BR112019005315A2 - arquitetura de rede de uma rede de aspecto humano, e, método de implementação de uma rede de aspecto humano. - Google Patents
arquitetura de rede de uma rede de aspecto humano, e, método de implementação de uma rede de aspecto humano. Download PDFInfo
- Publication number
- BR112019005315A2 BR112019005315A2 BR112019005315A BR112019005315A BR112019005315A2 BR 112019005315 A2 BR112019005315 A2 BR 112019005315A2 BR 112019005315 A BR112019005315 A BR 112019005315A BR 112019005315 A BR112019005315 A BR 112019005315A BR 112019005315 A2 BR112019005315 A2 BR 112019005315A2
- Authority
- BR
- Brazil
- Prior art keywords
- network
- layer
- information
- control layer
- knowledge
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 241000282414 Homo sapiens Species 0.000 title description 10
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000007123 defense Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Computer And Data Communications (AREA)
Abstract
uma arquitetura de rede de uma rede humanoide e um método de implementação, que se refere ao campo da arquitetura de rede, a arquitetura de rede compreendendo uma camada de usuário, uma camada de rede, uma camada de controle e uma camada de aplicação. a camada de usuário é usada para prover a informação para a camada de controle; a camada de rede é usada para transmitir e receber os dados, executar um comando da camada de controle, detectar um estado da rede, uma informação de ambiente e um conhecimento de outras redes, e submeter os mesmos à camada de controle; a camada de controle é usada para aquisição e processamento da informação da camada de aplicação, da camada de usuário e da camada de rede, e salvar a informação processada e o conhecimento das outras redes, e também é usada para gerar o conhecimento associado com o estado da rede e as decisões e adicionar o mesmo em uma base de dados; uma entidade de controle é usada para obter as decisões com base no atual estado da rede, realizar a prática de tomada de decisão por meio de simulação, estimar o tempo ideal para implementar as decisões, implementar as decisões, avaliar um resultado e realimentar o resultado; e a camada de aplicação é usada para receber a informação provida pela camada de controle e prover a informação exigida para a camada de controle. a presente invenção aumenta a robustez da rede, intensifica defesa contra os ataques de rede, e provê funções e desempenhos de melhor qualidade.
Description
ARQUITETURA DE REDE DE UMA REDE DE ASPECTO HUMANO, E, MÉTODO DE IMPLEMENTAÇÃO DE UMA REDE DE ASPECTO HUMANO
Campo Técnico [001] A presente invenção refere-se ao campo de arquitetura de rede e, particularmente, a uma arquitetura de rede e a um método de implementação de uma rede de aspecto humano.
Fundamentos [002] Com o rápido desenvolvimento da Internet, as presentes redes precisam intensificar suas funções a fim de satisfazer as crescentes demandas. As próprias redes estão ficando cada vez mais complexas, ao mesmo tempo em que elas enfrentam desafios cada vez mais fortes. Certamente, isto acelera adicionalmente o desenvolvimento da pesquisa relacionada à tecnologia de rede, e promove a evolução das redes. Atualmente, as redes estão se desenvolvendo rapidamente nas direções de inteligência, software, virtualidade, ambiental e semelhantes, e uma série de tópicos de pesquisa são propostos no processo de desenvolvimento. Por um lado, na indústria, prestase cada vez mais atenção à robustez da rede, como proteger contra os ataques de rede e como prover melhores funções e desempenho continuamente; por outro lado, as redes precisam se melhorar em autoproteção, autocoordenação e auto-otimização, etc. Para satisfazer as duas exigências, novas técnicas de rede são necessárias.
[003] O conceito de “rede cognitiva” marca o início da combinação da tecnologia de inteligência artificial e da tecnologia de rede, e provê uma ideia para a satisfação das duas exigências acima. Entretanto, o conceito de “rede cognitiva” não ganhou progresso de pesquisa substancial desde que ele foi proposto em 2011; a arquitetura de rede não foi esclarecida ou finalizada, e não foi aplicada em um sentido real. Ao mesmo tempo, nos últimos anos, as tecnologias de rede, tais como rede definida por software, virtualização de
Petição 870190025981, de 19/03/2019, pág. 11/35
2/15 função da rede e computação em nuvem, as tecnologias de inteligência artificial, tais como rede neural artificial, aprendizado em profundidade e algoritmo genético, e as tecnologias de processamento de grandes dados, tais como análise on-line de alta capacidade e mineração de dados, todas, foram profundamente estudadas e foi feito grande progresso. Neste particular, embora as redes tenham mudanças de progresso em escala, capacidade, complexidade e número de usuários, não há uma arquitetura de rede inédita surgindo para combinar estas tecnologias.
Sumário [004] Em vista dos defeitos da tecnologia anterior, a presente invenção visa a prover uma arquitetura de rede e um método de implementação de uma rede de aspecto humano, que combina a tecnologia de inteligência artificial e a tecnologia de rede para melhorar a robustez da rede, reforçar a defesa contra os ataques de rede, prover as melhores funções e desempenho, e otimizar os vários aspectos.
