CN113472866A - 基于tcp协议的云端神经网络数据接口方法 - Google Patents
基于tcp协议的云端神经网络数据接口方法 Download PDFInfo
- Publication number
- CN113472866A CN113472866A CN202110695729.5A CN202110695729A CN113472866A CN 113472866 A CN113472866 A CN 113472866A CN 202110695729 A CN202110695729 A CN 202110695729A CN 113472866 A CN113472866 A CN 113472866A
- Authority
- CN
- China
- Prior art keywords
- cloud server
- user side
- neural network
- cloud
- tcp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000005540 biological transmission Effects 0.000 title claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000003993 interaction Effects 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/141—Setup of application sessions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
- H04L69/163—In-band adaptation of TCP data exchange; In-band control procedures
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明涉及一种基于TCP协议的云端神经网络数据接口方法,其技术特点是:建立用户端与云端服务器TCP连接;用户端向云端服务器发送服务序列号;用户端如果接收到云端服务器返回相同的序列号,则进入下一步;用户端向云端服务器发送通信协议字符串;用户端如果接收到云端服务器返回相同的字符串,则进入下一步;用户端向云端服务器发送样本数据;用户端接收云端服务器返回的样本数据。本发明在云端服务器安装神经网络系统,并为用户端调用云端神经网络提供了灵活方便的接口格式,在用户端与云端服务器之间通过特定接口进行数据交互,完成用户端所需神经网络的训练及运行功能。具有实时性强、处理速度快且安全可靠等特点,可在云端神经网络领域广泛推广使用。
Description
技术领域
本发明属于神经网络技术领域,涉及云端神经网络方法,尤其是一种基于TCP协议的云端神经网络数据接口方法。
背景技术
随着人工智能技术的不断发展,人工神经网络能够根据生物神经网络的原理和实际应用的需要建造实用的人工神经网络模型,设计相应的学习算法,模拟人脑的某种智能活动,然后在技术上实现出来用以解决实际问题。
人工神经网络作为一种智能分析工具,能够实现大规模并行处理、分布式存储、弹性拓扑、高度冗余和非线性运算等功能,其具有很髙的运算速度、很强的联想能力、很强的适应性、很强的容错能力和自组织能力。这些特点和能力构成了人工神经网络模拟智能活动的技术基础,并在广阔的领域获得了重要的应用。例如,在通信领域,人工神经网络可以用于数据压缩、图像处理、矢量编码、差错控制(纠错和检错编码)、自适应信号处理、自适应均衡、信号检测、模式识别、ATM流量控制、路由选择、通信网优化和智能网管理等等。
随着云端神经网络的发展,人们可以通过文件与云端神经网络进行交流,实现神经网络功能,但是,这种文件与云端神经网络的传输方式,需要过多的人工参与过程,增加了用户使用的复杂度,不能适应实时大量应用的需求。
发明内容
本发明的目的在于克服现有技术的不足,提供一种设计合理、实时性强、处理速度快且安全可靠的基于TCP协议的云端神经网络数据接口方法。
本发明解决现有的技术问题是采取以下技术方案实现的:
一种基于TCP协议的云端神经网络数据接口方法,包括以下步骤:
步骤1、建立用户端与云端服务器TCP连接;
步骤2、用户端向云端服务器发送服务序列号;
步骤3、如果用户端接收到云端服务器返回相同的序列号,则进入下一步;
步骤4、用户端向云端服务器发送通信协议字符串;
步骤5、如果用户端接收到云端服务器返回相同的字符串,则进入下一步;
步骤6、用户端向云端服务器发送样本数据;
步骤7、用户端接收云端服务器返回的样本数据。
进一步,所述云端服务器为云端神经网络的核心,其采用特定数据接口方式与用户端进行数据交互,完成用户端所需神经网络的训练及运行功能。
