CN117749707A - 一种面向复杂网络环境的拥塞控制策略发现方法 - Google Patents
一种面向复杂网络环境的拥塞控制策略发现方法 Download PDFInfo
- Publication number
- CN117749707A CN117749707A CN202311764901.3A CN202311764901A CN117749707A CN 117749707 A CN117749707 A CN 117749707A CN 202311764901 A CN202311764901 A CN 202311764901A CN 117749707 A CN117749707 A CN 117749707A
- Authority
- CN
- China
- Prior art keywords
- network
- time
- real
- flow
- network environment
- 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
- 238000011217 control strategy Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 49
- 238000012549 training Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及电通信技术领域，尤其涉及一种面向复杂网络环境的拥塞控制策略发现方法，包括：获取预设数量的控制策略，训练控制模型，以生成基础数据库；检测实时时间序列，与流量阈值进行比较，以生成一次比较结果；根据一次比较结果，与基础数据库进行匹配，选择控制策略；检测控制后的网络环境的通畅率，将通畅率与预期通畅率进行比较，生成二次比较结果并修正训练控制模型，以生成对应的知识库，更新基础数据库；通过上述技术方案，检测网络的实时流量与时段流量，与流量阈值进行比较，采用控制策略进行网络控制，降低因网络拥挤造成的传输异常现象的发生概率，确保了网络的通畅率，从而有效确保网络性能的稳定。
Description
技术领域
本发明涉及电通信技术领域，尤其涉及一种面向复杂网络环境的拥塞控制策略发现方法。
背景技术
随着网络的使用普及率逐年提高，带来的网络环境日趋复杂，原有网络控制策略无法适用现有社会生活中的网络使用需求，常常造成网络拥塞，因此需发明一种面向复杂网络环境的拥塞控制策略发现方法。
目前常用的一种面向复杂网络环境的拥塞控制策略发现方法为中国专利申请公开号：CN114511982B公开了涉及电信网络中的拥塞控制。根据该文中描述的一个示例实施例，提供一种传输网络中的拥塞控制的方法。通过例如对缓冲器动态采样以使得依赖于缓冲器的缓冲器状态调整采样速率来监视(210)缓冲器的缓冲器状态。并且，响应于缓冲器状态的变化超过预定限制，确定(220)指示拥塞的状况。响应于确定(220)指示拥塞的状况，创建(230)拥塞通知消息。然后，可将创建的拥塞通知消息传送(240)给第二网络节点。第二网络节点可随后在接收的拥塞通知消息的基础上补偿检测到的拥塞。
但是，上述方法存在以下问题：只采用单一控制策略对网络拥塞进行控制，无法应对复杂网络情况下的网络拥塞。
发明内容
为此，本发明提供一种面向复杂网络环境的拥塞控制策略发现方法，用以克服现有技术中只采用单一控制策略对网络拥塞进行控制，无法应对复杂网络情况下的网络拥塞，难以解决不同类型的实时流量问题导致的网络拥塞，从而导致在实时流量较大的情况下导致网络性能下降的问题。
为实现上述目的，本发明提供一种面向复杂网络环境的拥塞控制策略发现方法，包括：
获取预设数量的网络拥塞的控制策略，训练控制模型，以生成基础数据库；
检测实时网络环境中的时间序列，并与对应的流量阈值进行比较，以生成一次比较结果；
根据所述一次比较结果，与所述基础数据库进行匹配，选择对应的控制策略；
检测控制后的网络环境的通畅率，将通畅率与预期通畅率进行比较，生成二次比较结果，并根据二次比较结果修正所述训练控制模型，以生成对应的知识库；
根据所述知识库更新所述基础数据库；
其中，所述时间序列包括实时流量和时段流量。
进一步地，判定单元根据所述实时流量与对应阈值进行比较，划分网络环境类型；
其中，若所述实时流量小于等于第一流量阈值，所述判定单元划分网络环境为闲暇型环境；
若所述实时流量大于第一流量阈值且小于等于第二流量阈值，所述判定单元划分所述网络环境为忙碌型环境；
若所述实时流量大于第二流量阈值，所述判定单元划分所述网络环境为拥挤型环境。
进一步地，所述第二流量阈值由所述时段流量确定，
其中，P’为完成修正的第二流量阈值，T为不同时段的时段流量，T0为预设标准时段流量，P为第二流量阈值。
进一步地，控制单元根据所述网络环境的类型与所述基础数据库进行匹配，采用对应的控制策略对网络环境进行控制；
其中，所述控制单元对所述忙碌型环境采用第一控制策略进行控制；
所述控制单元对所述拥挤型环境采用第二控制策略进行控制。
进一步地，所述第一控制策略为根据所述实时流量与所述第一流量阈值，降低网络传输的传输速率，传输速率V由式(2)确定，