[005] Para alcançar o propósito acima, a presente invenção adota uma arquitetura de rede de uma rede de aspecto humano, que compreende uma camada de usuário, uma camada de rede, uma camada de controle e uma camada de aplicação; a camada de usuário compreende um dispositivo de terminal de usuário, e é configurada para trocar a informação com os usuários e prover a informação para a camada de controle; a camada de rede compreende uma sub-rede de dados e uma sub-rede sensora; a sub-rede de dados é configurada para transmitir e receber os dados e executar uma instrução da camada de controle; a sub-rede sensora é configurada para detectar e submeter o estado da rede e a informação de ambiente à camada de controle; a camada de controle compreende uma base de conhecimento e múltiplas entidades de controle; a entidade de controle é configurada para adquirir e processar a informação da camada de aplicação, da camada de usuário e da camada de rede; a base de conhecimento é configurada para
Petição 870190025981, de 19/03/2019, pág. 12/35
3/15 armazenar a informação processada e o conhecimento aprendido a partir de uma outra rede da camada de controle; a entidade de controle também é configurada para gerar o estado da rede e o conhecimento associado à decisão através de autoaprendizado e autotreinamento e incorporar o conhecimento na base de conhecimento; a entidade de controle também é configurada para adquirir uma decisão com base no presente estado da rede, realizar o exercício de decisão por simulação, avaliar o melhor momento para implementar a decisão, implementar a decisão, e avaliar e realimentar um resultado; a camada de aplicação é a extensão da camada de controle, e é configurada para receber a informação a partir da camada de controle, usar um serviço provido pela camada de controle e prover a informação exigida para a camada de controle.
[006] Com base na solução técnica acima, a camada de usuário transmite diretamente a informação para a camada de controle através de uma interface da camada de controle, ou transmite indiretamente a informação para a camada de controle através de uma aplicação configurada na camada de aplicação.
[007] Com base na solução técnica acima, a informação adquirida pela camada de controle compreende uma informação de exigência de usuário e de experiência de usuário transmitida pela camada de aplicação, o estado da rede e a informação de ambiente transmitidos pela sub-rede sensora na camada de rede, a informação de usuário transmitida pela camada de usuário, e o conhecimento proveniente de uma outra rede.
[008] Com base na solução técnica acima, o conhecimento proveniente de uma outra rede é diretamente usado na camada de controle; a outra informação adquirida pela camada de controle é processada para se tomar o conhecimento diretamente usado na camada de controle.
[009] Com base na solução técnica acima, a camada de controle gera o estado da rede e o conhecimento associado à decisão com base na presente
Petição 870190025981, de 19/03/2019, pág. 13/35
4/15 base de conhecimento e na análise do estado da rede, combinados com as técnicas de inteligência artificial e de análise de dados.
[0010] Com base na solução técnica acima, a camada de rede é fisicamente composta por um grupo de dispositivos, que são dispositivos de rede puros, dispositivos de rede com capacidade sensora ou dispositivos sensores puros.
[0011] Com base na solução técnica acima, a camada de controle é fisicamente implementada por um grupo de servidores discretos ou nuvens.
[0012] Com base na solução técnica acima, o dispositivo de terminal de usuário compreende um telefone celular, um Computador Pessoal (PC) ou um ipad', a camada de aplicação compreende um módulo de programa que opera no dispositivo de terminal ou em um servidor.
[0013] A presente invenção provê adicionalmente um método de implementação de uma rede de aspecto humano, que compreende:
Sl: adquirir, por uma camada de controle, a informação a partir de uma presente rede física, que compreende os recursos, a topologia, o estado, o tráfego e o ambiente da presente rede física, e adquirir um conjunto da informação de característica que descreve a presente rede;
S2: de acordo com a informação adquirida, realizar a análise com base em uma presente base de conhecimento, prever as futuras mudanças dos recursos e do tráfego da rede, e avaliar a robustez, a possibilidade de ataques externos e o desempenho da rede;
S3: de acordo com o conjunto da informação de característica, a base de conhecimento e a robustez, a possibilidade de ataques externos e o desempenho da rede adquiridos em S2, adquirir uma decisão para a presente rede através de uma técnica de análise de grandes dados ou uma técnica de inteligência artificial;
S4: simular a operação da rede controlada por meio de uma técnica de simulação, e usar a decisão para simular a rede e avaliar a operação
Petição 870190025981, de 19/03/2019, pág. 14/35
5/15 da rede simulada;
S5: avaliar se o presente é o melhor momento para implementar a decisão; em que as duas condições precisam ser satisfeitas ao mesmo tempo, uma sendo que a robustez, a capacidade de defesa ou o desempenho da rede são melhorados, a outra sendo que o impacto em um presente serviço da rede é minimizado até um nível aceitável;
S6: implementar a decisão na presente rede; e
S7: analisar um resultado da implementação da decisão na presente rede e incorporar o resultado da análise na base de conhecimento. [0014] Com base na solução técnica acima, em Sl, a camada de controle adquire a informação de exigência a partir de uma camada de aplicação, o estado da rede e a informação de ambiente de uma camada de rede, a informação de usuário de uma camada de usuário e o conhecimento usável a partir de uma outra rede; em que o conhecimento usável proveniente de uma outra rede é diretamente usado; a outra informação é adicionalmente processada de acordo com uma exigência através de uma técnica de análise de grandes dados e vários algoritmos, e toma-se o conhecimento diretamente usável a ser armazenado na base de conhecimento.
