CN114697188A - 一种基于网络态势感知的物联网设备风险预测分析方法 - Google Patents

一种基于网络态势感知的物联网设备风险预测分析方法 Download PDF

Info

Publication number
CN114697188A
CN114697188A CN202210312574.7A CN202210312574A CN114697188A CN 114697188 A CN114697188 A CN 114697188A CN 202210312574 A CN202210312574 A CN 202210312574A CN 114697188 A CN114697188 A CN 114697188A
Authority
CN
China
Prior art keywords
path
knowledge graph
layer
node
internet
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.)
Granted
Application number
CN202210312574.7A
Other languages
English (en)
Other versions
CN114697188B (zh
Inventor
王晨
张久武
刘秀龙
张朝昆
曲雯毓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202210312574.7A priority Critical patent/CN114697188B/zh
Publication of CN114697188A publication Critical patent/CN114697188A/zh
Application granted granted Critical
Publication of CN114697188B publication Critical patent/CN114697188B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04L41/04—Network management architectures or arrangements
    • H04L41/044—Network management architectures or arrangements comprising hierarchical management structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • H04L41/147—Network analysis or design for predicting network behaviour
    • 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
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • 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
    • H04L63/30—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information
    • 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
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • 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
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于网络态势感知的物联网设备风险预测分析方法，涉及物联网设备风险预测技术领域；一种基于网络态势感知的物联网设备风险预测分析方法包括如下步骤：将实际的网络架构抽象成知识图谱；基于知识图谱动态演变的历史数据进行预测监测；对最上层知识图谱中每个节点与最下层所有节点所能生成的路径进行收集且进行分析预测；产生预警信号后分析该路径产生危险的影响因素，更换路径上设备降低路径危险性；本发明通过自顶向下的感知范围聚焦方法，根据上层问题节点向下定位可疑范围，并在下层知识图谱的可疑范围内进行细致的分析和判断，达到更精准的预测管理。