其中，Y为实时流量，Y0为第一流量阈值，V0为预设传输速率；
所述第二控制策略为所述信息发送源进行随机竞争，竞争失败不能发送信息，降低网络传输总数。
进一步地，所述通畅率X由式(3)确定；
其中，N为网络传输成功次数，N0为总网络传输次数；
其中，总网络传输次数包括网络传输成功次数与网络传输失败次数；
其中，网络传输成功为所述信息发送源发送成功、所述信息接收目标接收成功且传输时间小于等于预设时间的网络传输。
进一步地，根据训练所述控制模型的过程中使用的控制策略数量对控制模型的训练次数进行调整。
进一步地，采用检测单元利用网络分析器识别信息发送源和信息接收目标，捕获并分析网络数据包，对所述实时流量进行检测。
进一步地，所述检测单元利用时段统计器对预设时段内的实时流量进行统计，以生成时段流量。
进一步地，根据所述通畅率与所述预期通畅率进行比较，生成二次比较结果；
若所述通畅率小于预期通畅率，对所述控制模型进行修正以生成所述知识库，并根据知识库对所述基础数据库进行更新。
与现有技术相比，本发明的有益效果在于，通过上述技术方案，检测网络的实时流量与时段流量，与对应的流量阈值进行比较，采用对应的控制策略进行网络控制，降低因网络拥挤造成的传输异常现象的发生概率，确保了网络的通畅率，从而有效确保网络性能的稳定。
进一步地，本发明通过时段流量修正流量阈值的标准，可以使流量检测更加准确和精确，原始的阈值可能过于保守或过于宽松，导致误报或遗漏，通过对阈值进行修正，可以根据实际情况更好地识别复杂的网络环境，作出对应的控制处理，从而有效确保网络性能的稳定。
进一步地，本发明通过检测经控制策略控制后的网络通畅率并与预设通畅率进行比较，并根据比较结果修正控制策略以及对应的基础数据库，确保对网络环境采用的控制策略的合理性与科学性，从而有效确保网络性能的稳定。
附图说明
图1为本发明面向复杂网络环境的拥塞控制策略发现方法的流程图；
图2为本发明方法运行系统的结构示意图
图3为本发明第二控制策略的流程图；
图4为本发明控制模型训练次数与控制准确率的关系图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明面向复杂网络环境的拥塞控制策略发现方法的流程图，一种面向复杂网络环境的拥塞控制策略发现方法，包括：
获取预设数量的网络拥塞的控制策略，训练控制模型，以生成基础数据库；
检测实时网络环境中的时间序列，并与对应的流量阈值进行比较，以生成一次比较结果；
根据一次比较结果，与基础数据库进行匹配，选择对应的控制策略；
检测控制后的网络环境的通畅率，将通畅率与预期通畅率进行比较，生成二次比较结果，并根据二次比较结果修正训练控制模型，以生成对应的知识库；
根据知识库更新基础数据库；
其中，时间序列包括实时流量和时段流量。
本发明通过上述技术方案，检测网络的实时流量与时段流量，与对应的流量阈值进行比较，采用对应的控制策略进行网络控制，降低因网络拥挤造成的传输异常现象的发生概率，确保了网络的通畅率，从而有效确保网络性能的稳定。
请参阅图2所示，其为本发明方法运行系统的结构示意图，利用本发明方法运行的系统包括：
获取单元，用以获取预设数量的网络拥塞的控制策略；
服务器，其与输入单元相连，用以训练控制模型；
数据库，其与所述服务器相连，用以存储数据并生成对应的知识库。
检测单元，其包括网络分析器和时段统计器，用以检测时间序列，并生成检测信息；
判定单元，其与检测单元以及服务器相连，用以根据检测信息将网络环境分类；
控制单元，其与判定单元和数据库相连，用以根据分类后的网络环境选择对应的控制策略控制网络环境。
具体而言，判定单元根据实时流量与对应阈值进行比较，划分网络环境类型；
其中，若实时流量小于等于第一流量阈值，判定单元划分网络环境为闲暇型环境；
若实时流量大于第一流量阈值且小于等于第二流量阈值，判定单元划分网络环境为忙碌型环境；
若实时流量大于第二流量阈值，判定单元划分网络环境为拥挤型环境。
可以理解的是，第一流量阈值与第二流量阈值与基站荷载能力有关，例如基站荷载能力为500MB/s，其对应第一流量阈值设置为300MB/S，第二流量阈值设置为400MB/s。
具体而言，第二流量阈值由时段流量确定，
其中，P’为完成修正的第二流量阈值，T为不同时段的时段流量，T0为预设标准时段流量，P为第二流量阈值。
在实施中，0：00至8：00为第一时段，第二流量阈值设置为400MB/s第一时段的预设标准时段流量设置为200MB/s，第一时段流量为300MB/s，对应修正第一时段的第二流量阈值为600MB/s；
8：00至18：00为第二时段，第二流量阈值设置为800MB/s第二时段的预设标准时段流量设置为500MB/s，第二时段流量为400MB/s，对应修正第一时段的第二流量阈值为640MB/s；
本发明通过时段流量修正流量阈值的标准，可以使流量检测更加准确和精确，原始的阈值可能过于保守或过于宽松，导致误报或遗漏，通过对阈值进行修正，可以根据实际情况更好地识别复杂的网络环境，作出对应的控制处理，从而有效确保网络性能的稳定。
在实施中，预设标准时段流量与基站荷载能力有关，例如基站的荷载能力为1GB/s，对应修正前第二流量阈值为800MB/s，预设标准时段流量为500MB/s，0:00至8：00的时段流量为400MB/s，修正后的第二流量阈值640MB/s。
