-
公开(公告)号：CN116055413B
公开(公告)日：2023-08-15
申请号：CN202310206868.6
申请日：2023-03-07
Applicant: 云南省交通规划设计研究院有限公司
IPC: H04L47/2441 , H04L47/2483 , H04L43/04 , H04L43/0876 , G06N3/0455 , G06N3/08 , G06F18/23
Abstract: 本发明提出一种基于云边协同的隧道网络异常识别方法，该方法针对现有技术下隧道内网络异常识别困难，隧道内以太网设备复杂、网络传输流量采样率较高，传输和服务器压力大。为实现隧道网络异常识别、提高系统响应速度，该方法由边缘计算节点采集并获取不同业务对应的网络流量特征，通过深度自编码器对高维流量特征进行特征提取。在边缘侧进行初步的数据处理及在降维的基础上保证流量数据的特征信息，以减轻传输数据的压力和分担云端网络异常识别的任务。此外，根据隧道网络特点，对传统密度峰值聚类算法在相似性度量和参数自适应选取两个关键技术方面进行改进，实现合理有效的隧道网络异常识别。
-
公开(公告)号：CN116055413A
公开(公告)日：2023-05-02
申请号：CN202310206868.6
申请日：2023-03-07
Applicant: 云南省交通规划设计研究院有限公司
IPC: H04L47/2441 , H04L47/2483 , H04L43/04 , H04L43/0876 , G06N3/0455 , G06N3/08 , G06F18/23
Abstract: 本发明提出一种基于云边协同的隧道网络异常识别方法，该方法针对现有技术下隧道内网络异常识别困难，隧道内以太网设备复杂、网络传输流量采样率较高，传输和服务器压力大。为实现隧道网络异常识别、提高系统响应速度，该方法由边缘计算节点采集并获取不同业务对应的网络流量特征，通过深度自编码器对高维流量特征进行特征提取。在边缘侧进行初步的数据处理及在降维的基础上保证流量数据的特征信息，以减轻传输数据的压力和分担云端网络异常识别的任务。此外，根据隧道网络特点，对传统密度峰值聚类算法在相似性度量和参数自适应选取两个关键技术方面进行改进，实现合理有效的隧道网络异常识别。
-
公开(公告)号：CN116743646A
公开(公告)日：2023-09-12
申请号：CN202311023612.8
申请日：2023-08-15
Applicant: 云南省交通规划设计研究院有限公司
IPC: H04L43/50 , H04L41/0631 , H04L43/12 , H04L43/16 , H04L67/12 , G06F18/2433 , G06N3/0455 , G06N3/048
Abstract: 本发明涉及一种基于域自适应深度自编码器的隧道网络异常检测方法，属于隧道网络异常检测技术领域。该方法包括数据采集及预处理、异常检测源域模型的训练及更新、异常检测的动态阈值计算、异常数据的检测等几大步骤。本发明可以在边缘侧直接对隧道网络进行预处理、异常检测等操作，提高监控系统的处理速度、有效缩减处理时延。同时，基于当前网络状态的正常基准值，合理设置异常阈值范围，避免了固定设置阈值导致的异常信息漏报、误报等情况。
-
-
Search Results
3
records
(took 0.031 seconds)