进一步,所述步骤1通过云端服务器IP地址、云端服务器端口号建立用户端与云端服务器的TCP连接。
进一步,所述服务序列号、协议字符串、样本数据均以代表文本的字节形式发送。
进一步,所述步骤6用户端向云端服务器发送的样本数据包括训练样本数据和运行样本数据,每次发送的样本数据为一条或多条。
进一步,所述训练样本数据中包含期望输出,所述运行样本数据中不包含期望输出。
进一步,所述样本数据的结构为:
采样开始标志,一个或多个数据,采样结束标志,一个或多个期望输出,输出开始标志,一个或多个实际输出。
本发明的优点和积极效果是:
1、本发明设计合理,其在云端服务器安装神经网络系统,并为用户端调用云端神经网络提供了灵活方便的接口格式,在用户端与云端服务器之间通过特定接口进行数据交互,实现云端神经网络对用户端的训练和运行功能,具有实时性强、处理速度快且安全可靠等特点,可在云端神经网络领域广泛推广使用。
2、本发明采用的接口形式能够使云端神经网络的训练与运行同时进行,程序员只需编程分析字符即可使用,避免训练云端神经网络时没有用等号分开前后导致训练与运行阶段必须人工去设置的问题。
3、本发明的接口形式灵活,其采用简洁的标志性符号,使数据分区明显,数据精度和字段数都可灵活设置、不受限制,各区有无数据,都代表一定意义,“=”号后是训练结果,“=”号前是学习目标。“<”和“>”中是采集的样本数据。训练过程就是等待云端服务器返回符合误差要求的“=”号后数据。字段的多少、期望的训练目标和返回方式都包含在这里,返回值包含原始数据对数据校验有利。
4、本发明完全在云端实现训练及运行功能,用户端只需将接口嵌入自己的程序中即可,用户端作为轻客户只要有wifi即可实现相应的功能。
5、本发明的云端服务器采用改进的BP算法,参数调整可根据用户样本情况,自动进行。
附图说明
图1为本发明的处理流程示意图。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种基于TCP协议的云端神经网络数据接口方法,如图1所示,包括以下步骤:
步骤1、建立用户端与云端服务器IP地址、云端服务器端口号的TCP连接。
云端服务器作为云端神经网络的核心,存储有神经网络模型,其采用专用数据接口方式与用户端的数据交互,完成用户端所需神经网络的训练及运行功能。
在本实施例中,云端服务器采用改进的BP算法,参数调整可根据用户样本情况,自动进行。
在本实施例中,文件ip.txt内容为云端服务器IP地址:1.116.223.114,文件port.txt内容为服务端口号:9201。
用户可以依照本实施例将demo程序的套接字部分改用客户端使用的编程语言,嵌入到客户自己的应用程序中,实现神经网络功能与应用程序的一体化。
步骤2、用户端向云端服务器发送服务序列号。
在本步骤中,服务序列号是文件sn.txt中的内容,服务序列号不分大小写。在本实施例中,文件sn.txt内容为服务序列号:demo。
步骤3、如果接收云端服务器响应,则进入下一步,否则结束。
在本步骤中,如果用户端接收到云端服务器反馈的内容为与用户端发送的服务序列号相同的话,则进入下一步。
步骤4、用户端向云端服务器发送通信协议字符串“Tcp”,目的是在用户端和云端服务器建立TCP连接服务,与文件传输服务相区别。
步骤5、用户端如果接收到云端服务器响应,则进入下一步,否则结束。
在本步骤中,如果用户端接收到云端服务器反馈的内容为与用户端发送的字符串相同的话,则进入下一步。
步骤6、用户端向云端服务器发送样本数据。
用户端向云端服务器发送的样本数据包括训练样本数据和运行样本数据。其中:
在训练阶段,发送训练样本数据,该训练样本数据中包含期望输出,例如:
<,1,2,…,>,0.01,…,=,
在常规运行阶段,向云端服务器发送运行样本数据,该运行样本数据中不包含期望输出,例如:
<,1,2,…,>,=,
本实施例以文件samples.csv存储若干训练样本数据,包括以下内容:
<,1,2,3,4,5,6,>,1,=
<,1,2,3,4,5,5,>,1,=
<,1,2,3,4,4,6,>,1,=
<,1,2,3,3,5,6,>,1,=
<,1,2,2,4,5,6,>,1,=
<,1,1,3,4,5,6,>,1,=
<,6,5,4,3,2,1,>,0,=
<,5,5,4,3,2,1,>,0,=
<,6,4,4,3,2,1,>,0,=
<,6,5,3,3,2,1,>,0,=
<,6,5,4,2,2,1,>,0,=
<,6,5,4,3,1,1,>,0,=
从上述样本数据可以看出:每行即是一个学习样本,“<”和“>”中是客户应用程序采集来的样本数据,“=”号前是学习目标。其中的数据在实数范围内没有定义域的限制。分隔符和数字是半角英文。
