓存功能。
-
公开(公告)号：CN113747499A
公开(公告)日：2021-12-03
申请号：CN202110941059.0
申请日：2021-08-17
Applicant: 南京邮电大学
IPC: H04W28/02 , G06F16/11 , G06F16/172 , H04L29/08 , H04W28/20
Abstract: 本发明涉及一种基于移动边缘计算的任务迁移方法，采用全新设计逻辑，在被固定所设各服务器分别所对应通信范围共同覆盖的组网区域中，实现移动终端所对应计算任务的迁移，其中，在预判的移动终端移动方向上寻找迁移过的目标服务器，可以最大程度减少计算任务的迁移次数、以及迁移前后的网络开销，并使用加权的收益最大化算法，可以更高效率的利用预迁移服务器集合中的目标服务器；整个设计可以更高效保证计算任务迁移的快速和稳定，减少网络延迟，提高边缘计算服务器的利用效率，从而保证服务的稳定，改善用户体验。
-
公开(公告)号：CN112291253A
公开(公告)日：2021-01-29
申请号：CN202011220399.6
申请日：2020-11-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于异构冗余的多接入边缘计算中服务器安全调度方法，将异构冗余引入边缘计算服务器，边缘计算服务器进行相应的任务处理，通过裁决处理记录服务器的可信度，当某个服务器的可信度过低时，通过随机调度算法从异构池服务器集合中挑选并进行替代，保证替代者和原服务器差异度不能过低，并且替代后的服务器集合保持一定程度的异构性。本发明不仅能够保持服务器集合的异构性，而且系统的安全性高。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.02 seconds)