具体而言，控制单元根据网络环境的类型与基础数据库进行匹配，采用对应的控制策略对网络环境进行控制；
其中，控制单元对忙碌型环境采用第一控制策略进行控制；
控制单元对拥挤型环境采用第二控制策略进行控制。
具体而言，第一控制策略为根据实时流量与第一流量阈值，降低网络传输的传输速率，传输速率V由式(2)确定，
其中，Y为实时流量，Y0为第一流量阈值，V0为预设传输速率；
在实施中，第一流量阈值与基站的荷载能力有关，基站的荷载能力800MB/s，对应设置第一流量阈值为400MB/s，实时流量为300MB/s，预设传输速率1.2Gbps，忙碌型网络环境的传输速率对应设置为0.9Gbps；
基站的荷载能力400MB/s，对应设置第一流量阈值为200MB/s，实时流量为150MB/s，预设传输速率0.6Gbps，忙碌型网络环境的传输速率对应设置0.45Gbps。
请参阅图3所示，其为本发明第二控制策略的流程图，第二控制策略为信息发送源进行随机竞争，竞争失败不能发送信息，降低网络传输总数。
在实施中，随机竞争为两个或多个设备或节点在相同的时间尝试发送数据，需要竞争单一的通信媒介进行数据传输，在竞争中没有特定的设备或节点占据优势，每个设备有相等的机会在合适的时间发送数据，竞争失败的设备或节点需等待退避时间后进行二次竞争。
可以理解的是，退避时间可任意设置，较优的，退避时间设置为4秒～60秒。
本发明通过随机竞争的方式，分散了发送时机的选择，避免了周期性或固定模式的发送，从而减少了数据碰撞、混淆或丢失的可能性，通常采用退避算法，即在发生冲突后，设备会等待一段随机的时间后再次尝试发送，以减少再次发生碰撞的可能性，从而有效提高了网络传输的稳定性与可靠性。
具体而言，通畅率X由式(3)确定；
其中，N为网络传输成功次数，N0为总网络传输次数；
其中，总网络传输次数包括网络传输成功次数与网络传输失败次数；
其中，网络传输成功为信息发送源发送成功、信息接收目标接收成功且传输时间小于等于预设时间的网络传输。
请参阅图4所示，其为本发明控制模型训练次数与控制准确率的关系图，根据训练控制模型的过程中使用的控制策略数量对控制模型的训练次数进行调整。
具体而言，采用检测单元利用网络分析器识别信息发送源和信息接收目标，捕获并分析网络数据包，对实时流量进行检测。
优选的，网络分析器选用Wi reshark网络分析器，它能够捕获和显示网络数据包，并提供详细的协议分析和统计信息，Wi reshark支持众多网络协议，包括TCP、UDP、IP、HTTP、DNS，为本发明实时流量的检测提供了实施基础。
具体而言，检测单元利用时段统计器对预设时段内的实时流量进行统计，以生成时段流量。
可以理解的是，上述时段统计器能够使用现有技术中的任一种实现方式，在此不再赘述。
可以理解的是，预设时段可任意设置，较优的预设时段设置可以设置为：
0：00至8：00为第一时段，
8：00至18：00为第二时段，
18：00至24：00为第三时段。
具体而言，根据通畅率与预期通畅率进行比较，生成二次比较结果；
若通畅率小于预期通畅率，对基础数据库进行调整以生成知识库。
本发明通过检测经控制策略控制后的网络通畅率并与预设通畅率进行比较，并根据比较结果修正控制策略以及对应的基础数据库，确保对网络环境采用的控制策略的合理性与科学性，从而有效确保网络性能的稳定。
可以理解的是，预期通畅率可任意设置，一般的，预期通畅率为95％～99％。
在实施中，针对通畅率，采用深度学习算法进行卷积训练，取500种控制策略进行训练，当训练步数达到2K时，识别率能达到92％以上，经过不断迭代训练，识别率能提升至99.9％。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种面向复杂网络环境的拥塞控制策略发现方法，其特征在于，包括：
获取预设数量的网络拥塞的控制策略，训练控制模型，以生成基础数据库；
检测实时网络环境中的时间序列，并与对应的流量阈值进行比较，以生成一次比较结果；
根据所述一次比较结果，与所述基础数据库进行匹配，选择对应的控制策略；
检测控制后的网络环境的通畅率，将通畅率与预期通畅率进行比较，生成二次比较结果，并根据二次比较结果修正所述训练控制模型，以生成对应的知识库；
根据所述知识库更新所述基础数据库；
其中，所述时间序列包括实时流量和时段流量。
2.根据权利要求1所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，判定单元根据所述实时流量与对应阈值进行比较，划分网络环境类型；
其中，若所述实时流量小于等于第一流量阈值，所述判定单元划分网络环境为闲暇型环境；
若所述实时流量大于第一流量阈值且小于等于第二流量阈值，所述判定单元划分所述网络环境为忙碌型环境；
若所述实时流量大于第二流量阈值，所述判定单元划分所述网络环境为拥挤型环境。
3.根据权利要求2所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，所述第二流量阈值由所述时段流量确定，
