-
公开(公告)号：CN115473836A
公开(公告)日：2022-12-13
申请号：CN202210976811.X
申请日：2022-08-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L43/0876 , H04L43/04 , H04L47/10 , H04L47/125 , H04L47/30
Abstract: 本发明公开了一种基于流图模型的网络流量测量方法和装置。该方法包括步骤：将每次从网卡或网络流量文件接收到的数据包流插入到一个高速缓冲队列中，并从所述数据包中提取数据包信息；根据流图模型和提取的所述数据包信息构建用于更新和存储网络流特征的布谷矩阵，所述流图模型的节点、边和边上的权重向量，分别对应I P地址、I P之间的网络流和网络流的统计特征向量；通过基础查询接口对所述布谷矩阵进行查询获取网络流特征数据。本发明降低了网络流量测量的时空开销和提高了网络流量测量的效率。
-
公开(公告)号：CN115473836B
公开(公告)日：2023-06-06
申请号：CN202210976811.X
申请日：2022-08-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04L43/0876 , H04L43/04 , H04L47/10 , H04L47/125 , H04L47/30
Abstract: 本发明公开了一种基于流图模型的网络流量测量方法和装置。该方法包括步骤：将每次从网卡或网络流量文件接收到的数据包流插入到一个高速缓冲队列中，并从所述数据包中提取数据包信息；根据流图模型和提取的所述数据包信息构建用于更新和存储网络流特征的布谷矩阵，所述流图模型的节点、边和边上的权重向量，分别对应I P地址、I P之间的网络流和网络流的统计特征向量；通过基础查询接口对所述布谷矩阵进行查询获取网络流特征数据。本发明降低了网络流量测量的时空开销和提高了网络流量测量的效率。
-
公开(公告)号：CN113015105A
公开(公告)日：2021-06-22
申请号：CN202110251280.3
申请日：2021-03-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种空天地一体化网络的编码缓存内容放置与资源联合优化方法，在分层异构的卫星‑无人机‑车辆用户组成的网络中，设计了由内容放置与编码传输组成的编码缓存策略，然后基于该策略联合优化缓存内容放置、系统的传输功率与无人机部署，实现系统能量开销的最小化，缓解空天地一体化网络能量受限问题。本发明的有益效果是：针对分层异构空天地一体化网络，考虑卫星节点与多个无人机缓存节点之间的多播机会，使用编码缓存策略减小回程链路传输数据量，从而减小系统能量开销，考虑网络不同覆盖区域的异构性，优化了缓存内容放置，同时，联合优化了系统传输功率分配与无人机部署。
-
公开(公告)号：CN114614878A
公开(公告)日：2022-06-10
申请号：CN202210133505.X
申请日：2022-02-14
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种星地网络中基于矩阵‑向量乘法任务的编码计算分配方法，包括构建星地网络系统，根据资源调度参数与任务分配大小形成星地网络系统动作空间；根据所述星地网络系统动作空间建立基于DDPG算法的任务调度方法，获取编码计算分配的决策。本发明提出了新的系统时变性指标，结合任务执行容忍时延定义并推导了系统折衷开销的表达式，进而利用DDPG深度强化学习算法，对星地间计算卸载的经验样本进行训练，仿真结果得到了收敛后的回报函数值，得到最优的时延与能量开销，另外，LT编码方案在避免straggler现象的负面影响时具有明显的优势。
-
Patent Agency Ranking
公开(公告)号：CN114554458A
公开(公告)日：2022-05-27
申请号：CN202210047279.3
