公开(公告)号：CN119668874A

公开(公告)日：2025-03-21

申请号：CN202411789953.0

申请日：2024-12-06

Applicant: 广西壮族自治区信息中心(广西壮族自治区大数据研究院) ,  北京邮电大学

Inventor： 覃冠玉 ,  张晋扬 ,  潘胜利

IPC: G06F9/50 ,  G06F9/48 ,  G06N20/00

Abstract: 本发明公开了基于推测价格机制的云边协同计算隐私增强方法及系统，利用数据合成的隐私保护优势，根据计算资源的实际复杂供需，推测合理的价格收费以替代原始资源调度过程的多维度敏感信息，并辅助边缘服务器做效益最优的资源购买决策；资源的价格推测与购买决策通过一个双端的云边学习模型来实现，该模型基于两种状态‑动作‑奖励的MDP建模，采用基于Q‑Learning的强化学习方法进行训练更新，本发明同时为系统设计了一种基于假设检验的资源漂移检测方法，追溯资源供给的分布变化，以及时重启学习过程，完成策略更新，且本发明的适应与响应性表现优秀。

公开(公告)号：CN118041844A

公开(公告)日：2024-05-14

申请号：CN202410245946.8

申请日：2024-03-05

Applicant: 北京邮电大学

Inventor： 何冠立 ,  潘胜利

IPC: H04L43/50 ,  H04L43/0805 ,  H04L41/0677

Abstract: 本发明提供基于条件风险价值的网络故障诊断与排查方法，包括：网络状态观测、故障状态推断、CVaR模型应用、根据RM‑CVaR方法，选择得到最小差距值C的诊断方案作为推断的网络内部状态、多轮调度执行以及效果评估与分析，通过引入条件风险价值模型，能够在诊断前对潜在风险进行量化评估，为故障排查提供了一种风险可控的策略，这种风险管理能力能够显著降低错误诊断的风险，提高网络运维的安全性和稳定性；结合网络布尔层析成像技术，本发明能够准确快速地识别和定位网络中的故障链路，即使在大规模和复杂的网络环境下也能保持高效的诊断性能；与传统方法相比，它大大缩短了故障排查的时间，提高了网络的可用性和服务质量，不依赖于特定的网络设备或架构，具有良好的通用性和适应性，可应用于不同类型和规模的网络，为网络故障诊断提供了一种灵活、可扩展的解决方案。

公开(公告)号：CN117041104A

公开(公告)日：2023-11-10

申请号：CN202311032227.X

申请日：2023-08-16

Applicant: 北京邮电大学

Inventor： 潘胜利 ,  代卓勉 ,  焦程波

IPC: H04L43/0882 ,  H04L41/16 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明涉及一种基于对抗自动编码的网络拥塞链路诊断方法，属于网络通信技术领域，包括步骤：根据链路的拥塞先验概率生成包含链路状态和路径状态的数据集；将数据集送入自动编码器，在自动编码器的编码器或者解码器上叠加生成对抗网络，将路径状态或者链路状态输入到编码器中，重构链路状态或者路径状态；对生成对抗网络进行训练，使生成对抗网络学习到链路的拥塞先验概率信息，并输出拥塞后验概率最大的链路状态解；反向传播重构损失和生成对抗损失，迭代更新网络参数。本发明应用了对抗自动编码器，通过链路状态和路径状态学习链路到路径的唯一映射关系，无需测量网络拓扑，同时对抗自动编码器依赖数据驱动，适应性强，具有一定的抗攻击能力。

公开(公告)号：CN119903923A

公开(公告)日：2025-04-29

申请号：CN202411987834.6

申请日：2024-12-31

Applicant: 北京邮电大学

Inventor： 潘胜利 ,  张晋扬 ,  汪成

IPC: G06N5/04 ,  G06N5/043 ,  G06N3/092 ,  G06N3/084

Abstract: 一种基于边缘混合专家大模型的可靠推理调度方法，涉及计算机领域，包括：分布式边缘部署MoE大模型到边缘网络；进行恶意节点行为建模，模拟分布式协作推理，分别生成自编码器输入向量空间集合V与推理任务状态集合S；进行异常节点检测神经网络训练，得到各边缘节点的计算可靠度；进行深度强化学习神经网络训练得到专家选择策略；基于训练的深度强化学习神经网络进行边缘MoE大模型的可靠推理调度。本发明利用分布式边缘部署的服务质量与隐私保护优势，根据大模型门控函数对专家网络的原始路由结果，结合实际动态部署环境下的节点可靠度与实时负载，有效地优化推理过程，从而提高分布式边缘部署下MoE大模型的协作推理效率和可靠性。

公开(公告)号：CN119728230A

公开(公告)日：2025-03-28

申请号：CN202411877585.5

申请日：2024-12-19

Applicant: 北京邮电大学

Inventor： 潘胜利 ,  代卓勉 ,  王富

IPC: H04L9/40 ,  H04L47/127

Abstract: 一种对抗拥塞攻击的时空网络布尔层析成像方法及系统，属于通信领域，包括以下步骤：在待测量的网络拓扑上，获取多时隙路径观测结果；基于Fisher散度的拥塞攻击检测算法进行拥塞攻击检测；若检测出攻击，先采用K‑Means聚类方法确定受攻击路径的位置，再使用Tomo算法进一步找到受攻击链路的位置；利用最大化F‑measure的拥塞链路识别算法进行拥塞链路识别。本发明解决了现有网络布尔断层扫描方法无法应对拥塞攻击、假阴性率较高的问题，本发明能够为假阴性率(FNR)赋予更高的权重，从而有效减轻拥塞攻击带来的负面影响，降低假阴性率，及时且有效地应对拥塞攻击。

公开(公告)号：CN118075203A

公开(公告)日：2024-05-24

申请号：CN202410188936.5

申请日：2024-02-20

Applicant: 北京邮电大学

Inventor： 杜承泽 ,  潘胜利 ,  焦程波

IPC: H04L47/11 ,  G06F18/241 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/09 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/084

Abstract: 本发明提供一种基于对抗自动编码的网络路径拥塞状态端到端识别方法，包括：通过连续等间隔地端到端地发送探测数据包，以生成包含观测数据和路径状态的数据集；将所述观测数据输入自动编码器(AE)；在重构有监督阶段：由所述自动编码器构建观测数据和可用带宽以及拥塞链路数之间的映射关系；在重构无监督阶段：解码器(Decoder)通过输入所述自动编码器的输出重构观测数据；在所述对抗有监督阶段，所述自动编码器的编码器(Encoder)上叠加有判别器(Discriminator)，构建生成对抗网络(GAN)；反向传播重构损失和生成对抗损失,更新网络参数，本发明利用对抗自动编码器结合有监督和无监督学习，提高了评估的准确性和适应性，通过机器学习技术，减少了对线性模型的依赖，提高了效率和适用性。