-
公开(公告)号：CN115499317B
公开(公告)日：2023-04-07
申请号：CN202211426518.2
申请日：2022-11-15
Applicant: 阿里云计算有限公司
IPC: H04L41/082 , H04L41/147 , H04L41/16 , H04L43/0876
Abstract: 本申请公开了灰度验证方法、电子设备和可读存储介质，该方法包括：记录从生产网络设备上采集的数据流量，其中，所述生产网络设备是在网络中正在被使用的网络设备；从所述生产网络设备未来出现的数据流量中，确定满足灰度验证要求的第一数据流量以及所述第一数据流量在未来出现的第一时间，所述未来出现的数据流量是根据从所述生产网络设备上采集的数据流量预测得到的；在第一时间达到时，将所述第一数据流量从所述生产网络设备转移到用于进行灰度验证的灰度网络设备。通过本申请解决了现有技术中工程师凭借经验选择流量来进行灰度验证所导致灰度验证效果不佳的问题，进而提高了灰度验证的验证效果，降低了故障发生概率，提高了运维操作可靠性。
-
公开(公告)号：CN115514644B
公开(公告)日：2023-03-10
申请号：CN202211426711.6
申请日：2022-11-15
Applicant: 阿里云计算有限公司
IPC: H04L41/0866 , H04L69/04
Abstract: 本申请提供了一种表项一致性检查方法、电子设备及存储介质，方法包括：SDN的数据面节点至少对第一配置表的表项进行概率压缩，得到压缩后的第一配置表；将压缩后的第一配置表发送至控制面，控制面将第二配置表与压缩后的第一配置表进行比对，根据比对结果确定第一配置表与第二配置表的表项是否一致。本申请实施例，通过对第一配置表的进行概率压缩，将压缩后的第一配置表发送至控制面，可以减少数据传输的时间；而且，将第二配置表与压缩后的第一配置表进行比对，可以降低比对的复杂度，减少比对的时间，可以将千万级表项的配置表的表项一致性检查的时间从数十分钟缩短到一分钟之内，从而提高数据面和控制面的表项一致性检查的效率。
-
公开(公告)号：CN115396372B
公开(公告)日：2023-02-28
申请号：CN202211316696.X
申请日：2022-10-26
Applicant: 阿里云计算有限公司
Abstract: 本申请实施例提供一种数据流的速率控制方法、智能网卡、云端设备及存储介质，其中方法应用于智能网卡，方法包括：获取第一设备端的握手连接报文；如果握手连接报文指示的拥塞控制机制状态为不允许建立拥塞控制机制连接，则修改握手连接报文；将修改后的握手连接报文发送给第二设备端，以在第二设备端的拥塞控制机制状态为允许建立拥塞控制机制连接时，使得第二设备端设置第二设备端的拥塞控制机制处于启用状态；其中，第二设备端的拥塞控制机制用于在数据流出现拥塞时，在协议栈层面降低数据流的发送速率。本申请实施例可以利用拥塞控制机制，保障数据流的传输可靠性，并且提升适用场景。进一步，源端的智能网卡还可利用Meter表对数据流进行限速。
-
公开(公告)号：CN114528972A
公开(公告)日：2022-05-24
申请号：CN202111647680.2
申请日：2021-12-29
Abstract: 公开了一种移动边缘计算中深度学习模型训练方法及其相应系统。所述方法包括：获取经训练的初始模型，修改所述初始模型以获取当前任务模型；将所述当前任务模型以及所述初始模型的参数下发给多个客户端，用于所述多个客户端各自进行初始训练；基于所述多个客户端的初始训练结果，选取预测准确率最高的客户端组合；以及获取客户端组合中每个客户端的正式训练结果并生成当前任务模型的参数。本发明通过对已有模型的知识迁移和客户端本地训练的汇总来实现在客户端自身数据仅能用于本地训练情况下的模型训练，并且通过对参与正式模型训练的客户端进行筛选，进一步提升训练效率并剔除不可靠的客户端。
-
公开(公告)号：CN115576732B
公开(公告)日：2023-03-10
申请号：CN202211427061.7
申请日：2022-11-15
Abstract: 本说明书实施例提供根因定位方法以及系统，其中所述根因定位方法包括：获取在故障时间点虚拟机集群中虚拟机的流量变化信息；根据所述流量变化信息在所述虚拟机集群中筛选出候选虚拟机，并加载所述候选虚拟机关联所述故障时间点的历史数据；根据所述历史数据确定所述候选虚拟机在预设根因定位维度的异常信息；基于所述异常信息在所述候选虚拟机中确定目标虚拟机。