其中，P’为完成修正的第二流量阈值，T为不同时段的时段流量，T0为预设标准时段流量，P为的第二流量阈值。
4.根据权利要求3所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，控制单元根据所述网络环境的类型与所述基础数据库进行匹配，采用对应的控制策略对网络环境进行控制；
其中，所述控制单元对所述忙碌型环境采用第一控制策略进行控制；
所述控制单元对所述拥挤型环境采用第二控制策略进行控制。
5.根据权利要求4所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，所述第一控制策略为根据所述实时流量与所述第一流量阈值，降低网络传输的传输速率，传输速率V由式(2)确定，
其中，Y为实时流量，Y0为第一流量阈值，V0为预设传输速率；
所述第二控制策略为信息发送源进行随机竞争，竞争失败不能发送信息，降低网络传输总数。
6.根据权利要求5所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，所述通畅率X由式(3)确定；
其中，N为网络传输成功次数，N0为总网络传输次数；
其中，总网络传输次数包括网络传输成功次数与网络传输失败次数；
其中，网络传输成功为所述信息发送源发送成功、所述信息接收目标接收成功且传输时间小于等于预设时间的网络传输。
7.根据权利要求6所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，根据训练所述控制模型的过程中使用的控制策略数量对控制模型的训练次数进行调整。
8.根据权利要求7所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，采用检测单元利用网络分析器识别信息发送源和信息接收目标，捕获并分析网络数据包，对所述实时流量进行检测。
9.根据权利要求8所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，所述检测单元利用时段统计器对预设时段内的实时流量进行统计，以生成时段流量。
10.根据权利要求9所述的面向复杂网络环境的拥塞控制策略发现方法，其特征在于，根据所述通畅率与所述预期通畅率进行比较，生成二次比较结果；
若所述通畅率小于预期通畅率，对所述控制模型进行修正以生成所述知识库，并根据知识库对所述基础数据库进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311764901.3A CN117749707A (zh) | 2023-12-21 | 2023-12-21 | 一种面向复杂网络环境的拥塞控制策略发现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311764901.3A CN117749707A (zh) | 2023-12-21 | 2023-12-21 | 一种面向复杂网络环境的拥塞控制策略发现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117749707A true CN117749707A (zh) | 2024-03-22 |
Family
ID=90277256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311764901.3A Pending CN117749707A (zh) | 2023-12-21 | 2023-12-21 | 一种面向复杂网络环境的拥塞控制策略发现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117749707A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140024652A (ko) * | 2012-08-20 | 2014-03-03 | 에스케이텔레콤 주식회사 | 네트워크 상태를 이용한 적응적 비실시간 트래픽 제어 방법과 그를 위한 단말기 |
| CN116647505A (zh) * | 2023-06-21 | 2023-08-25 | 武汉烽火技术服务有限公司 | 一种用户流量动态管理方法和系统 |
| CN116800680A (zh) * | 2022-07-08 | 2023-09-22 | 中移(苏州)软件技术有限公司 | 一种流量限速方法、装置、网关及计算机可读存储介质 |
| CN116915706A (zh) * | 2023-09-13 | 2023-10-20 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 数据中心网络拥塞控制方法、装置、设备及存储介质 |
-
2023
- 2023-12-21 CN CN202311764901.3A patent/CN117749707A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140024652A (ko) * | 2012-08-20 | 2014-03-03 | 에스케이텔레콤 주식회사 | 네트워크 상태를 이용한 적응적 비실시간 트래픽 제어 방법과 그를 위한 단말기 |