Description

一种基于网络态势感知的物联网设备风险预测分析方法
技术领域
本发明涉及物联网设备风险预测技术领域，尤其涉及一种基于网络态势感知的物联网设备风险预测分析方法。
背景技术
知识图谱作为人工智能的重要分支，在大数据分析和决策方面有其独有的优势，它能够将数据表示为以“实体-关系-实体”为基础的网状知识结构,通过语义链接帮助理解大数据，获得对大数据的整体洞察，提供决策支持。
针对物联设备海量异质的特性，物联网络状态的高动态性以及平台故障频发、攻击种类繁多的严峻现状，本发明研究海量异质设备的动态网络的态势感知方法；由于感知设备的加入、退出、老化、损坏会导致网络平台的运行状况具有高动态性，提前感知网络平台的运行状态对提供高效、准确的智能服务具有重要意义。为此，本发明主要基于多层耦合知识图谱研究准确预测平台中感知设备的运行状态，对设备进行高效管理，对潜在安全威胁进行预警。
发明内容
本发明的目的在于提出一种基于网络态势感知的物联网设备风险预测分析方法，通过多层耦合知识图谱研究准确预测平台设备的运行状态，对潜在安全威胁进行预警，解决感知设备的加入、退出、老化、损坏所导致网络平台的运行状况具有高动态性，不能够有效管理的问题。
为达上述目的，本发明采用以下技术方案：
1、一种基于网络态势感知的物联网设备风险预测分析方法，包括如下步骤：
S1、将实际的网络架构按照逻辑关系分成多个层次，每个网络层次被抽象成一层知识图谱；
S2、基于最上层知识图谱动态演变的历史数据，对其未来的状态进行预测；
S3、发现安全隐患后，根据上层问题节点向下定位可疑范围，并在下层知识图谱的可疑范围内进行分析和判断。
优选地，所述S2基于最上层知识图谱动态演变的历史数据进行预测包括如下步骤：
S2.1、对最上层知识图谱中每个节点与最下层所有节点所能生成的路径进行收集；
S2.2、将路径分为已应用路径和未应用路径；
S2.3、分别对已应用路径和未应用路径的未来状态进行预测。
优选地，所述S2.3中对已应用路径的未来状态进行预测包括如下步骤：
S2.3.1、收集已应用路径上节点的节点属性、自身运行状况信息、历史数据中该路径产生问题的次数与设定可产生问题次数的比值；
S2.3.2、将上述信息分别作为该路径安全风险值计算的影响因子，每个影响因子在计算时根据影响性具有对应权重；
S2.3.3、在所计算的路径安全风险值低于所设置的最低安全风险值时，判断该路径存在危险进行预警。
优选地，所述S2.3中对未应用路径的未来状态进行预测包括如下步骤：
S2.3.4、收集未应用路径上节点的节点属性、自身运行状况信息、路径上存在发生过状况的节点所占比值信息；
S2.3.5、将上述信息分别作为该路径安全风险值计算的影响因子，每个影响因子在计算时根据影响性具有对应权重；
S2.3.6、在所计算的路径安全风险值高于所设置的安全风险值时，存储该路径信息进行备份。
优选地，所述S3中在下层知识图谱的可疑范围内进行分析和判断具体包括如下步骤：
S3.1、在已应用路径存在危险进行预警后，分析该路径的安全风险值中各影响因子所占比值，判断路径降低安全风险值的方法；
S3.2、当节点的节点属性占比过大存在风险时，更换该路径上知识图谱最下层内的感知设备；
S3.3、当节点的自身运行状况信息占比过大存在风险时，保持知识图谱最下层节点及最上层节点不变，选取所存储未应用路径进行更换路径；
S3.4、当历史数据中该路径产生问题的次数过大存在风险时，循环上述步骤进行路径调整直至路径的安全风险值高于所设置的最低安全风险值。
优选地，所述S1中每个网络层次被抽象成一层知识图谱的具体方法包括如下步骤：
S1.1、将网络架构中设备层作为第一层知识图谱，每个感知设备被抽象对应知识图谱中的一个节点，节点属性包含设备的关键信息；设备与设备之前的关系作为知识图谱中的边；
S1.2、将与感知设备直接通信的边缘服务器作为第二层知识图谱，每个与感知设备直接通信的边缘服务器构成知识图谱中的节点，节点属性包括边缘服务器自身的运行状况信息，还包括受其管理的感知设备的融合信息；边缘服务器之间的协作或资源竞争关系抽象成第二层知识图谱的边；
S1.3、将上层的边缘服务器作为第三层知识图谱，上层的边缘服务器被抽象成知识图谱中的节点，边缘服务器之间的关系被抽象成第三层知识图谱中的边。
