一体化承载网络体系架构研究

传统信息网络因面向业务支撑设计而造成体系架构的刚性,无法满足业务发展多样性和网络异构的需求,因此无法适应下一代网络融合、可扩展等特点.面向服务提供的技术体系可以解决这一问题.文中以网络承载服务为核心,以可重构路由交换平台为关键支撑技术,设计出一种面向服务提供的网络体系架构--一体化承载网络(UCN)模型,以及基于UCN模型设计出的逻辑承载网的资源均衡构建算法(RBCA)并进行了网络仿真及结果分析,为下一代网络的研究和设计提供了新的思路.     

基于SDN的本地综合承载传送网技术研究

该文通过对SDN本地综合承载传送网技术应用现状的分析,明确社会使用的需求,进而提出构建SDN的本地综合承载传送网技术网络架构和模型的方法,对SDN的本地综合承载传送网技术进行全面的分析。     

基于SDN的本地综合承载传送网技术研究

该文通过对SDN本地综合承载传送网技术应用现状的分析,明确社会使用的需求,进而提出构建SDN的本地综合承载传送网技术网络架构和模型的方法,对SDN的本地综合承载传送网技术进行全面的分析。     

一体化承载网络的互斥问题研究*

一体化承载网是一种全新的网络体系架构,其以网络承载服务为核心,结合可重构路由平台技术,根据用户的业务需求,在现有的物理网络上构建逻辑承载网。但构建逻辑网时,会产生分布式公用资源访问的互斥问题。针对一体化承载网络的体系结构,设计了一种基于令牌的互斥算法。该算法借鉴解决旅行商问题的算法思想,构造一个逻辑环,使得令牌遍历所有节点的代价最小,并提出了一种新的基于请求的令牌传递策略,能有效降低系统中的通信量。最后对算法进行了模拟仿真。     

XX联通LTE承载网性能质量监控系统部署探讨

LTE业务(4G)的迅速发展,对LTE承载网的性能提出了更高的要求,时延、抖动、丢包率等LTE承载网的性能指标将直接影响客户感知。如何检测LTE承载网网络性能,及时发现和解决网络潜在隐患,成为提升LTE业务(4G)体验效果的关键。笔者旨在研究在LTE承载网中部署探针系统,实现LTE承载网性能质量的实时监控,从而为优化调整LTE承载网提供依据。     

基于势能导向多下一跳路由的服务承载网构建方法

服务承载网络是基于服务构建的以满足服务端到端QoS保障为出发点的覆盖网络,是满足可重构柔性网络对业务需求支撑的有效的网络架构。基于可重构柔性网络体系框架,分析服务承载网构建的主要问题,提出了可重构柔性网络下服务承载网的构建原则,在此基础上给出了基于势能导向多下一跳路由的服务承载网构建算法,并对其进行了性能分析及仿真。仿真结果表明,该算法具有较高的构建成功率。     

基于服务开放的一体化承载网设计

传统信息网络因面向业务支撑设计而造成体系架构的刚性,无法满足业务发展多样性和网络异构的需求,因此无法适应下一代网络融合、可扩展等特点。基于服务开放的技术体系可以解决这一问题。本文以网络承载服务为核心,以可重构路由交换平台为关键支撑技术,设计出一种面向服务提供的网络体系架构一体化承载网络模型,并对逻辑承载网的构建进行了讨论,为下一代网络的研究和设计提供了新的思路。     

国家互动新媒体示范区骨干承载网设计与测试

根据多区域广电网络实现多业务跨域互联互通的骨干承载网组网要求,对骨干承载网的方案设计、关键特性、网络性能等进行了具体分析;对涉及的网络模式选择、IP路由设计、BGP控制策略及网络性能测试方法等进行了阐述.在基于3Tnet总体技术路线的基础上遵循国家及相关行业标准设计构建了示范区骨干承载网.测试结果满足“中国互动新媒体网络与新业务科技工程”任务书要求;是对国家下一代广电网络建设的前期探索与规模实验.     

三网融合给电信承载网提出新要求

对于电信运营商而言,三网融合的重点就是引入视频业务,而视频业务对带宽需求大,同时需要快速频道切换、丢包重传和快速运维来提升用户体验.这就给电信级承载网提出了新的要求.     

5G业务承载网规划部署研究

随着5G商业频谱的分配及临时牌照的发放完成,人们已迈进了5G时代。高带宽大容量成为5G时代的标志,对于5G业务承载网的规划部署也带来了新的变化和要求,如何在满足网络感知的情况下兼顾网络初期的建设成本,成为网络运营商着重思考的问题。笔者从承载预测、总体原则及规划思路等方面重点阐述了承载网对于5G业务的部署思路,同时根据不同对象需求提供了初期的4G/5G共建的建设方案,为即将到来的5G业务承载组网方案提供一定参考。     

基于不定期决策过程的最短路径搜索算法

不定期决策过程具有广泛的应用领域。该文针对基于不定期决策过程的段数不定线路网,在动态规划的基础上,提出了SPUCN算法(ShortestPathProblemofUncertainColumnNetwork),该算法通过对UCN模型进行分析转换,建立起能够以动态规划基本方程进行分析求解的理想模型,然后对该模型进行动态规划的后向分析求解,文章给出了算法的正确性和理论性证明,最后通过实例验证了算法的有效性。     