[0015] A presente invenção tem os efeitos benéficos em que: sob a arquitetura de rede, as funções e os comportamentos da rede são completamente ou parcialmente similares àqueles de uma pessoa natural; a camada de rede é equivalente aos “quatro membros” da rede de aspecto humano, a sub-rede de dados é equivalente aos “ossos e músculos” da rede de aspecto humano, a sub-rede sensora é o “sistema nervoso” da rede de aspecto humano, e a camada de controle é o “cérebro” da rede de aspecto humano; a própria rede tem a capacidade de aprender, treinar, pensar, tomar decisões e agir como seres humanos; pela combinação da tecnologia de inteligência artificial e da tecnologia de rede, a camada de controle adquire, organiza e processa os dados e a informação provenientes de dentro e fora da rede, toma
Petição 870190025981, de 19/03/2019, pág. 15/35
6/15 decisões com base no conhecimento processado e reconstrói a configuração da rede, de forma que a rede tenha a robustez ideal e a proteção ativa contra ataques externos, proveja as funções e o desempenho ideais para os usuários, e otimize vários aspectos.
Breve Descrição dos Desenhos [0016] A figura 1 é um diagrama esquemático de uma estrutura lógica de uma arquitetura de rede de uma rede de aspecto humano de acordo com uma modalidade da presente invenção;
a figura 2 é um diagrama esquemático de uma estrutura física de uma arquitetura de rede de uma rede de aspecto humano de acordo com uma modalidade da presente invenção;
a figura 3 é um diagrama topológico de uma camada de rede de acordo com uma modalidade da presente invenção;
a figura 4 é um diagrama topológico de uma camada de rede depois de tomar uma decisão de acordo com uma modalidade da presente invenção;
a figura 5 é um diagrama esquemático da geração de uma decisão de rede por uma característica de rede através do aprendizado em profundidade de acordo com uma modalidade da presente invenção; e a figura 6 é um fluxograma de um método de implementação de uma arquitetura de rede de uma rede de aspecto humano de acordo com uma modalidade da presente invenção.
Descrição Detalhada das Modalidades [0017] A presente invenção é adicionalmente descrita com detalhes a seguir em relação aos desenhos e às modalidades específicas.
[0018] Da forma mostrada na figura 1, uma arquitetura de rede de uma rede de aspecto humano da presente invenção compreende uma camada de usuário, uma camada de rede, uma camada de controle e uma camada de aplicação. A camada de usuário compreende um dispositivo de terminal de
Petição 870190025981, de 19/03/2019, pág. 16/35
7/15 usuário, voltado diretamente para os usuários da rede de aspecto humano, e é configurado para trocar a informação com os usuários e transmitir a informação inserida pelos usuários para a camada de controle; a informação compreende a informação básica, estado de assinatura empresarial, grau de experiência empresarial dos usuários e semelhantes. A camada de rede é um corpo principal da rede, que pode ser considerado como os “quatro membros” da rede de aspecto humano para prover um serviço exigido para os usuários através do dispositivo de terminal de usuário.
[0019] A camada de rede compreende uma sub-rede de dados e uma sub-rede sensora; a sub-rede de dados é equivalente aos “ossos e músculos” da rede de aspecto humano para realizar diretamente as funções práticas da rede; a sub-rede de dados é configurada para transmitir e receber os dados e executar uma instrução da camada de controle; a sub-rede sensora é o “sistema nervoso” da rede de aspecto humano, e é configurada para detectar o estado e a informação de ambiente da rede, e submeter a informação e as indicações à camada de controle.
[0020] A camada de controle é o “cérebro” da rede de aspecto humano; o desempenho da camada de rede depende das instruções da camada de controle; a camada de controle pode controlar e coordenar automaticamente a operação da rede controlada e aprender o conhecimento de uma outra rede. A camada de controle compreende uma base de conhecimento e múltiplas entidades de controle; a entidade de controle é configurada para adquirir e processar a informação da camada de aplicação, da camada de usuário e da camada de rede; a base de conhecimento é configurada para armazenar a informação processada e o conhecimento aprendido pela camada de controle provenientes de uma outra rede; a entidade de controle também é configurada para gerar o estado da rede e o conhecimento associado à decisão e incorporar o conhecimento na base de conhecimento; a entidade de controle também é configurada para
Petição 870190025981, de 19/03/2019, pág. 17/35
8/15 autoaprender e autotreinar com base no presente estado da rede para adquirir uma decisão, realizar o exercício de decisão por simulação, avaliar o melhor momento para implementar a decisão, implementar a decisão, e avaliar e realimentar um resultado. Particularmente, a base de conhecimento pode ser definida como uma compartilhada por múltiplas entidades de controle; a base de conhecimento também pode ser definida para ser múltiplas, em que cada entidade de controle é provida com uma base de conhecimento, que armazena apenas a informação e o conhecimento da entidade de controle onde ela fica localizada, mas toda a informação nas bases de conhecimento pode ser compartilhada. A camada de controle também pode receber uma instrução a partir da camada de aplicação conforme necessário. As ações da rede sob alguns estados de rede podem não ser configuradas automaticamente, mas são processadas externamente (por exemplo, trabalho manual) para aumentar a controlabilidade da rede. Desta maneira, a rede de aspecto humano pode operar independentemente em um bom estado e também pode ser bem controlada pelo exterior, conforme necessário.