优选地，所述关键信息包括计算、存储、通信能力、目前资源占用情况、生产年份、历史检修情况。
与现有技术相比，本发明具备以下有益效果：
(1)本发明中将庞大的网络抽象成多层具有紧密耦合关系的知识图谱，能够更好地管理海量异质感知设备；通过在实际应用中，网络架构的层数与知识图谱的层数可以根据具体情况而变化，使得网络管控平台在运行期间，不断收集感知设备以及边缘服务器的信息，从而同步更新知识图谱，从而能够更加直观管理海量异质感知设备。
(2)本发明通过自顶向下的感知范围聚焦方法，有效缩小图谱分析的范围，基于最上层知识图谱动态演变的历史数据，对其未来的状态进行预测，当发现潜在威胁或安全隐患后，根据上层问题节点向下定位可疑范围，并在下层知识图谱的可疑范围内进行细致的分析和判断，从而在效率和准确度方面能取得很好的平衡。
附图说明
图1是本发明中方法的流程示意图；
图2是本发明中知识图谱的示意图。
具体实施方式
下面将结合本发明实施例对本发明技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例1
参阅图1-2，一种基于网络态势感知的物联网设备风险预测分析方法，包括如下步骤：
S1、将实际的网络架构按照逻辑关系分成多个层次，每个网络层次被抽象成一层知识图谱；如图1所示；
将网络架构中设备层作为第一层知识图谱，每个感知设备被抽象对应知识图谱中的一个节点，节点属性包含设备的关键信息；设备与设备之前的关系作为知识图谱中的边；关键信息包括计算、存储、通信能力、目前资源占用情况、生产年份、历史检修情况；
将与感知设备直接通信的边缘服务器作为第二层知识图谱，每个与感知设备直接通信的边缘服务器构成知识图谱中的节点，节点属性包括边缘服务器自身的运行状况信息，还包括受其管理的感知设备的融合信息；边缘服务器之间的协作或资源竞争关系抽象成第二层知识图谱的边；
将上层的边缘服务器作为第三层知识图谱，上层的边缘服务器被抽象成知识图谱中的节点，边缘服务器之间的关系被抽象成第三层知识图谱中的边。
S2、基于最上层知识图谱动态演变的历史数据，对其未来的状态进行预测；
对最上层知识图谱中每个节点与最下层所有节点所能生成的路径进行收集；
将路径分为已应用路径和未应用路径；
分别对已应用路径和未应用路径的未来状态进行预测；
对已应用路径的未来状态进行预测包括如下步骤：
收集已应用路径上节点的节点属性、自身运行状况信息、历史数据中该路径产生问题的次数与设定可产生问题次数的比值；
将上述信息分别作为该路径安全风险值计算的影响因子，每个影响因子在计算时根据影响性具有对应权重；
在所计算的路径安全风险值低于所设置的最低安全风险值时，判断该路径存在危险进行预警。
对未应用路径的未来状态进行预测包括如下步骤：
收集未应用路径上节点的节点属性、自身运行状况信息、路径上存在发生过状况的节点所占比值信息；
将上述信息分别作为该路径安全风险值计算的影响因子，每个影响因子在计算时根据影响性具有对应权重；
在所计算的路径安全风险值高于所设置的安全风险值时，存储该路径信息进行备份。
S3、发现安全隐患后，根据上层问题节点向下定位可疑范围，并在下层知识图谱的可疑范围内进行分析和判断。
在已应用路径存在危险进行预警后，分析该路径的安全风险值中各影响因子所占比值，判断路径降低安全风险值的方法；
当节点的节点属性占比过大存在风险时，更换该路径上知识图谱最下层内的感知设备；
当节点的自身运行状况信息占比过大存在风险时，保持知识图谱最下层节点及最上层节点不变，选取所存储未应用路径进行更换路径；
当历史数据中该路径产生问题的次数过大存在风险时，循环上述步骤进行路径调整直至路径的安全风险值高于所设置的最低安全风险值。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，包括如下步骤：
S1、将实际的网络架构按照逻辑关系分成多个层次，每个网络层次被抽象成一层知识图谱；
S2、基于最上层知识图谱动态演变的历史数据，对其未来的状态进行预测；
S3、发现安全隐患后，根据上层问题节点向下定位可疑范围，并在下层知识图谱的可疑范围内进行分析和判断。