-
Patent Agency Ranking
公开(公告)号：CN115514620A
公开(公告)日：2022-12-23
申请号：CN202211427145.0
申请日：2022-11-15
IPC: H04L41/0631 , H04L67/10
Abstract: 本发明实施例提供了一种异常检测的方法和云网络平台，所述方法包括：获取在虚拟网络设备变更开始后采集的实时流量数据；在所述实时流量数据为具有时序特征的流量数据的情况下，将实时流量数据输入预先训练的数据模型，并根据实时流量数据和所述数据模型输出针对所述实时流量数据的重构结果，生成第一偏差数据；根据所述第一偏差数据和预先确定的异常数据阈值，生成异常检测结果。通过本发明实施例，实现了对虚拟网络设备变更导致网络流量异常的检测优化，能够满足大规模网络中对不同类型设备的通用性要求，有利于建立统一的网络变更管理平台，进而能够通过统一的网络变更管理平台实现对全网各类变更的虚拟网络设备进行统一的、自适应的异常检测。
-
公开(公告)号：CN115396372A
公开(公告)日：2022-11-25
申请号：CN202211316696.X
申请日：2022-10-26
Applicant: 阿里云计算有限公司
Abstract: 本申请实施例提供一种数据流的速率控制方法、智能网卡、云端设备及存储介质，其中方法应用于智能网卡，方法包括：获取第一设备端的握手连接报文；如果握手连接报文指示的拥塞控制机制状态为不允许建立拥塞控制机制连接，则修改握手连接报文；将修改后的握手连接报文发送给第二设备端，以在第二设备端的拥塞控制机制状态为允许建立拥塞控制机制连接时，使得第二设备端设置第二设备端的拥塞控制机制处于启用状态；其中，第二设备端的拥塞控制机制用于在数据流出现拥塞时，在协议栈层面降低数据流的发送速率。本申请实施例可以利用拥塞控制机制，保障数据流的传输可靠性，并且提升适用场景。进一步，源端的智能网卡还可利用Meter表对数据流进行限速。
-
公开(公告)号：CN114816659A
公开(公告)日：2022-07-29
申请号：CN202210302138.1
申请日：2022-03-24
Abstract: 本说明书披露的多个实施例提供了一种虚拟机网络部署方案的决策模型训练方法。基于强化学习的思路，训练一个用于输出虚拟机网络部署方案的决策模型，该决策模型输出的部署方案能够在尽可能确保部署成功的前提下，尽可能高效利用设备网络中各服务器的可用硬件资源。
-
公开(公告)号：CN114816659B
公开(公告)日：2024-08-23
申请号：CN202210302138.1
申请日：2022-03-24
IPC: G06F9/455 , G06F18/214 , H04L12/46
Abstract: 本说明书披露的多个实施例提供了一种虚拟机网络部署方案的决策模型训练方法。基于强化学习的思路，训练一个用于输出虚拟机网络部署方案的决策模型，该决策模型输出的部署方案能够在尽可能确保部署成功的前提下，尽可能高效利用设备网络中各服务器的可用硬件资源。
-
公开(公告)号：CN115514614B
公开(公告)日：2023-02-24
申请号：CN202211427195.9
申请日：2022-11-15
IPC: H04L41/0604 , H04L41/069 , G06N20/00
Abstract: 本说明书实施例提供基于强化学习的云网络异常检测模型训练方法及存储介质，其中所述方法包括：将与待检测设备相关的历史时间序列数据，输入异常检测模型的第一检测网络进行处理，生成所述待检测设备在至少一个历史时刻对应的第一异常检测结果，确定所述第一异常检测结果对应的检测误差，并将所述检测误差以及所述待检测设备的至少一个历史报警信息，输入所述异常检测模型中第二检测网络的智能体进行处理，生成所述待检测设备在目标时刻的第二异常检测结果，根据所述第二异常检测结果及所述待检测设备在所述目标时刻的目标异常检测结果，确定所述第二检测网络的奖励信息，基于所述奖励信息对所述智能体的网络参数进行调整，生成目标异常检测模型。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