[0021] A camada de aplicação é a extensão da camada de controle. Ela é configurada para receber e usar a informação da camada de controle, e usar um serviço provido pela camada de controle, por exemplo, a camada de controle provê a alocação do recurso de rede e o estado da rede para a camada de aplicação, e também é configurada para prover a informação exigida para a camada de controle, tal como a informação de exigência para a operação e a manutenção da rede.
[0022] Preferivelmente, as funções da camada de controle compreendem:
1. aquisição da informação: compreendendo a informação da exigência de usuário e a informação da experiência de usuário transmitidas pela camada de aplicação, o estado da rede e a informação de ambiente transmitidos pela sub-rede sensora na camada de rede, a informação de
Petição 870190025981, de 19/03/2019, pág. 18/35
9/15 usuário transmitida pela camada de usuário e o conhecimento proveniente de uma outra rede, etc.; é importante adquirir o conhecimento correspondente a partir de uma outra rede; tal conhecimento, como “experiência com sucesso” proveniente de uma outra rede com bom funcionamento, pode ser diretamente usado para a rede em algum nível; por exemplo, se o conhecimento de um estado A da rede e uma decisão B da rede adquirido a partir de uma outra rede se provou uma solução ideal por uma outra rede, a decisão B da rede pode ser diretamente usada nesta rede no caso em que o estado da rede for A; a aquisição da informação também é um processo de autoaprendizado; a rede autoaprende de três maneiras, aquisição de conhecimento fora da rede, aquisição de informação na rede e auto treinamento;
2. processamento de informação: exceto em que o conhecimento proveniente de uma outra rede está disponível para uso direto, a informação adquirida pela camada de controle pode não ser diretamente usada, mas precisa ser adicionalmente processada no conhecimento diretamente usável a ser incorporado na base de conhecimento para uso direto adicional; durante o processamento dos dados e da informação no conhecimento, as entidades de controle da camada de controle podem, conforme necessário, adotar as técnicas de análise de grandes dados, tais como análise on-line e mineração de dados, e algoritmos de inteligência artificial, tais como algoritmo genético, algoritmo de rede neural artificial, algoritmo de aprendizado em profundidade, algoritmo de lógica difusa e algoritmo Naive Bayes',
3. autotreinamento: com base na presente base de conhecimento e na análise e na síntese do estado da rede, a inteligência artificial, a análise de dados e outras técnicas são usadas para gerar o estado da rede e o conhecimento associado à decisão que serão incorporados na base de conhecimento; o conhecimento ganho a partir do autotreinamento também pode ser diretamente aplicado na formação de uma decisão de rede;
Petição 870190025981, de 19/03/2019, pág. 19/35
10/15
4. utilização de conhecimento: de acordo com o presente estado da rede, a presente base de conhecimento e as técnicas, tais como análise de grandes dados e inteligência artificial, são usadas para tomar uma decisão para o presente estado da rede; no processo de tomada de decisão com base em conhecimento, as entidades funcionais da camada de controle também podem usar a correspondentes técnicas de análise de grandes dados e de inteligência artificial;
5. exercício de decisão: a decisão acima é simulada e avaliada; particularmente, ela é para simular a operação da rede controlada por meio de uma técnica de simulação, e aplicar a decisão acima na rede simulada para avaliar a operação da rede simulada sob a condição da decisão, para impedir que a decisão aja diretamente em uma rede real para causar um impacto negativo;
6. avaliação sobre o tempo da implementação da decisão: é necessário verificar o melhor tempo de implementação;
7. implementação da decisão: a decisão acima é implementada na presente rede; e
8. avaliação e realimentação: um resultado da implementação é avaliado e analisado, e o resultado da avaliação é armazenado na base de conhecimento para uso adicional.
[0023] Da forma mostrada na figura 2, o dispositivo de terminal de usuário da camada de usuário compreende um telefone celular, um Computador Pessoal (PC) ou um ipad', a camada de aplicação é composta por um grupo de aplicações; um módulo de programa que opera no dispositivo de terminal pode operar em qualquer dispositivo de terminal ou servidor, por exemplo, um sistema de gerenciamento da rede. A informação de usuário, a informação de exigência e semelhantes podem ser diretamente transmitidas para a camada de controle através de uma interface da camada de controle, em cujo caso a camada de controle provê uma interface de configuração. A
Petição 870190025981, de 19/03/2019, pág. 20/35
11/15 informação de exigência e a informação de experiência dos usuários também podem ser indiretamente transmitidas para a camada de controle através de uma aplicação configurada na camada de aplicação, em cujo caso, a informação da camada de usuário é primeiramente configurada para uma aplicação da camada de aplicação e, então, distribuída para a camada de controle. A sub-rede de dados e a sub-rede sensora da camada de rede podem ser compostas por um mesmo grupo de dispositivos de rede, quando a função sensora for uma das principais funções dos dispositivos de rede. A sub-rede de dados e a sub-rede sensora também podem ser parcialmente ou completamente compostas por diferentes dispositivos. Neste caso, as duas funções, detecção e transmissão de dados, são implementadas por diferentes dispositivos. Por exemplo, os sensores de rede são os principais componentes da sub-rede sensora, ao mesmo tempo em que os dispositivos de rede, tais como comutadores, servidores e roteadores, são os principais dispositivos da sub-rede de dados. A camada de controle é fisicamente implementada por um grupo de servidores discretos ou nuvens.