在本实施例中,每次放入接口的可以是单个样本的数据,即只包含一个“<”号、一个“>”号和一个“=”号。也可以是多个样本数据。当一次放入接口的样本在一个以上时,为了区分不同样本的实际意义,可在“<”号前添加样本实际意义的说明文字。这些文字在传输中全程携带在样本数据中,且位置不变。这样就容易在返回数据中区分各种不同的样本。
步骤7、用户端接收云端服务器返回的样本数据。
用户端接收云端服务器返回的样本数据包括训练返回的样本数据和运行返回的样本数据。其中:
用户端接收训练返回的样本数据,包含实际输出,例如:
<,1,2,…,>,0.01,…,=,0.013,…,
用户端接收常规运行返回的样本数据,包含实际输出,例如:
<,1,2,…,>,=,0.011,…,
本实施例以文件samplesout.csv存储云端服务器返回的样本数据,包括以下内容:
<,1,2,3,4,5,6,>,1,=,0.999902,
<,1,2,3,4,5,5,>,1,=,0.999818,
<,1,2,3,4,4,6,>,1,=,0.999939,
<,1,2,3,3,5,6,>,1,=,0.999792,
<,1,2,2,4,5,6,>,1,=,0.999855,
<,1,1,3,4,5,6,>,1,=,0.999681,
<,6,5,4,3,2,1,>,0,=,0.000001,
<,5,5,4,3,2,1,>,0,=,0.000150,
<,6,4,4,3,2,1,>,0,=,0.000056,
<,6,5,3,3,2,1,>,0,=,0.000536,
<,6,5,4,2,2,1,>,0,=,0.000001,
<,6,5,4,3,1,1,>,0,=,0.000057,
上述数据与所发送的数据比较可以发现“=”号后出现了数字,这是云端神经网络训练成功后,接口把“<”和“>”中以逗号分隔的数据分别输入到云端系统中,在输出结果时先把输入数据的原样放回接口,并在“=”号后添加云端神经网络运行得到的数据所呈现的样子。“=”号前后以“,”号分隔的对应列的数据之间的误差随着训练迭代时间的增加趋于减少。
本发明的样本数据结构表示如下:
即:
<,输入数据1,输入数据2,输入数据3,…,>,期望输出1,期望输出2,…,=,实际输出1,实际输出2,…,
下面举个简单的例子,如果在步骤6中,在接口中放入如下运行时采样数据:
<,1,2,2,4,5,6,>,=
在步骤7中将从接口返回如下结果:
<,1,2,2,4,5,6,>,=,0.999855,
分析接口中返回的文本数据,截取“=”号后的数据,本例中是0.999855,即可作为云端神经网络的运行结果加以利用或显示。
可以注意到“>”号和“=”号之间没有数据,只有一个逗号。这种数据云端神经网络直接识别为运行数据。即将“<”和“>”中的数据分别输入到云端系统中,并将结果放在“=”号后返回。接口中放置这样的数据时将结束云端的训练过程,云端神经网络各个权值不会再产生变化。相反,接口中放置“>”号和“=”号之间有数据的样本时,将启动云端的训练过程。云端神经网络将用来实时学习,即按照改进的BP算法适当改变网络权值,增加精度,减少误差。
以上数据格式中不限于使用相同的符号,包括可替代的其它符号,只要在其位置上起到相应的分段和指示作用,可形成替代方案的,都是本发明保护的范围。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (7)
1.一种基于TCP协议的云端神经网络数据接口方法,其特征在于:包括以下步骤:
步骤1、建立用户端与云端服务器TCP连接;
步骤2、用户端向云端服务器发送服务序列号;
步骤3、如果用户端接收到云端服务器返回相同的序列号,则进入下一步;
步骤4、用户端向云端服务器发送通信协议字符串;
步骤5、如果用户端接收到云端服务器返回相同的字符串,则进入下一步;
步骤6、用户端向云端服务器发送样本数据;
步骤7、用户端接收云端服务器返回的样本数据。
2.根据权利要求1所述的基于TCP协议的云端神经网络数据接口方法,其特征在于:所述云端服务器为云端神经网络的核心,其采用特定数据接口方式与用户端进行数据交互,完成用户端所需神经网络的训练及运行功能。
3.根据权利要求1所述的基于TCP协议的云端神经网络数据接口方法,其特征在于:所述步骤1通过云端服务器IP地址、云端服务器端口号建立用户端与云端服务器的TCP连接。
4.根据权利要求1所述的基于TCP协议的云端神经网络数据接口方法,其特征在于:所述服务序列号、协议字符串、样本数据均以代表文本的字节形式发送。
5.根据权利要求1所述的基于TCP协议的云端神经网络数据接口方法,其特征在于:所述步骤6用户端向云端服务器发送的样本数据包括训练样本数据和运行样本数据,每次发送的样本数据为一条或多条。
6.根据权利要求5所述的基于TCP协议的云端神经网络数据接口方法,其特征在于:所述训练样本数据中包含期望输出,所述运行样本数据中不包含期望输出。
