-
公开(公告)号：CN113177209A
公开(公告)日：2021-07-27
申请号：CN202110420629.1
申请日：2021-04-19
Applicant: 北京邮电大学 , 中国人民解放军32147部队 , 北京网瑞达科技有限公司 , 郑州师范学院
Abstract: 本公开提供一种基于深度学习的加密流量分类方法及相关设备，所述方法包括：基于加密流量数据获取网络流数据集；通过所述网络流数据集获取三维特征集，所述三维特征集包括时序特征、空间特征以及统计特征；将所述三维特征集的数据填充到N*N*3的第一矩阵中，通过映射获得图像格式的三维矩阵特征集，其中，N表示第一矩阵的尺寸；根据所述三维矩阵特征集以及预先训练的加密流量分类模型，得到所述加密流量数据的分类结果。本公开的方法基于多维度表示加密流量数据，增强了加密流量分类模型的泛化能力，提高对加密流量数据分类的准确性。
-
公开(公告)号：CN109902109B
公开(公告)日：2021-04-30
申请号：CN201910126982.1
申请日：2019-02-20
Applicant: 北京邮电大学
IPC: G06F16/2458
Abstract: 本发明实施例提供了一种多方协作数据挖掘方法及装置，其中，方法包括：在当前参与方需要进行协作数据挖掘时，建立针对当前参与方的第一决策树模型；按照预设排序，向协作挖掘组中指定参与方预交付押金；其中，在当前参与方为第一个参与方时，指定参与方为第M个参与方；在当前参与方为第N个参与方时，当前参与方先向第M个参与方预交付押金，在第N+1个参与方向当前参与方预交付押金后，当前参与方再向第N‑1个参与方预交付押金；在当前参与方为第M个参与方时，在第1个参与方至第M‑1个参与方均向当前参与方预交付押金后，当前参与方再向第M‑1个参与方预交付押金；共享指定决策树模型。本发明实现了公平、有效的进行数据挖掘。
-
公开(公告)号：CN112307044A
公开(公告)日：2021-02-02
申请号：CN202011223995.X
申请日：2020-11-05
Applicant: 北京邮电大学
Abstract: 本说明书实施例提供一种基于多目标优化的自适应网络数据采集方法及相关设备；所述方法包括：利用Holt‑Winters方法，预测将被采集的数据；量化采集数据的频率和采集失真度，构建多目标优化问题；通过目标加权法将多目标优化问题转化为新的目标函数，再基于预测数据，利用遗传算法对新的目标函数求解，得出最佳采集时间序列；根据被采设备的CPU利用率，动态调节新的目标函数中的权重参数。与传统周期性采集方法相比，本说明书提供的方法考虑到了被采数据的变化，通过合理分布采集时间点，实现降低采集数据的频率的同时，尽可能减少采集过程造成的失真，同时将被采设备的CPU利用率纳入考虑范围，避免对其造成过大的采集负担。
-
公开(公告)号：CN111447292A
公开(公告)日：2020-07-24
申请号：CN202010112845.5
申请日：2020-02-24
Applicant: 北京邮电大学
IPC: H04L29/12
Abstract: 本说明书一个或多个实施例提供一种IPv6地理位置定位方法、装置、设备及存储介质，该方法包括：获取待定位IPv6地址；基于所述待定位IPv6地址，确定所述待定位IPv6地址的标志位编码；基于所述待定位IPv6地址的标志位编码，根据预先建立的标志位编码与地理位置对应关系表，确定所述待定位IPv6地址对应的IPv6地理位置。通过确定该待定位IPv6地址的标志位编码，然后基于标志位编码与地理位置对应关系表进行IPv6地理位置定位，不依赖于地标点的个数及其地理位置分布，从而实现国内IPv6地理位置定位。
-
公开(公告)号：CN111130876A
公开(公告)日：2020-05-08
申请号：CN201911328239.0
申请日：2019-12-20
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种自治域系统在三维地理空间的展示方法及装置，获取每个自治域系统AS的属性信息，针对每一国家，确定该国家在预设地图中的多边形区域；针对每一国家，基于该国家包含的AS数目，将多边形区域划分为AS数目个方格区域；针对每一国家，基于该国家拥有AS的机构数目，将该国家的AS数目个方格区域划分为机构数目个子区域，每个子区域对应一个拥有AS的机构，每个子区域中包含的方格区域的数目等同于该子区域对应的机构包含的AS数目；将每个AS以长方体的形式依次填充至该AS所属机构对应的子区域中的方格区域，长方体的高度与该AS的路由宣告前缀数目正相关。能够实现AS向地理空间映射，清楚直观的展示AS在三维地理空间的分布情况。
-
Patent Agency Ranking
公开(公告)号：CN110807487A
公开(公告)日：2020-02-18
申请号：CN201911053713.3
申请日：2019-10-31
