RU47541U1 - Система управления компьютерной сетью - Google Patents

Система управления компьютерной сетью Download PDF

Info

Publication number
RU47541U1
RU47541U1 RU2005111372/22U RU2005111372U RU47541U1 RU 47541 U1 RU47541 U1 RU 47541U1 RU 2005111372/22 U RU2005111372/22 U RU 2005111372/22U RU 2005111372 U RU2005111372 U RU 2005111372U RU 47541 U1 RU47541 U1 RU 47541U1
Authority
RU
Russia
Prior art keywords
computer network
network
whole
unit
forecast
Prior art date
Application number
RU2005111372/22U
Other languages
English (en)
Inventor
И.А. Иванов
Ю.Л. Леохин
Original Assignee
Государственное образовательное учреждение высшего профессионального образования Московский государственный институт электроники и математики (технический университет)
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 Государственное образовательное учреждение высшего профессионального образования Московский государственный институт электроники и математики (технический университет) filed Critical Государственное образовательное учреждение высшего профессионального образования Московский государственный институт электроники и математики (технический университет)
Priority to RU2005111372/22U priority Critical patent/RU47541U1/ru
Application granted granted Critical
Publication of RU47541U1 publication Critical patent/RU47541U1/ru

Links

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

Полезная модель относится к области управления компьютерными сетями, а более конкретно к системам управления компьютерными сетями с использованием алгоритмов искусственного интеллекта. Технической задачей, на решение которой направлена предлагаемая полезная модель, является формирование прогноза состояния объектов компьютерной сети и всей сети в целом и повышение качества принимаемого на его основе решения по управлению компьютерной сетью. Система управления компьютерной сетью, содержащая блок доступа к оборудованию компьютерной сети, блок виртуальной сети, блок интерфейса пользователя, модуль поддержки протоколов доступа к оборудованию компьютерной сети, модуль описания устройств компьютерной сети, модуль поддержки визуализации устройств компьютерной сети и блок баз данных, согласно предлагаемой полезной модели, дополнительно включает связанный с блоком виртуальной сети и осуществляющий сбор статистических данных о состояниях объектов компьютерной сети блок мониторинга компьютерной сети и блок формирования прогноза, связанный с блоком мониторинга компьютерной сети, блоком баз данных, блоком виртуальной компьютерной сети, и включающий нейронную сеть, используемую для формирования прогноза состояния компьютерной сети либо, по крайней мере, двухуровневую нейтронную сеть, используемую для формирования прогноза состояния каждого объекта компьютерной сети и состояния компьютерной сети в целом. Техническим результатом от использования полезной модели является: снижение времени простоя объектов компьютерной сети и всей компьютерной сети в целом; увеличение надежности работы объектов компьютерной сети и всей сети в целом; снижения вероятности сбоя того или иного объекта компьютерной сети и всей сети в целом. Также техническим результатом является возможность устранить тот или иной сбой в функционировании объектов компьютерной сети и всей сети в целом заблаговременно, предотвратив тем самым сбой объектов компьютерной сети или всей компьютерной сети в целом.