[0024] Da forma mostrada na figura 3, um simples exemplo físico da camada de rede consiste em quatro comutadores (comutadores 1, 2, 3 e 4), quatro roteadores (roteadores 1, 2, 3 e 4), três servidores (servidores A, B e C), três grupos de hospedeiro (grupos de hospedeiro 1, 2 e 3) e um computador de ataque (fonte de ataque 1); dois fluxos contínuos de usuário normais (fluxo contínuo de usuário 1 e fluxo contínuo de usuário 2) e um fluxo contínuo de ataque (fluxo contínuo de ataque 1) passam através da rede. Quando o estado da rede não mudar e a camada de controle não tomar uma decisão para ajuste, o caminho do fluxo contínuo de usuário 1 na rede passa através de: o grupo de hospedeiros 1, o comutador 1, o roteador 1, o roteador 4 e o servidor C; o caminho do fluxo contínuo de usuário 2 passa através de: o grupo de hospedeiros 3, o comutador 4, o roteador 1, o roteador 3 e o servidor B; o caminho do fluxo contínuo de ataque 1 passa através de: o fonte de
Petição 870190025981, de 19/03/2019, pág. 21/35
12/15 ataque 1, o comutador 2, o roteador 2, o comutador 3 e o servidor A; o fluxo contínuo de usuário 1 e o fluxo contínuo de usuário 2 podem ser transmitidos normalmente, e o fluxo contínuo de ataque 1 pode alcançar um objetivo de ataque.
[0025] A figura 4 mostra um diagrama topológico físico de uma rede depois que um roteador 1 falhar e uma camada de controle toma e implementa uma decisão. Comparado com a figura 3, na figura 4, quando o roteador 1 falhar, o roteador 1 é logicamente isolado da rede, com seu serviço implementado por um outro roteador, e os fluxos contínuos de usuário normais não são afetados. O caminho de um fluxo contínuo de usuário 1 passa através de: um grupo de hospedeiros 1, um comutador 1, um roteador 3, um roteador 4 e um servidor C; o caminho de um fluxo contínuo de usuário 2 passa através de: um grupo de hospedeiros 3, um comutador 4, um roteador 3, um comutador 3 e um servidor B. Um fluxo contínuo de ataque é logicamente isolado pela rede e não pode alcançar um objetivo de ataque. Portanto, a camada de controle pode mudar a rede a partir dos três níveis de dispositivos, enlaces e fluxos contínuos de usuário, de forma que a rede tenha robustez ideal, capacidade de defesa contra ataque e desempenho. Neste particular, a camada de controle tem uma função para reparar automaticamente os enlaces falhos (tais como para redefinir ou reconectar um enlace) e os dispositivos (tais como para reiniciar um dispositivo e fechar um módulo anormal do dispositivo) para melhorar a disponibilidade de recursos físicos. Se o reparo dos recursos físicos estiver além das capacidades da camada de controle, isto é relatado através da camada de aplicação para o exterior para prover assistência de reparo externa (por exemplo, trabalho manual).
[0026] Da forma mostrada na figura 5, é descrito um diagrama esquemático em que uma rede de aspecto humano gera uma decisão de rede a partir de uma característica de rede através do aprendizado em profundidade, o aprendizado em profundidade é desenvolvido a partir de uma rede neural;
Petição 870190025981, de 19/03/2019, pág. 22/35
13/15 sua arquitetura compreende uma camada de entrada, múltiplas camadas ocultas e uma camada de saída, que podem ser consideradas como uma rede neural com múltiplas camadas ocultas. Na figura 5, a camada de entrada insere uma característica de rede e a camada de saída transmite uma decisão para a rede; através da operação em conjunto na camada de entrada, nas múltiplas camadas ocultas e na camada de saída, uma decisão de rede visada ideal pode ser adquirida a partir da característica de rede extraída com base na informação do estado da rede. E necessário enfatizar que a presente invenção não limita o uso de métodos; algoritmos ou técnicas específicos, tal como o algoritmo genético, e a máquina de vetor de suporte também pode ser usada como as ferramentas para gerar uma decisão de rede.