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明实施例提供了一种基于域名系统流量记录数据识别用户的方法及装置，方法包括：获取多个预设时间段内的多个互联网协议地址对应的网络行为信息，以其中的特征信息构建特征向量，获得多个特征向量，基于每个预设时间段内获得的特征向量，对全部特征向量进行聚类，得到多个候选聚类结果，从中确定目标聚类结果，确定目标聚类结果中每个簇对应的用户标识，获取待识别用户的目标网络行为信息，并构建目标特征向量，确定其对应的目标簇，并将目标簇对应的用户标识确定为待识别用户的用户标识。可以基于获取网络行为信息构建特征向量，并进行聚类处理，确定用户网络行为信息的周期性规律，可以在用户的IP地址不断改变的情况下实现对用户的识别。
-
公开(公告)号：CN110795434A
公开(公告)日：2020-02-14
申请号：CN201911043563.8
申请日：2019-10-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种构建服务属性数据库的方法及装置，其中方法包括：构建存储有目标页面的域名，目标页面域名对应的IP地址，目标页面的服务属性，目标页面的内容进行一一对应形成映射表的服务属性数据库，通过输入IP地址，可以更加便捷地从服务属性数据库中获取，与该IP地址关联的网站的行业属性以及该网站中网页的服务属性，提供给开发人员或者客户端，使得开发人员可以实时的对故障的网页进行修复以及全面的对整个网络空间进行监控、安全性分析或者维护。
-
公开(公告)号：CN119814685A
公开(公告)日：2025-04-11
申请号：CN202411841110.0
申请日：2024-12-13
Applicant: 北京邮电大学
IPC: H04L47/762 , H04L47/62 , H04L47/6275 , H04L47/33
Abstract: 本申请提供一种面向工业互联网的网络切片资源分配方法及相关设备。包括：设计基于SDN的网络切片资源分配管控架构，包括控制平面和数据平面；控制平面中分别为每个交换机节点部署智能体，每个交换机节点处分别具有IT切片队列和OT切片队列；设计路径规划和网络切片资源分配算法；将联合路径规划和网络切片资源分配建模为多智能体马尔可夫决策过程；定义状态空间以及动作空间；设计奖励函数；构建并训练多智能体深度强化学习模型；将基于SDN的网络切片资源分配管控架构中收集的网络全局视图与各切片的需求信息输入训练所得的深度强化学习智能体，输出流量转发路径和网络切片资源分配方案。能够最大限度地提高网络对流量的可承载数量。
-
公开(公告)号：CN119577483A
公开(公告)日：2025-03-07
申请号：CN202411560325.5
申请日：2024-11-04
Applicant: 北京邮电大学
IPC: G06F18/23 , G06F18/10 , G06F18/213 , G06N20/00 , G06F18/20
Abstract: 基于半监督聚类算法的自治系统组织机构映射方法及装置，该方法从预设维度对自治系统的原始数据信息进行提取，对所述原始数据信息进行预处理，将预处理后的所述原始数据信息整合生成自治系统基本特征矩阵和自治系统关键特征约束矩阵；根据SC‑MP I算法，将所述自治系统基本特征矩阵和所述自治系统关键特征约束矩阵进行多轮迭代聚类，通过二分逼近的方式确定聚类的类簇数量，得到多个类簇；根据每个所述类簇中自治系统的特征众数，确定所述类簇的组织机构名称与代号，获得最终的自治系统‑组织机构映射关系。本发明确保数据维度足够广泛；能够较为轻松地将模型部署至稳定的生产环境，无需对数据进行过多人工干预；提高了聚类映射过程的灵活性。
-
公开(公告)号：CN119250224A
公开(公告)日：2025-01-03
申请号：CN202411081224.X
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06N20/00 , G06F18/214 , G06F18/23 , G06F18/22 , G06F17/16
Abstract: 本申请提供一种基于信息增益的异步联邦学习方法及相关设备；方法包括：接收客户端的模型梯度，确定模型梯度与各分组中心之间的特征相似性，将模型梯度划分至最高特征相似性对应的分组，重新确定该分组的分组中心并调整分组；计算各模型梯度的信息总量、新鲜度和有效性，以此计算该模型梯度的信息增益，去除信息增益小于预设增益阈值的模型梯度，根据模型梯度的信息增益确定该分组的信息增益率；当分组的信息增益率大于预设的增益率阈值，根据该分组模型梯度的陈旧度均值来更新学习率，通过聚合各模型梯度得到聚合梯度，利用聚合梯度、学习率和分组权重，对全局模型执行梯度下降算法来完成本轮全局训练，得到全局模型，并下发至客户端。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.077 seconds)