Description

Полезная модель относится к области управления компьютерными сетями, а более конкретно к системам управления компьютерными сетями с использованием алгоритмов искусственного интеллекта.
Известна система и способ управления компьютерной сетью по патенту US №6374293, являющаяся наиболее близким по технической сущности и достигаемому эффекту аналогом к предлагаемому техническому решению. Предложенная в патенте US №6374293 система управления компьютерными сетями состоит из блока виртуальной сети, блока доступа к оборудованию компьютерной сети, блока интерфейса пользователя, модуля поддержки протоколов доступа к оборудованию компьютерной сети, модуля описания устройств компьютерной сети, модуля поддержки визуализации устройств компьютерной сети и базы данных. (Патент US №6374293, МПК 7 G 06 F 15/177, опубл. 16.04.2002 г).
Недостаток известного технического решения состоит в том, что оно фактически не управляет сетью, не выполняет активных действий, а фиксирует только факт сбоя и ошибку в работе объекта компьютерной сети и всей компьютерной сети в целом, но не обеспечивает возможности предотвратить ее в будущем. Также в прототипе ограничено количество параметров, описывающих состояние объекта компьютерной сети, что не обеспечивает высокого качества принимаемого решения по управлению компьютерной сетью.
Технической задачей, на решение которой направлена предлагаемая полезная модель, является формирование прогноза состояния объектов компьютерной сети и всей сети в целом и повышение качества принимаемого на его основе решения по управлению компьютерной сетью.
Техническим результатом от использования полезной модели является: снижение времени простоя объектов компьютерной сети и всей компьютерной сети в целом; увеличение надежности работы объектов компьютерной сети и всей сети в целом; снижения вероятности сбоя того или иного объекта компьютерной сети и всей сети в целом. Также техническим результатом является возможность устранить тот или иной сбой в функционировании объектов компьютерной сети и всей сети в целом заблаговременно, предотвратив тем самым сбой объектов компьютерной сети или всей компьютерной сети в целом.
Поставленная техническая задача решается тем, что система управления компьютерной сетью, содержащая блок доступа к оборудованию компьютерной сети, блок виртуальной сети, блок интерфейса пользователя, модуль поддержки протоколов доступа к оборудованию компьютерной сети, модуль описания устройств компьютерной сети, модуль поддержки визуализации устройств компьютерной сети и блок баз данных, согласно предложенному изобретению, дополнительно включает связанный с блоком виртуальной сети и осуществляющий сбор статистических данных о состояниях объектов компьютерной сети блок мониторинга компьютерной сети и блок формирования прогноза, связанный с блоком мониторинга компьютерной сети, блоком баз данных, блоком виртуальной компьютерной сети, и включающий нейронную сеть, используемую для формирования прогноза состояния компьютерной сети. При этом дополнительным существенным отличием является то, что блок формирования прогноза системы управления компьютерной сетью может включать, по крайней мере, двухуровневую нейтронную сеть, используемую для формирования прогноза состояния каждого объекта компьютерной сети и состояния компьютерной сети в целом.
Предложенная система позволяет не только зафиксировать ошибку в работе объекта компьютерной сети и всей компьютерной сети в целом, как это делается в аналоге, но и предотвратить ее появление в будущем за счет формирования прогноза
состояния объектов компьютерной сети и состояния всей сети в целом. Предложенная система, в отличие от аналога, позволяет повысить качество принимаемого решения по управлению компьютерной сетью, так как при формировании прогноза состояния объектов компьютерной сети и состояния компьютерной сети в целом, используется большее, чем в аналоге количество параметров, описывающих состояние каждого объекта компьютерной сети.
Сущность изобретения поясняется рисунками, где на фиг.1 представлена блок-схема системы;
на фиг.2 представлен алгоритм, иллюстрирующий работу предложенной системы управления компьютерной сетью.
На фиг.1 изображена блок-схема системы управления компьютерными сетями с использованием нейронных сетей, которая включает в себя: блок 1 виртуальной сети, блок 2 доступа к оборудованию компьютерной сети, блок 3 интерфейса пользователя, модуль 4 поддержки протоколов доступа к оборудованию компьютерной сети, модуль 5 описания устройств компьютерной сети, модуль 6 поддержки визуализации устройств компьютерной сети, блок 7 базы данных, блок 8 формирования прогноза, блок 9 мониторинга компьютерной сети.
Блок 2 доступа к оборудованию компьютерной сети 10 осуществляет доступ к объектам компьютерной сети 10 по линиям связи с использованием протоколов, реализованных в связанным с ним модуле 4 поддержки протоколов доступа к оборудованию компьютерной сети 10.