[0027] Um método de implementação de uma rede de aspecto humano da presente invenção compreende as seguintes etapas:
Sl: uma camada de controle adquire a informação de uma presente rede física, que compreende os recursos, a topologia, o estado, o tráfego e o ambiente da presente rede física, e adquire um conjunto da informação de característica que descreve a presente rede; em que a camada de controle adquire a informação de exigência a partir de uma camada de aplicação, o estado da rede e a informação de ambiente de uma camada de rede, a informação de usuário de uma camada de usuário e o conhecimento usável a partir de uma outra rede; em que o conhecimento usável proveniente de uma outra rede é diretamente usado; a outra informação é adicionalmente processada de acordo com uma exigência através de uma técnica de análise de grandes dados e vários algoritmos, e toma-se o conhecimento diretamente usável a ser armazenado em uma base de conhecimento;
S2: de acordo com a informação adquirida, a análise é realizada com base na presente base de conhecimento, futuras mudanças dos recursos e do tráfego da rede são previstas, e a robustez, a possibilidade de ataques externos e o desempenho da rede são avaliados;
Petição 870190025981, de 19/03/2019, pág. 23/35
14/15
S3: de acordo com o conjunto da informação de característica, a base de conhecimento e a robustez, a possibilidade de ataques externos e o desempenho da rede adquiridos em S2, uma decisão para a presente rede é adquirida através de uma técnica de análise de grandes dados ou uma técnica de inteligência artificial;
S4: a operação da rede controlada é simulada por meio de uma técnica de simulação, e a decisão é usada para simular a rede e avaliar a operação da rede simulada;
S5: se o presente é o melhor momento para implementar a decisão é avaliado; em que as duas condições precisam ser satisfeitas ao mesmo tempo, uma sendo que a robustez, a capacidade de defesa ou o desempenho da rede são melhorados, a outra sendo que o impacto em um presente serviço da rede é minimizado até um nível aceitável;
S6: a decisão é implementada na presente rede; e
S7: um resultado da implementação da decisão na presente rede é analisado, e o resultado da análise é incorporado na base de conhecimento.
[0028] Da forma mostrada na figura 6, uma modalidade de um método de implementação de uma rede de aspecto humano compreende as seguintes etapas:
Al: uma camada de controle adquire a informação de estado de uma presente rede;
A2: de acordo com a informação adquirida, a análise é realizada com base em uma presente base de conhecimento, futuras mudanças dos recursos e do tráfego da rede são previstas, e a robustez, a possibilidade de ataques externos e o desempenho da rede são avaliados;
A3: de acordo com as avaliações em A2, uma decisão de rede é gerada através de análise combinacional;
A4: a decisão é simulada e exercida na rede por meio de uma
Petição 870190025981, de 19/03/2019, pág. 24/35
15/15 técnica de simulação;
A5: se os resultados do exercício suportam a implementação da decisão de rede é julgado; se sim, entra em A6; se não, vai para Al; particularmente, se os resultados do exercício melhorarem a rede, os resultados do exercício são considerados como suportando a implementação da decisão de rede;
A6: se o presente é o melhor momento para implementar a decisão é julgado; se sim, entra em A7; se não, vai para Al; particularmente, para ser o melhor tempo, o presente precisa satisfazer as duas condições ao mesmo tempo, uma é que a robustez, a capacidade de defesa ou o desempenho da rede sejam melhorados, a outra é que o impacto em um presente serviço da rede seja minimizado até um nível aceitável;
A7: a decisão de rede é implementada na presente rede; e
A8: um resultado da implementação da decisão na presente rede é analisado, e o resultado da análise é incorporado na base de conhecimento.
[0029] A presente invenção não é limitada às modalidades acima. Os versados na técnica podem fazer melhorias e polimentos sem fugir do princípio da presente invenção; tais melhorias e polimentos devem cair no escopo de proteção da presente invenção. Os conteúdos que não são descritos com detalhes na especificação pertencem à tecnologia anterior bem conhecida por versados na técnica.
Claims (10)
- REIVINDICAÇÕES1. Arquitetura de rede de uma rede de aspecto humano, caracterizada pelo fato de que compreende uma camada de usuário, uma camada de rede, uma camada de controle e uma camada de aplicação, em que a camada de usuário compreende um dispositivo de terminal de usuário e é configurada para trocar a informação com os usuários e prover a informação para a camada de controle;a camada de rede compreende uma sub-rede de dados e uma sub-rede sensora; a sub-rede de dados é configurada para transmitir e receber os dados e executar uma instrução da camada de controle; a sub-rede sensora é configurada para detectar e submeter o estado da rede e a informação de ambiente à camada de controle;a camada de controle compreende uma base de conhecimento e múltiplas entidades de controle; a entidade de controle é configurada para adquirir e processar a informação da camada de aplicação, da camada de usuário e da camada de rede; a base de conhecimento é configurada para armazenar a informação processada e o conhecimento aprendido a partir de uma outra rede da camada de controle; a entidade de controle também é configurada para gerar o estado da rede e o conhecimento associado à decisão através de autoaprendizado e autotreinamento e incorporar o conhecimento na base de conhecimento; a entidade de controle também é configurada para adquirir uma decisão com base no presente estado da rede, realizar o exercício de decisão por simulação, avaliar o melhor momento para implementar a decisão, implementar a decisão, e avaliar e realimentar um resultado;a camada de aplicação é a extensão da camada de controle e é configurada para receber a informação a partir da camada de controle, usar um serviço provido pela camada de controle, e prover a informação exigida para a camada de controle.
- 2. Arquitetura de rede de uma rede de aspecto humano dePetição 870190025981, de 19/03/2019, pág. 26/35 acordo com a reivindicação 1, caracterizada pelo fato de que a camada de usuário transmite diretamente a informação para a camada de controle através de uma interface da camada de controle, ou transmite indiretamente a informação para a camada de controle através de uma aplicação configurada na camada de aplicação.
- 3. Arquitetura de rede de uma rede de aspecto humano de acordo com a reivindicação 1, caracterizada pelo fato de que a informação adquirida pela camada de controle compreende uma informação de exigência de usuário e de experiência de usuário transmitida pela camada de aplicação, o estado da rede e a informação de ambiente transmitidos pela sub-rede sensora na camada de rede, a informação de usuário transmitida pela camada de usuário e o conhecimento proveniente de uma outra rede.