| CN116800680A (zh) * | 2022-07-08 | 2023-09-22 | 中移(苏州)软件技术有限公司 | 一种流量限速方法、装置、网关及计算机可读存储介质 |
| CN116647505A (zh) * | 2023-06-21 | 2023-08-25 | 武汉烽火技术服务有限公司 | 一种用户流量动态管理方法和系统 |
| CN116915706A (zh) * | 2023-09-13 | 2023-10-20 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 数据中心网络拥塞控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8966627B2 (en) | Method and apparatus for defending distributed denial-of-service (DDoS) attack through abnormally terminated session | |
| US20190273749A1 (en) | Unauthorized Communication Detection Apparatus and Recording Medium | |
| Han et al. | A timing-based scheme for rogue AP detection | |
| CN104506482B (zh) | 网络攻击检测方法及装置 | |
| US10135844B2 (en) | Method, apparatus, and device for detecting e-mail attack | |
| US11792650B2 (en) | Unauthorized communication detection apparatus and recording medium | |
| US20070019543A1 (en) | Systems and methods for detecting and preventing flooding attacks in a network environment | |
| KR20140088340A (ko) | 오픈플로우 스위치에서의 디도스 공격 처리 장치 및 방법 | |
| US20110239301A1 (en) | Technique of detecting denial of service attacks | |
| CN109040140B (zh) | 一种慢速攻击检测方法及装置 | |
| CN108768942B (zh) | 一种基于自适应阈值的DDoS攻击检测方法和检测装置 | |
| CN113518057B (zh) | 分布式拒绝服务攻击的检测方法、装置及其计算机设备 | |
| US20050060557A1 (en) | Method and apparatus for defending against distributed denial of service attacks on TCP servers by TCP stateless hogs | |
| CN110740144B (zh) | 确定攻击目标的方法、装置、设备及存储介质 | |
| WO2019052897A1 (en) | OBTAINING LOCAL NETWORK DIAGNOSTIC TEST RESULTS | |
| CN111917682B (zh) | 访问行为识别方法、性能检测方法、装置、设备和系统 | |
| CN103891207B (zh) | 用于网络质量估计、连接性检测以及负载管理的系统和方法 | |
| CN111491348B (zh) | 一种广电白频谱认知WiFi的信道切换方法及系统 | |
| US11895146B2 (en) | Infection-spreading attack detection system and method, and program | |
| CN117749707A (zh) | 一种面向复杂网络环境的拥塞控制策略发现方法 | |
| CN109889470B (zh) | 一种基于路由器防御DDoS攻击的方法和系统 | |
| CN113709083A (zh) | 网络攻击检测控制方法、装置、基站及计算机存储介质 | |
| CN112367311B (zh) | DDoS攻击检测方法、装置、设备及存储介质 | |
| CN106603335B (zh) | 私有软件流量监控方法和设备 | |
| CN112583818B (zh) | 针对移动Web服务的自适应传输协议选择方法和装置 |
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 |