申请日：2022-01-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于多智能体深度强化学习的矩阵‑向量乘法编码计算分配方法，包括如下步骤：步骤一：构建一个多智能体多边缘基站的矩阵‑向量计算任务卸载系统模型；步骤二：将该系统模型的工作流程分为三步：任务编码、任务卸载、分布式计算；步骤三：建立最小化系统成本的优化问题；步骤四：确定深度强化学习算法的四元组 ，通过多智能体‑深度确定性策略梯度（MA‑DDPG）算法求解优化问题，获得最优的任务分配量、智能体飞行轨迹、传输带宽和计算资源等参数。本发明的有益效果是：本发明不仅考虑到边缘基站计算能力和慢节点参数的异构性，同时考虑智能体（无人机）和边缘基站通信的带宽资源的有限性，并且在通过无速率码的分布式编码计算降低了慢节点（Straggler）对分布式计算任务的处理延迟影响，从而减小了矩阵‑向量乘法计算任务的处理成本。
-
公开(公告)号：CN113015105B
公开(公告)日：2022-06-03
申请号：CN202110251280.3
申请日：2021-03-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种空天地一体化网络的编码缓存内容放置与资源联合优化方法，在分层异构的卫星‑无人机‑车辆用户组成的网络中，设计了由内容放置与编码传输组成的编码缓存策略，然后基于该策略联合优化缓存内容放置、系统的传输功率与无人机部署，实现系统能量开销的最小化，缓解空天地一体化网络能量受限问题。本发明的有益效果是：针对分层异构空天地一体化网络，考虑卫星节点与多个无人机缓存节点之间的多播机会，使用编码缓存策略减小回程链路传输数据量，从而减小系统能量开销，考虑网络不同覆盖区域的异构性，优化了缓存内容放置，同时，联合优化了系统传输功率分配与无人机部署。
-
公开(公告)号：CN114554458B
公开(公告)日：2024-10-29
申请号：CN202210047279.3
申请日：2022-01-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于多智能体深度强化学习的矩阵‑向量乘法编码计算分配方法，包括如下步骤：步骤一：构建一个多智能体多边缘基站的矩阵‑向量计算任务卸载系统模型；步骤二：将该系统模型的工作流程分为三步：任务编码、任务卸载、分布式计算；步骤三：建立最小化系统成本的优化问题；步骤四：确定深度强化学习算法的四元组 ，通过多智能体‑深度确定性策略梯度（MA‑DDPG）算法求解优化问题，获得最优的任务分配量、智能体飞行轨迹、传输带宽和计算资源等参数。本发明的有益效果是：本发明不仅考虑到边缘基站计算能力和慢节点参数的异构性，同时考虑智能体（无人机）和边缘基站通信的带宽资源的有限性，并且在通过无速率码的分布式编码计算降低了慢节点（Straggler）对分布式计算任务的处理延迟影响，从而减小了矩阵‑向量乘法计算任务的处理成本。
-
公开(公告)号：CN114614878B
公开(公告)日：2023-08-29
申请号：CN202210133505.X
申请日：2022-02-14
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种星地网络中基于矩阵‑向量乘法任务的编码计算分配方法，包括构建星地网络系统，根据资源调度参数与任务分配大小形成星地网络系统动作空间；根据所述星地网络系统动作空间建立基于DDPG算法的任务调度方法，获取编码计算分配的决策。本发明提出了新的系统时变性指标，结合任务执行容忍时延定义并推导了系统折衷开销的表达式，进而利用DDPG深度强化学习算法，对星地间计算卸载的经验样本进行训练，仿真结果得到了收敛后的回报函数值，得到最优的时延与能量开销，另外，LT编码方案在避免straggler现象的负面影响时具有明显的优势。
-
公开(公告)号：CN113489606A
公开(公告)日：2021-10-08
申请号：CN202110730855.X
申请日：2021-06-29
Applicant: 哈尔滨工业大学(深圳) , 鹏城实验室
Abstract: 本发明公开了一种基于图神经网络的网络应用识别方法及装置。所述基于图神经网络的网络应用识别方法，包括：分析网络流量文件中网络流量的传输时序结构，从所述网络流量文件中抽取出链图；基于图神经网络构建网络应用识别模型；其中，所述网络应用识别模型包括两个SGC网络层；根据所述链图生成训练数据集，通过所述训练数据集训练所述网络应用识别模型；将待测试的网络流量文件输入训练后的所述网络应用识别模型，得到网络应用类型。本发明能够实现无人工规则下的高分类精度，保证高效准确地识别网络应用类型。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