- 4. Arquitetura de rede de uma rede de aspecto humano de acordo com a reivindicação 3, caracterizada pelo fato de que o conhecimento proveniente de uma outra rede é diretamente usado na camada de controle; a outra informação adquirida pela camada de controle é processada para se tomar o conhecimento diretamente usado na camada de controle.
- 5. Arquitetura de rede de uma rede de aspecto humano de acordo com a reivindicação 1, caracterizada pelo fato de que a camada de controle gera o estado da rede e o conhecimento associado à decisão com base na presente base de conhecimento e na análise do estado da rede, combinados com as técnicas de inteligência artificial e de análise de dados.
- 6. Arquitetura de rede de uma rede de aspecto humano de acordo com qualquer uma das reivindicações 1 a 5, caracterizada pelo fato de que a camada de rede é fisicamente composta por um grupo de dispositivos, que são dispositivos de rede puros, dispositivos de rede com capacidade sensora ou dispositivos sensores puros.
- 7. Arquitetura de rede de uma rede de aspecto humano de acordo com qualquer uma das reivindicações 1 a 5, caracterizada pelo fato dePetição 870190025981, de 19/03/2019, pág. 27/352>!A que a camada de controle é fisicamente implementada por um grupo de servidores discretos ou nuvens.
- 8. Arquitetura de rede de uma rede de aspecto humano de acordo com qualquer uma das reivindicações 1 a 5, caracterizada pelo fato de que o dispositivo de terminal de usuário compreende um telefone celular, um Computador Pessoal (PC) ou um ipad', a camada de aplicação compreende um módulo de programa que opera no dispositivo de terminal ou em um servidor.
- 9. Método de implementação de uma rede de aspecto humano com base na arquitetura de rede como definido na reivindicação 1, caracterizado pelo fato de que compreende:Sl: adquirir, por uma camada de controle, a informação a partir de uma presente rede física, que compreende os recursos, a topologia, o estado, o tráfego e o ambiente da presente rede física e adquirir um conjunto da informação de característica que descreve a presente rede;S2: de acordo com a informação adquirida, realizar a análise com base em uma presente base de conhecimento, prever futuras mudanças dos recursos e do tráfego da rede, e avaliar a robustez, a possibilidade de ataques externos e o desempenho da rede;S3: de acordo com o conjunto da informação de característica, a base de conhecimento e a robustez, a possibilidade de ataques externos e o desempenho da rede adquiridos em S2, adquirir uma decisão para a presente rede através de uma técnica de análise de grandes dados ou uma técnica de inteligência artificial;S4: simular a operação da rede controlada por meio de uma técnica de simulação, e usar a decisão para simular a rede e avaliar a operação da rede simulada;S5: avaliar se o presente é o melhor momento para implementar a decisão, em que as duas condições precisam ser satisfeitas ao mesmo tempo, uma sendo que a robustez, a capacidade de defesa ou oPetição 870190025981, de 19/03/2019, pág. 28/354/4 desempenho da rede são melhorados, a outra sendo que o impacto em um presente serviço da rede é minimizado até um nível aceitável;S6: implementar a decisão na presente rede; eS7: analisar um resultado da implementação da decisão na presente rede e incorporar o resultado da análise na base de conhecimento.
- 10. Método de implementação de uma rede de aspecto humano de acordo com a reivindicação 9, caracterizado pelo fato de que, em Sl, a camada de controle adquire a informação de exigência a partir de uma camada de aplicação, o estado da rede e a informação de ambiente de uma camada de rede, a informação de usuário de uma camada de usuário e o conhecimento usável a partir de uma outra rede; em que o conhecimento usável proveniente de uma outra rede é diretamente usado; a outra informação é adicionalmente processada de acordo com uma exigência através de uma técnica de análise de grandes dados e vários algoritmos e toma-se o conhecimento diretamente usável a ser armazenado na base de conhecimento.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710188751.4A CN107425997B (zh) | 2017-03-27 | 2017-03-27 | 类人网的网络架构及实现方法 |
| PCT/CN2017/103576 WO2018176768A1 (zh) | 2017-03-27 | 2017-09-27 | 类人网的网络架构及实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BR112019005315A2 true BR112019005315A2 (pt) | 2019-10-08 |
Family
ID=60424129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112019005315A BR112019005315A2 (pt) | 2017-03-27 | 2017-09-27 | arquitetura de rede de uma rede de aspecto humano, e, método de implementação de uma rede de aspecto humano. |
Country Status (5)
| Country | Link |
|---|---|
| CN (1) | CN107425997B (pt) |
| BR (1) | BR112019005315A2 (pt) |
| MA (1) | MA44944B1 (pt) |
| RU (1) | RU2704538C1 (pt) |
| WO (1) | WO2018176768A1 (pt) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111292523B (zh) * | 2018-12-06 | 2023-04-07 | 中国信息通信科技集团有限公司 | 网络智能体系统 |