基于新型卷积神经网络构建矿山灾害事件检测模型

事件检测属于自然语言处理的核心任务及难点之一,使用长短时记忆网络(LSTM)和卷积神经网络(CNN)进行的相关研究越来越广泛,但面对篇章级别的事件文本时,参数量庞大的LSTM与语义缺失明显的CNN导致模型检测准确性和收敛性均欠佳。该文结合迭代空洞卷积神经网络和高速神经网络,提出基于混合特征的高速迭代空洞卷积神经网络,力图优化深层模型训练中常见的梯度消失与爆炸现象,提取性能更优的篇章级文本特征。实验结果表明,该方法与当下主流的LSTM和CNN模型相比,矿山灾害事件检测效果更为理想,收敛性及训练效率也表现更优。     

面向动态虚拟网络请求的虚拟网络映射算法

针对虚拟网络请求资源动态变化的实际情况,提出了面向动态虚拟网络请求的虚拟网络映射（DVNR-VNE）算法。以混合线性规划理论为基础,采用多队列的方式分别对不同类型的虚拟网络请求进行预处理,建立了以最小化映射代价和最小迁移代价为优化目标的映射模型,优先映射需要释放资源的请求以获得更多的资源支持其他的虚拟网络,对新到来的虚拟网络请求采用优化后的虚拟网络映射（WD-VNE）算法进行映射。仿真实验表明,该算法降低了链路映射成本和迁移成本并获得了较高的虚拟网络请求接受率。     

结合802.1x认证技术实现基于策略的网络管理

网络管理技术是现代通信网络的重要组成部分,是保证通信网络高效、可靠、经济和安全运行的重要基础,而基于策略的网络管理技术更优于传统的网络管理技术.分析了802.1x认证技术和基于策略的网络管理,并对策略思想以及基于策略的网络管理系统的体系结构进行了介绍,提出了结合802.1x认证技术实现基于策略的网络管理的具体解决方案,同时对系统的实现过程进行了详细分析,并总结该解决方案的优缺点.     

基于混合卷积神经网络和循环神经网络的入侵检测模型

针对电力信息网络中的高级持续性威胁问题,提出一种基于混合卷积神经网络（CNN）和循环神经网络（RNN）的入侵检测模型。该模型根据网络数据流量的统计特征对当前网络状态进行分类。首先,获取日志文件中网络流量的各统计值,进行特征编码、归一化等预处理工作;然后,通过深度卷积神经网络中可变卷积核提取不同主机入侵流量之间空间相关特征;最后,将已经处理好的包含空间相关特征的数据在时间上错开排列,利用深度循环神经网络挖掘入侵流量的时间相关特征。实验结果表明,该模型相对于传统的机器学习模型在曲线下方的面积（AUC）上提升了7.5%~14.0%,同时误报率降低了83.7%~52.7%。所提模型能准确地识别网络流量的类别,大幅降低误报率。     

VPN中IPSec穿越NAT的解决方案

IP安全（IPSec）体系结构与网络地址转换（NAT）都是在因特网上得到广泛应用的技术,然而它们之间的不兼容性却制约着基于IPSec技术的虚拟专用网(VPN)发展。为解决两者之间的不兼容性,IETF提出了用户数据包协议(UDP)封装草案。但该草案对于IPSec通信双方均在NAT之后的情况,则还没提出可行的解决方法。在借鉴UDP封装方案和双向穿越NAT方案的基础上,给出了一种适应不同情形的NAT穿越解决方案,并对方案的可行性进行了详尽的分析。     

基于深度卷积神经网络的图像检索算法研究

为解决卷积神经网络在提取图像特征时所造成的特征信息损失,提高图像检索的准确率,提出了一种基于改进卷积神经网络LeNet-L的图像检索算法。首先,改进LeNet-5卷积神经网络结构,增加网络结构深度。然后,对深度卷积神经网络模型LeNet-L进行预训练,得到训练好的网络模型,进而提取出图像高层语义特征。最后,通过距离函数比较待检图像与图像库的相似度,得出相似图像。在Corel数据集上,与原模型以及传统的SVM主动学习图像检索方法相比,该图像检索方法有较高的准确性。经实验结果表明,改进后的卷积神经网络具有更好的检索效果。     

Design of Adaptive Robot Control System Using Recurrent Neural Network

The use of a new Recurrent Neural Network (RNN) for controlling a robot manipulator is presented in this paper. The RNN is a modification of Elman network. In order to solve load uncertainties, a fast-load adaptive identification is also employed in a control system. The weight parameters of the network are updated using the standard Back-Propagation (BP) learning algorithm. The proposed control system is consisted of a NN controller, fast-load adaptation and PID-Robust controller. A general feedforward neural network (FNN) and a Diagonal Recurrent Network (DRN) are utilised for comparison with the proposed RNN. A two-link planar robot manipulator is used to evaluate and compare performance of the proposed NN and the control scheme. The convergence and accuracy of the proposed control scheme is proved.     

高可靠监控服务体系

网络监控是网络管理系统的基本组成部分之一。基于中间件层的分布式网管结构用于克服传统网管系统中大量网管数据通过网络传输所增加的网络开销以及监控延时等缺点。但这种方法需要修改底层网络,成本高,过于复杂而难以实现。在研究以上网络管理结构的基础上,提出了一个应用简易的高可靠监测服务体系,通过对监控组件的配置提高监控系统的可靠性。对体系性能进行了评估,试验表明该体系的应用具有成本低、可靠性高等优点。