7.根据权利要求1至6任一项所述的基于TCP协议的云端神经网络数据接口方法,其特征在于:所述样本数据的结构为:
采样开始标志,一个或多个数据,采样结束标志,一个或多个期望输出,输出开始标志,一个或多个实际输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110695729.5A CN113472866A (zh) | 2021-06-23 | 2021-06-23 | 基于tcp协议的云端神经网络数据接口方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110695729.5A CN113472866A (zh) | 2021-06-23 | 2021-06-23 | 基于tcp协议的云端神经网络数据接口方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113472866A true CN113472866A (zh) | 2021-10-01 |
Family
ID=77869167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110695729.5A Pending CN113472866A (zh) | 2021-06-23 | 2021-06-23 | 基于tcp协议的云端神经网络数据接口方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113472866A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647451A (zh) * | 2012-03-20 | 2012-08-22 | 北京航空航天大学 | 一种移动终端与云入口的自动匹配方法及装置 |
WO2017080487A1 (zh) * | 2015-11-10 | 2017-05-18 | 中兴通讯股份有限公司 | 云桌面的调用方法及装置 |
CN106941536A (zh) * | 2017-05-03 | 2017-07-11 | 华东交通大学 | 基于http协议的客户端与服务器之间的数据交互方法 |
CN109376844A (zh) * | 2018-10-30 | 2019-02-22 | 银河水滴科技(北京)有限公司 | 基于云平台和模型推荐的神经网络自动训练方法和装置 |
CN109471723A (zh) * | 2018-10-23 | 2019-03-15 | 北京奇虎科技有限公司 | 一种用于对任务的处理结果进行验证的方法及系统 |
CN109495451A (zh) * | 2018-10-23 | 2019-03-19 | 北京奇虎科技有限公司 | 一种用于处理云端数据请求的方法及系统 |
CN111542035A (zh) * | 2020-04-29 | 2020-08-14 | 杭州涂鸦信息技术有限公司 | 一种云端服务连接方法、系统及相关设备 |
CN111736999A (zh) * | 2020-06-19 | 2020-10-02 | 复旦大学 | 一种降低通信成本的神经网络端云协同训练系统 |
US20200329074A1 (en) * | 2019-04-11 | 2020-10-15 | Netapp, Inc. | Methods for demultiplexing services over ports and devices thereof |
CN112583639A (zh) * | 2020-11-30 | 2021-03-30 | 新华三大数据技术有限公司 | 一种网络设备的配置方法及装置 |
-
2021
- 2021-06-23 CN CN202110695729.5A patent/CN113472866A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647451A (zh) * | 2012-03-20 | 2012-08-22 | 北京航空航天大学 | 一种移动终端与云入口的自动匹配方法及装置 |
WO2017080487A1 (zh) * | 2015-11-10 | 2017-05-18 | 中兴通讯股份有限公司 | 云桌面的调用方法及装置 |
CN106941536A (zh) * | 2017-05-03 | 2017-07-11 | 华东交通大学 | 基于http协议的客户端与服务器之间的数据交互方法 |
CN109471723A (zh) * | 2018-10-23 | 2019-03-15 | 北京奇虎科技有限公司 | 一种用于对任务的处理结果进行验证的方法及系统 |