| US11706101B2 (en) | 2020-12-04 | 2023-07-18 | A5G Networks, Inc. | Distributed, self-adjusting and optimizing core network with machine learning |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6317438B1 (en) * | 1998-04-14 | 2001-11-13 | Harold Herman Trebes, Jr. | System and method for providing peer-oriented control of telecommunications services |
| US20030217125A1 (en) * | 2002-05-15 | 2003-11-20 | Lucent Technologies, Inc. | Intelligent end user gateway device |
| US7966654B2 (en) * | 2005-11-22 | 2011-06-21 | Fortinet, Inc. | Computerized system and method for policy-based content filtering |
| US8396083B2 (en) * | 2008-03-31 | 2013-03-12 | Qualcomm Incorporated | Determinative segmentation resegmentation and padding in radio link control (RLC) service data units (SDU) |
| US10492102B2 (en) * | 2009-01-28 | 2019-11-26 | Headwater Research Llc | Intermediate networking devices |
| EP2647239A1 (en) * | 2010-12-03 | 2013-10-09 | Huawei Technologies Co., Ltd. | Method and apparatus of communications |
| CN102025781A (zh) * | 2010-12-07 | 2011-04-20 | 南京邮电大学 | 基于分布式监测管理架构的业务感知方法 |
| CN102098799B (zh) * | 2011-01-26 | 2013-04-03 | 北京邮电大学 | 一种实现异构网络融合的智能认知无线网络系统 |
| CN102592171A (zh) * | 2011-12-30 | 2012-07-18 | 南京邮电大学 | 基于bp神经网络的认知网络性能预测方法及装置 |
| CN103888285A (zh) * | 2013-12-02 | 2014-06-25 | 江苏达科信息科技有限公司 | 一种认知网络资源智能管理方法 |
| CN105515822A (zh) * | 2015-11-24 | 2016-04-20 | 武汉邮电科学研究院 | 大数据驱动的互联网架构和实现方法 |
-
2017
- 2017-03-27 CN CN201710188751.4A patent/CN107425997B/zh active Active
- 2017-09-27 BR BR112019005315A patent/BR112019005315A2/pt active Search and Examination
- 2017-09-27 MA MA44944A patent/MA44944B1/fr unknown
- 2017-09-27 WO PCT/CN2017/103576 patent/WO2018176768A1/zh active Application Filing
- 2017-09-27 RU RU2019107978A patent/RU2704538C1/ru active
Also Published As
| Publication number | Publication date |
|---|---|
| RU2704538C1 (ru) | 2019-10-29 |
| WO2018176768A1 (zh) | 2018-10-04 |
| MA44944B1 (fr) | 2020-05-29 |
| MA44944A1 (fr) | 2019-10-31 |
| CN107425997A (zh) | 2017-12-01 |
| CN107425997B (zh) | 2019-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gao et al. | RCD: Relation map driven cognitive diagnosis for intelligent education systems | |
| Wang et al. | Event-triggered distributed control for synchronization of multiple memristive neural networks under cyber-physical attacks | |
| Zhang et al. | Cross-project defect prediction using a connectivity-based unsupervised classifier | |
| US10311356B2 (en) | Unsupervised behavior learning system and method for predicting performance anomalies in distributed computing infrastructures | |
| Qasem et al. | Memetic multiobjective particle swarm optimization-based radial basis function network for classification problems | |
| Sharifian et al. | A new power system transient stability assessment method based on Type-2 fuzzy neural network estimation | |
| Zheng et al. | Vulnerability assessment of deep reinforcement learning models for power system topology optimization | |
| Tang et al. | Variable predictive model class discrimination using novel predictive models and adaptive feature selection for bearing fault identification | |
| Xu et al. | Bipolar fuzzy Petri nets for knowledge representation and acquisition considering non-cooperative behaviors | |
| Chen et al. | Deep actor–critic learning-based robustness enhancement of Internet of Things | |
| CN106650932A (zh) | 一种数据中心监控系统的智能故障分类方法及装置 | |
| BR112019005315A2 (pt) | arquitetura de rede de uma rede de aspecto humano, e, método de implementação de uma rede de aspecto humano. | |
| Pandey et al. | ExpSSOA-Deep maxout: Exponential Shuffled shepherd optimization based Deep maxout network for intrusion detection using big data in cloud computing framework | |
| Müller et al. | Artificial neural networks for load flow and external equivalents studies | |
| Uribe et al. | On the efficient computation and use of multi-objective descent directions within constrained MOEAs | |
| Muhsen et al. | Enhancing NoC-based MPSoC performance: a predictive approach with ANN and guaranteed convergence arithmetic optimization algorithm | |
| Liang et al. | Ensemble learning based on fitness Euclidean-distance ratio differential evolution for classification | |
| Liu et al. | Understanding information diffusion with psychological field dynamic | |
| CN107665315A (zh) | 一种适用于Hadoop的基于角色与信任的访问控制方法 | |
| Esmaili et al. | Autonomic management of 3D cardiac simulations | |
| Kader et al. | Adopting Jaya algorithm for team formation problem | |
| Zhou et al. | CausalABSC: Causal Inference for Aspect Debiasing in Aspect-Based Sentiment Classification | |
| Das et al. | Digital twin based fault analysis in hybrid-cloud applications | |
| Gao et al. | DAWN: Domain generalization based network alignment | |
| Qi et al. | Meta-learning with neural bandit scheduler |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B350 | Update of information on the portal [chapter 15.35 patent gazette] | ||
| B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
| B09A | Decision: intention to grant [chapter 9.1 patent gazette] |