专利交易市场

本申请公开了一种用于智能安防系统中的数据传输方法及传输系统，属于数据传输技术领域，包括：服务器接收来自采集终端所采集的第一采集数据，该第一采集数据表示智能安防系统运行过程中采集到的安防数据；对第一采集数据进行分类，并在分类完成后进行帧分析，生成逻辑帧；对逻辑帧进行模拟压缩，并对出现丢失的逻辑帧进行筛选；根据模拟结果计算出损率，并根据出损率对第一采集数据的分类过程进行优化。在本发明的技术方案实施过程中，通过对第一采集数据进行分类，并在分类完成后进行帧分析，生成逻辑帧，然后对逻辑帧进行模拟压缩，并对出现丢失的逻辑帧进行筛选，根据筛选结果对分类过程进行优化，提高处理效率。

本发明公开了一种热轧控制系统中确定性资源调度方法及系统，涉及工业物联网资源调度领域，该方法包括：按照流量占用资源的大小对周期性的时间敏感流量进行降序排列；以吞吐量最大为目标，以时隙偏移约束作为约束条件，按照偏移量逐次递减的贪心策略，对降序流量序列中周期性的时间敏感流量的时隙进行偏移，并将时隙偏移后的降序流量序列映射至循环流队列，实现对周期性的时间敏感流量的传输；以吞吐量最大为目标，以无等待整形器的特定约束作为约束条件，将同步流类型的时间敏感流量映射至同步流队列，实现对同步流类型的时间敏感流量的传输。本发明能在实现热轧控制系统中确定性资源调度过程中，提高时间敏感流量的传输效率和传输稳定性。

本发明公开了一种多模态网络的流量智能控制方法，基于深度强化学习(Deep Reinforcement Learning，DRL)，通过提取访问内容大小、链路带宽等特征，综合考虑网络负载均衡、业务时延等指标来进行网络流量分配。此外，为了缩短用户请求内容的时间，本发明利用多模态网络的架构优势(ICN网络节点可以缓存数据)，基于多模态网络的缓存特性提出了考虑代价和收益的缓存算法，在网络节点中对流行度较高的内容进行缓存。这样本发明通过基于深度强化学习的路由策略以及考虑替换收益的动态缓存策略，降低了多模态网络时延，实现了多模态负载均衡，并提高了多模态网络的性能。

本发明提供了一种面向加密流量分类的TCP数据增强方法与系统，所述系统包括：数据预处理模块，用于对采集的网络数据进行预处理形成数据增强的特征输入；乱序特征增强模块，通过多路径传输机制设置多条路径，利用哈希函数将数据包分配到不同路径，增加延迟并按传输延迟顺序进行排序，重组数据包；重传数据增强模块，在动态窗口调整中，设置丢包而触发重传机制，进行重发数据包插入到增强队列中；数据包长度特征增强模块，利用动态调整最大报文段大小，根据拥塞窗口和动态分段控制算法处理数据包，调整序列中数据包的长度大小特征。本发明提高了在不同网络环境下加密流量特征描述的精确度，提高了深度学习对加密流量分类的检测能力。

本发明公开了一种基于时空注意力机制的加密网络流量分类方法，包括如下步骤：步骤1，解析报文，获取网络流量数据X，并进行归一化处理；步骤2，将归一化处理后的网络流量数据输入到空间特征提取组件SAtt，提取网络流量的空间特征Zs；步骤3，将归一化处理后的网络流量数据输入到时间特征提取组件TAtt，提取网络流量的时间特征Zt；步骤4，将空间特征Zs和时间特征Zt进行重构，得到网络流量特征Z。本发明利用空间特征提取组件SAtt和时间特征提取组件TAtt分别提取空间特征和时间特征，对网络流量分类效果明显提高，在不同类别的流量下均有不错的分类表现，且算法收敛速度较快。

本发明公开了一种面向类别不平衡下的加密流量识别方法，步骤如下：S1、获取数据集；S2、平衡数据集：采用基于密度估计的改进SMOTE算法，对原始实验数据集进行处理；S3、数据预处理：读取数据流，截断数据，并进行归一化处理；S4、最优化特征集：通过变分自动编码器模型自动提取特征，通过网络流量来识别领域常用的特征，并利用基于树模型的特征选择法得到最优化特征集；S5、识别流量：将最优化特征集输入到基于遗传算法改进的随机森林CGA‑RF分类器算法，识别目的加密流量；S6、对获得的指标结果分析，优化加密流量识别方法。本发明识别率高，误报率低，适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。