CN109495451A (zh) * | 2018-10-23 | 2019-03-19 | 北京奇虎科技有限公司 | 一种用于处理云端数据请求的方法及系统 |
CN109376844A (zh) * | 2018-10-30 | 2019-02-22 | 银河水滴科技(北京)有限公司 | 基于云平台和模型推荐的神经网络自动训练方法和装置 |
US20200329074A1 (en) * | 2019-04-11 | 2020-10-15 | Netapp, Inc. | Methods for demultiplexing services over ports and devices thereof |
CN111542035A (zh) * | 2020-04-29 | 2020-08-14 | 杭州涂鸦信息技术有限公司 | 一种云端服务连接方法、系统及相关设备 |
CN111736999A (zh) * | 2020-06-19 | 2020-10-02 | 复旦大学 | 一种降低通信成本的神经网络端云协同训练系统 |
CN112583639A (zh) * | 2020-11-30 | 2021-03-30 | 新华三大数据技术有限公司 | 一种网络设备的配置方法及装置 |
Non-Patent Citations (1)
Title |
---|
高玮玲,等: ""基于客户_服务器的人工神经网络系统的设计与实现"", 《北京理工大学学报 2002(02)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800247B (zh) | 基于知识图谱共享的语义编/解码方法、设备和通信系统 | |
CN110365758A (zh) | 一种协议自适应的物联网网关系统 | |
CN109801307A (zh) | 一种全景分割方法、装置及设备 | |
EP3413212A1 (en) | Random forest model training method, electronic apparatus and storage medium | |
CN108306804A (zh) | 一种Ethercat主站控制器及其通信方法和系统 | |
CN106227780A (zh) | 一种海量网页的自动化截图取证方法和系统 | |
CN110868404B (zh) | 一种基于tcp/ip指纹的工控设备自动识别方法 | |
CN105100091A (zh) | 一种协议识别方法及系统 | |
CN110265013A (zh) | 语音的识别方法及装置、计算机设备、存储介质 | |
RU2697648C2 (ru) | Система классификации трафика | |
CN110175636A (zh) | 一种物联网深度神经网络分布式判别推论系统及方法 | |
CN114422271B (zh) | 数据处理方法、装置、设备及可读存储介质 | |
CN105245588B (zh) | 一种web业务端口分离处理的方法 | |
CN112036518A (zh) | 基于数据包字节分布的应用程序流量分类方法和存储介质 | |
CN116489152A (zh) | 物联设备联动控制方法、装置、电子设备和介质 | |
CN117278661B (zh) | 一种工业物联网多协议解析方法及系统 | |
CN114610677A (zh) | 一种转换模型的确定方法和相关装置 | |
CN109741739A (zh) | 一种应用处理方法及装置 | |
CN113472866A (zh) | 基于tcp协议的云端神经网络数据接口方法 | |
CN113312924A (zh) | 一种基于nlp高精解析标签的风险规则分类方法及装置 | |
US20230038310A1 (en) | Devices, Methods, and System for Heterogeneous Data-Adaptive Federated Learning | |
CN107181701B (zh) | 公共网关接口数据的收集方法及装置 | |
CN115473734A (zh) | 基于单分类和联邦学习的远程代码执行攻击检测方法 | |
CN113938309A (zh) | 一种基于DCGAN网络的DoS攻击流量生成系统及方法 | |
CN112580598B (zh) | 一种基于多通道Diffpool的无线电信号分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211001 |
|
WD01 | Invention patent application deemed withdrawn after publication |