2.根据权利要求1所述的一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，所述S2基于最上层知识图谱动态演变的历史数据进行预测包括如下步骤：
S2.1、对最上层知识图谱中每个节点与最下层所有节点所能生成的路径进行收集；
S2.2、将路径分为已应用路径和未应用路径；
S2.3、分别对已应用路径和未应用路径的未来状态进行预测。
3.根据权利要求2所述的一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，所述S2.3中对已应用路径的未来状态进行预测包括如下步骤：
S2.3.1、收集已应用路径上节点的节点属性、自身运行状况信息、历史数据中该路径产生问题的次数与设定可产生问题次数的比值；
S2.3.2、将上述信息分别作为该路径安全风险值计算的影响因子，每个影响因子在计算时根据影响性具有对应权重；
S2.3.3、在所计算的路径安全风险值低于所设置的最低安全风险值时，判断该路径存在危险进行预警。
4.根据权利要求3所述的一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，所述S2.3中对未应用路径的未来状态进行预测包括如下步骤：
S2.3.4、收集未应用路径上节点的节点属性、自身运行状况信息、路径上存在发生过状况的节点所占比值信息；
S2.3.5、将上述信息分别作为该路径安全风险值计算的影响因子，每个影响因子在计算时根据影响性具有对应权重；
S2.3.6、在所计算的路径安全风险值高于所设置的安全风险值时，存储该路径信息进行备份。
5.根据权利要求3所述的一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，所述S3中在下层知识图谱的可疑范围内进行分析和判断具体包括如下步骤：
S3.1、在已应用路径存在危险进行预警后，分析该路径的安全风险值中各影响因子所占比值，判断路径降低安全风险值的方法；
S3.2、当节点的节点属性占比过大存在风险时，更换该路径上知识图谱最下层内的感知设备；
S3.3、当节点的自身运行状况信息占比过大存在风险时，保持知识图谱最下层节点及最上层节点不变，选取所存储未应用路径进行更换路径；
S3.4、当历史数据中该路径产生问题的次数过大存在风险时，循环上述步骤进行路径调整直至路径的安全风险值高于所设置的最低安全风险值。
6.根据权利要求1或5所述的一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，所述S1中每个网络层次被抽象成一层知识图谱的具体方法包括如下步骤：
S1.1、将网络架构中设备层作为第一层知识图谱，每个感知设备被抽象对应知识图谱中的一个节点，节点属性包含设备的关键信息；设备与设备之前的关系作为知识图谱中的边；
S1.2、将与感知设备直接通信的边缘服务器作为第二层知识图谱，每个与感知设备直接通信的边缘服务器构成知识图谱中的节点，节点属性包括边缘服务器自身的运行状况信息，还包括受其管理的感知设备的融合信息；边缘服务器之间的协作或资源竞争关系抽象成第二层知识图谱的边；
S1.3、将上层的边缘服务器作为第三层知识图谱，上层的边缘服务器被抽象成知识图谱中的节点，边缘服务器之间的关系被抽象成第三层知识图谱中的边。
7.根据权利要求6所述的一种基于网络态势感知的物联网设备风险预测分析方法，其特征在于，所述关键信息包括计算、存储、通信能力、目前资源占用情况、生产年份、历史检修情况。
CN202210312574.7A 2022-03-28 2022-03-28 一种基于网络态势感知的物联网设备风险预测分析方法 Active CN114697188B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210312574.7A CN114697188B (zh) 2022-03-28 2022-03-28 一种基于网络态势感知的物联网设备风险预测分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210312574.7A CN114697188B (zh) 2022-03-28 2022-03-28 一种基于网络态势感知的物联网设备风险预测分析方法