Модуль 5 описания устройств компьютерной сети 10 содержит описания стандартных устройств компьютерной сети (концентратор, коммутатор, маршрутизатор и др.) Эту информацию используют в блоке 1 виртуальной компьютерной сети для формирования логической структуры виртуальной сети, которая является образом (моделью) реальной компьютерной сети.
Виртуальную компьютерную сеть формируют в блоке 1 виртуальной компьютерной сети также на основе данных, получаемых от блока 2 доступа к оборудованию компьютерной сети. Блок 1 виртуальной компьютерной сети связан с модулем 5 описания устройств компьютерной сети, блоком 2 доступа к оборудованию компьютерной сети, блоком 7 базы данных. Каждому найденному объекту реальной компьютерной сети 10 соответствует виртуальный объект в виртуальной компьютерной сети. Специфика того или иного реального объекта компьютерной сети учитывается в модуле 5 описания устройств компьютерной сети и данных. На основе конфигурации виртуальной компьютерной сети формируют соответствующую конфигурацию нейронной сети, содержащейся в блоке 8 формирования прогноза.
Блок 7 базы данных связан с блоком 1 виртуальной компьютерной сети и блоком 8 формирования прогноза. Блок 7 базы данных используют для набора и хранения накопленной за определенный временной интервал статистики состояний компьютерной сети 10. Под состоянием компьютерной сети 10 понимают значение вектора, координатами которого являются переменные, описывающие параметры объектов компьютерной сети. Эту статистику используют для формирования обучающей выборки, с помощью которой обучают нейронную сеть, входящую в блок 8 формирования прогноза.
Блок 9 мониторинга компьютерной сети связан с блоком 1 виртуальной компьютерной сети и блоком 8 формирования прогноза. Блок 9 мониторинга компьютерной сети поставляет блоку 8 формирования прогноза всю необходимую для формирования прогноза информацию. При мониторинге осуществляется опрос объектов компьютерной сети и запрашивается информация о текущем состоянии опрашиваемого объекта. На основе информации, полученной при мониторинге, формируется прогноз состояния объектов компьютерной сети и компьютерной сети в целом блоком формирования прогноза. Под прогнозом понимается вероятность изменения состояния
объектов компьютерной сети и всей компьютерной сети в целом в будущем, например, вероятность выхода из строя объекта сети через определенное время. Блок 9 мониторинга компьютерной сети может быть реализован в виде платы контроллера на базе известных микропроцессоров. Процесс мониторинга выполняется под управлением программы для ЭВМ мониторинга компьютерной сети, которая хранится в перепрограммируемой памяти, расположенной на плате контроллера.
Блок 8 формирования прогноза связан с интерфейсом пользователя, который отображает конфигурацию компьютерной сети и представляет пользователю информацию по управлению сетью в понятном и удобном виде. Для отображения специфических свойств того или иного объекта компьютерной сети, используется информация модуля 6 поддержки визуализации устройств компьютерной сети. Получив прогноз состояния объектов компьютерной сети или всей сети в целом, пользователь может принять меры по изменению состояния того или иного объекта компьютерной сети, или настроить систему так, что формирование управляющего воздействия будет происходить автоматически.
Блок 8 формирования прогноза связан также с блоком 9 мониторинга компьютерной сети, блоком 1 виртуальной компьютерной сети, блоком 7 базы данных. Блок 8 формирования прогноза включает нейронную сеть. Нейронная сеть используется для формирования прогноза объектов компьютерной сети и всей сети в целом. При этом блок 8 формирования прогноза включает одноуровневую нейронную сеть, для случая осуществления способа по первому варианту, либо, по крайней мере, двухуровневую для случая осуществления способа по второму варианту. Блок 8 формирования прогноза выполняет функцию формирования прогноза состояния объектов компьютерной сети и всей сети в целом на основе данных мониторинга компьютерной сети и обученной нейронной сети. В зависимости от прогноза им генерируется управляющее воздействие на объект компьютерной сети. Возможное воздействие на компьютерную сеть в зависимости от прогноза может быть следующим. Блокировка объекта компьютерной сети, чьи сетевые
интерфейсы могут быть возможным источником ошибок в передаваемых данных, которые не дают корректно функционировать объектам компьютерной сети и в будущем могут заблокировать работу компьютерной сети. При этом соответствующее воздействие на объект компьютерной сети может проходить в автоматическом режиме путем передачи сигнала управления. Если существует высокая вероятность сетевой перегрузки канала связи, то возможно переконфигурировать компьютерную сеть так, чтобы увеличить пропускную способность канала связи, где ожидается резкое увеличение сетевого графика. Современное сетевое оборудование позволяет производить переконфигурацию по компьютерной сети, что дает возможность изменять состояние соответствующих объектов компьютерной сети в автоматическом режиме.
