-
公开(公告)号：CN108737455A
公开(公告)日：2018-11-02
申请号：CN201710240098.1
申请日：2017-04-13
Applicant: 国家电网公司 , 国网冀北电力有限公司经济技术研究院 , 华北电力大学
CPC classification number: H04L67/10 , H04L41/147 , H04L43/026
Abstract: 本发明提供了一种网络业务识别装置及方法，该装置包括：第一基础层处理单元，包括至少三个第一板级模块，其中一个第一板级模块提供第一基础层核心节点，其余第一板级模块提供第一基础层边缘节点；获取网络流量数据包后利用所述第一基础层核心节点根据多个所述第一基础层边缘节点的工作状态查找是否存在空闲的第一基础层边缘节点，若是，将该网络流量数据包分配至空闲的第一基础层边缘节点；第一网络业务预测单元，用于利用空闲的第一基础层边缘节点对该网络流量数据包进行基于关键字的分析，识别网络业务；所述第一基础层边缘节点和所述第一基础层核心节点之间依据片上网络协议进行通信。本发明能够并行处理不同数据包，且可扩展性好。
-
公开(公告)号：CN108737130A
公开(公告)日：2018-11-02
申请号：CN201710242782.3
申请日：2017-04-14
Applicant: 国家电网公司 , 国网冀北电力有限公司经济技术研究院 , 华北电力大学
Inventor： 李莉 , 吴润泽 , 史智萍 , 朱正甲 , 庞思睿 , 刘志雄 , 单体华 , 聂文海 , 沈卫东 , 霍霏阳 , 秦励寒 , 尤新雨 , 付新瑞 , 董建英 , 龙婧 , 梁大鹏 , 周洁 , 张亚娜
Abstract: 本发明提供了一种基于神经网络的网络流量预测装置及方法，该装置包括：源层处理单元，包括第一板级模块，提供源层节点，根据第一部分网络流量数据生成网络流量训练数据；中间层处理单元，包括多个第二板级模块，提供中间层节点，多个中间层节点并行地根据网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；目的层处理单元，包括第三板级模块，提供目的层节点，根据多个中间层学习结果和目的层权值，计算得到目的层误差项；网络流量预测单元，判断该目的层误差项是否在误差阈值范围内，若是，进行网络流量预测；源层节点、中间层节点及目的层节点依据片上网络协议通信。本发明能够提高网络流量预测效率。
-
公开(公告)号：CN108737130B
公开(公告)日：2021-04-30
申请号：CN201710242782.3
申请日：2017-04-14
Applicant: 国家电网有限公司 , 国网冀北电力有限公司经济技术研究院 , 华北电力大学
Inventor： 李莉 , 吴润泽 , 史智萍 , 朱正甲 , 庞思睿 , 刘志雄 , 单体华 , 聂文海 , 沈卫东 , 霍霏阳 , 秦励寒 , 尤新雨 , 付新瑞 , 董建英 , 龙婧 , 梁大鹏 , 周洁 , 张亚娜
Abstract: 本发明提供了一种基于神经网络的网络流量预测装置及方法，该装置包括：源层处理单元，包括第一板级模块，提供源层节点，根据第一部分网络流量数据生成网络流量训练数据；中间层处理单元，包括多个第二板级模块，提供中间层节点，多个中间层节点并行地根据网络流量训练数据和其各自的中间层权值进行神经网络学习计算，生成多个中间层学习结果；目的层处理单元，包括第三板级模块，提供目的层节点，根据多个中间层学习结果和目的层权值，计算得到目的层误差项；网络流量预测单元，判断该目的层误差项是否在误差阈值范围内，若是，进行网络流量预测；源层节点、中间层节点及目的层节点依据片上网络协议通信。本发明能够提高网络流量预测效率。
-
公开(公告)号：CN108737455B
公开(公告)日：2020-12-25
申请号：CN201710240098.1
申请日：2017-04-13
Applicant: 国家电网有限公司 , 国网冀北电力有限公司经济技术研究院 , 华北电力大学
Abstract: 本发明提供了一种网络业务识别装置及方法，该装置包括：第一基础层处理单元，包括至少三个第一板级模块，其中一个第一板级模块提供第一基础层核心节点，其余第一板级模块提供第一基础层边缘节点；获取网络流量数据包后利用所述第一基础层核心节点根据多个所述第一基础层边缘节点的工作状态查找是否存在空闲的第一基础层边缘节点，若是，将该网络流量数据包分配至空闲的第一基础层边缘节点；第一网络业务预测单元，用于利用空闲的第一基础层边缘节点对该网络流量数据包进行基于关键字的分析，识别网络业务；所述第一基础层边缘节点和所述第一基础层核心节点之间依据片上网络协议进行通信。本发明能够并行处理不同数据包，且可扩展性好。
-
-
-
Search Results
4
records
(took 0.06 seconds)