Publications (2)

Publication Number Publication Date
CN114697188A true CN114697188A (zh) 2022-07-01
CN114697188B CN114697188B (zh) 2023-03-03

Family

ID=82141114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210312574.7A Active CN114697188B (zh) 2022-03-28 2022-03-28 一种基于网络态势感知的物联网设备风险预测分析方法

Country Status (1)

Country Link
CN (1) CN114697188B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038257A (zh) * 2017-05-10 2017-08-11 浙江大学 一种基于知识图谱的城市物联网数据分析框架
US20180315023A1 (en) * 2017-04-26 2018-11-01 General Electric Company Subject matter knowledge mapping
CN109302396A (zh) * 2018-10-10 2019-02-01 西安邮电大学 一种基于风险评估的网络安全态势感知方法
CN110275898A (zh) * 2018-03-16 2019-09-24 埃森哲环球解决方案有限公司 使用基于知识图的解释性设备管理的集成监控与通信系统
CN110825885A (zh) * 2019-11-13 2020-02-21 南方电网科学研究院有限责任公司 一种电力设备知识图谱应用系统
US20200242199A1 (en) * 2019-01-30 2020-07-30 International Business Machines Corporation Intelligent management and interaction of a communication agent in an internet of things environment
CN112101666A (zh) * 2020-09-16 2020-12-18 珠海格力电器股份有限公司 一种故障预测方法、装置、可读存储介质和计算机设备
CN113505241A (zh) * 2021-07-15 2021-10-15 润建股份有限公司 一种基于知识图谱的用电安全隐患智能诊断方法
WO2022048368A1 (zh) * 2020-09-02 2022-03-10 深圳壹账通智能科技有限公司 基于知识图谱的推荐方法、装置、计算机设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180315023A1 (en) * 2017-04-26 2018-11-01 General Electric Company Subject matter knowledge mapping
CN107038257A (zh) * 2017-05-10 2017-08-11 浙江大学 一种基于知识图谱的城市物联网数据分析框架
CN110275898A (zh) * 2018-03-16 2019-09-24 埃森哲环球解决方案有限公司 使用基于知识图的解释性设备管理的集成监控与通信系统
CN109302396A (zh) * 2018-10-10 2019-02-01 西安邮电大学 一种基于风险评估的网络安全态势感知方法
US20200242199A1 (en) * 2019-01-30 2020-07-30 International Business Machines Corporation Intelligent management and interaction of a communication agent in an internet of things environment
CN110825885A (zh) * 2019-11-13 2020-02-21 南方电网科学研究院有限责任公司 一种电力设备知识图谱应用系统
WO2022048368A1 (zh) * 2020-09-02 2022-03-10 深圳壹账通智能科技有限公司 基于知识图谱的推荐方法、装置、计算机设备及存储介质
CN112101666A (zh) * 2020-09-16 2020-12-18 珠海格力电器股份有限公司 一种故障预测方法、装置、可读存储介质和计算机设备
CN113505241A (zh) * 2021-07-15 2021-10-15 润建股份有限公司 一种基于知识图谱的用电安全隐患智能诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WAI CHEN等: "面向6G的智能物联网关键技术", 《中兴通讯技术》 *

Also Published As

Publication number Publication date
CN114697188B (zh) 2023-03-03

Similar Documents

Publication Publication Date Title
CN106250306B (zh) 一种适用于企业级运维自动化平台的性能预测方法
CN111177101B (zh) 一种基于大数据架构的配电网多维可视化平台
US10878324B2 (en) Problem analysis and priority determination based on fuzzy expert systems
CN112769605B (zh) 一种异构多云的运维管理方法及混合云平台
CN102081622A (zh) 评估系统健康度的方法及系统健康度评估装置
US11258659B2 (en) Management and control for IP and fixed networking
CN114296868B (zh) 一种多云环境下基于用户体验的虚拟机自动迁移决策方法
CN108632077A (zh) 一种电力业务数据传输建模流程及传输通道确定方法
CN106407075A (zh) 一种用于大数据平台的管理方法及系统
CN105022823B (zh) 一种基于数据挖掘的云服务性能预警事件生成方法
CN115481885A (zh) 基于数字孪生的装配式建筑施工安全风险智能化管理方法
CN111884853A (zh) 一种云环境自动化资源管理方法和系统
CN114697188B (zh) 一种基于网络态势感知的物联网设备风险预测分析方法
WO2024088025A1 (zh) 一种基于多维数据的5gc网元自动化纳管方法及装置
CN115865611A (zh) 一种网络设备的故障处理方法、装置及电子设备
CN115643058A (zh) 云虚拟机零信任处理及运维方法、装置、电子设备、介质
CN109376007A (zh) 一种主机高负载的进程管理方法及系统
CN112383435B (zh) 一种故障处理的方法和装置
CN115033450A (zh) 一种基于分布式的贝叶斯集群监控预警分析方法
WO2019186243A1 (en) Global data center cost/performance validation based on machine intelligence
CN114065158A (zh) 基于5g技术的云计算管理控制平台用的安全登录监控方法
CN115798179B (zh) 基于无人机的洪灾防汛监控预警方法及系统
CN115037625B (zh) 网络切片处理方法、装置、电子设备及可读存储介质
CN117459587B (zh) 基于边缘计算的内容分发网络的调度方法
CN113342463B (zh) 计算机程序模块的容量调整方法、装置、设备和介质

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
GR01 Patent grant
GR01 Patent grant