В системе управления компьютерной сетью используется нейронная сеть, конфигурация которой сформирована на основе конфигурации виртуальной компьютерной сети. Целесообразно поделить формирование прогноза состояния того или иного объекта компьютерной сети и формирование прогноза состояния всей компьютерной сети в целом. Таким образом, каждому объекту компьютерной сети надо сопоставить свою нейронную сеть - нейронную сеть объекта. Нейронную сеть объекта можно интегрировать на сам объект. Такой подход позволит сократить количество информации передаваемой по сети и уменьшить время, затраченное на формирование прогноза.
Преимущества использования двухуровневой нейронной сети состоят в следующем. В двухуровневой нейронной сети, каждому объекту компьютерной сети соответствует своя нейронная сеть, конфигурация которой не зависит от конфигурации компьютерной сети в целом и отвечает за состояние только одного объекта компьютерной сети. Выходные слои нейронных сетей объектов объединены в нейронную сеть, отвечающую за состояние всей сети в целом. Нейронные сети объектов компьютерной сети можно интегрировать в сами объекты, тем самьм сократить количество данных
передаваемых по компьютерной сети и снизить вычислительную нагрузку выделенного сервера управления компьютерной сетью. Блок формирования прогноза может быть выполнен в виде нейросетевой платы. (1. Виксне П.Е., Фомин Д.В., Черников В.М. Однокристальный цифровой процессор с переменной разрядностью операндов. Известия вузов. Приборостроение. 1996. Т 39. #7; 2. Погорилый А.И. Многопроцессорные наращиваемые вычислительные модули на базе микропроцессоров TMS320C40. Известия вузов. Приборостроение. 1996. Т 39. #7.
Предложенная система управления компьютерной сетью работает следующим образом.
Алгоритм, иллюстрирующий работу системы управления компьютерной сетью с использованием нейронных сетей изображен на фиг.2. На этапе начальной инициализации в блоке 2 доступа к оборудованию компьютерной сети формируют начальный список объектов сети. Начальный список создают в ручном режиме, например администратор компьютерной сети, или автоматически. Далее осуществляют поиск объектов компьютерной сети. При поиске объектов компьютерной сети по линиям связи получают информацию о сетевых адресах, хранящихся в памяти опрашиваемого объекта для обновления списка найденных объектов компьютерной сети. Блок 2 доступа к оборудованию компьютерной сети получает информацию по линиям связи об объектах компьютерной сети с помощью протоколов доступа к оборудованию компьютерной сети, информацию о которых содержит модуль 4 поддержки протоколов доступа к оборудованию компьютерной сети 10, и используется в блоке 1 виртуальной компьютерной сети. В блоке 1 виртуальной компьютерной сети на основе данных, поступающих из блока 2 доступа к оборудованию компьютерной сети, формируют виртуальную компьютерную сеть. Виртуальную компьютерную сеть формируют с использованием информации о специфике реальных объектов компьютерной сети 10, которую содержит модуль 5 описания устройств компьютерной сети.
Если в течение заданного интервала времени список объектов компьютерной сети не изменяется, в блоке 8 формирования прогноза формируют структуру нейронной сети и посредством блока мониторинга компьютерной сети осуществляют сбор статистических данных о состояниях объектов компьютерной сети за временной интервал наблюдений. Данные состояния объектов компьютерной сети и всей сети в целом передают из блока 1 виртуальной компьютерной сети и сохраняют в блоке 7 базы данных.
Блок 9 мониторинга компьютерной сети под управлением управляющей программы для ЭВМ мониторинга компьютерной сети, разработанной авторами, осуществляет постоянный мониторинг объектов компьютерной сети, запрашивая текущее состояние объектов компьютерной сети, и передает информацию блоку 8 формирования прогноза. (Свидетельство об официальной регистрации программы №2005610844, приоритет от 29.03.2005 г., сведения опубликованы в электронном виде в Интернет на сайте Центра сетевых технологий МИЭМ, адрес сайта: http://www.diplom2.ru/science.html)
Из блока базы 7 данных статистические данные о состоянии объектов компьютерной сети поступают в блок 8 формирования прогноза, где с использованием статистических данных формируют обучающую выборку. Обучающую выборку используют для обучения нейронной сети, конфигурацию которой формируют согласно конфигурации виртуальной компьютерной сети.
Обученную нейронную сеть используют для формирования прогноза.
В части формирования прогноза состояния компьютерной сети предложенная система управления компьютерной сетью предусматривает, по крайней мере, два варианта выполнения работы по формированию прогноза в зависимости от выполнения блок 8 формирования прогноза.
В случае, если блок 8 формирования прогноза выполнен по п.1 формулы и включает нейронную (одноуровневую) сеть, на входной слой нейронных сетей в блоке 8 формирования прогноза из блока 9 мониторинга компьютерной системы передают
информацию о текущем состоянии компьютерной сети. На основе данной информации о текущем состоянии сети с использованием программы для ЭВМ формирования прогноза состояния компьютерной сети, разработанной авторами, с выходных слоев нейронных сетей формируют сигнал, включающий информацию о прогнозе состояния компьютерной сети. В зависимости от прогноза, принимают решение по управлению компьютерной сетью (в частности, ошибки, которые могут произойти в будущем) и оповещают администратора компьютерной сети. (Свидетельство об официальной регистрации программы №2005610845, приоритет от 29.03.2005 г., сведения опубликованы в электронном виде в Интернет на сайте Центра сетевых технологий МИЭМ, адрес сайта: http://www.diplom2.ru/science.html)
Прогноз состояния компьютерной сети 10 визуализируется интерфейсом пользователя в удобном для восприятия пользователем виде.
В случае, если блок 8 формирования прогноза выполнен по п.2 формулы и включает, по крайней мере, двухуровневую нейронную сеть, на входной слой нейронных сетей первого уровня в блоке 8 формирования прогноза из блока 9 мониторинга компьютерной системы передают информацию о текущем состоянии каждого объекта компьютерной сети 10. На основе данной информации о текущем состоянии сети с использованием программного продукта, разработанного авторами, с выходных слоев нейронных сетей первого уровня, формируют прогноз состояния каждого найденного объекта компьютерной сети. Информацию с выходных уровней нейронных сетей первого уровня объединяют на входном слое нейронной сети второго уровня. На основе данных выходного слоя нейронной сети второго уровня формируют сигнал, включающий информацию о прогнозе состояния компьютерной сети в целом. В зависимости от прогноза, принимают решение по управлению компьютерной и оповещают администратора компьютерной сети. Прогноз состояния объектов компьютерной сети и
всей сети визуализируется интерфейсом пользователя в удобном для восприятия пользователем виде.
Преимущества использования двухуровневой нейронной сети состоят в следующем. В двухуровневой нейронной сети, каждому объекту компьютерной сети соответствует своя нейронная сеть, конфигурация которой не зависит от конфигурации компьютерной сети в целом и отвечает за состояние только одного объекта компьютерной сети. Выходные слои нейронных сетей объектов объединены в нейронную сеть, отвечающую за состояние всей сети в целом. Таким образом, нейронные сети объектов компьютерной сети можно интегрировать в сами объекты, тем самым сократить количество данных передаваемых по компьютерной сети и снизить вычислительную нагрузку выделенного сервера управления компьютерной сетью.
Так как структура компьютерной сети динамически меняется во времени, конфигурацию компьютерной сети постоянно обновляют. Если конфигурация компьютерной сети изменилась, структуру базы данных можно переформировать и, используя предложенный способ формирования прогноза, сформировать новый прогноз и принять управляющее решение в соответствии с новым прогнозом состояния объектов компьютерной сети и компьютерной сети в целом.
Предложенные система управления компьютерной сетью обеспечивает: снижение времени простоя объектов компьютерной сети и всей компьютерной сети в целом; увеличение надежности работы объектов компьютерной сети и всей сети в целом; снижения вероятности сбоя того или иного объекта компьютерной сети и всей сети в целом. Также дает возможность устранить тот или иной сбой в функционировании объектов компьютерной сети и всей сети в целом заблаговременно, предотвратив тем самым сбой объектов компьютерной сети или всей компьютерной сети в целом.

Claims (2)

1. Система управления компьютерной сетью, содержащая блок доступа к оборудованию компьютерной сети, блок виртуальной сети, блок интерфейса пользователя, модуль поддержки протоколов доступа к оборудованию компьютерной сети, модуль описания устройств компьютерной сети, модуль поддержки визуализации устройств компьютерной сети и блок баз данных, отличающаяся тем, что дополнительно включает связанный с блоком виртуальной сети и осуществляющий сбор статистических данных о состояниях объектов компьютерной сети блок мониторинга компьютерной сети и блок формирования прогноза, связанный с блоком мониторинга компьютерной сети, блоком баз данных, блоком виртуальной компьютерной сети, и включающий нейронную сеть, используемую для формирования прогноза состояния компьютерной сети.
2. Система управления компьютерной сетью по п.1, отличающаяся тем, что блок формирования прогноза включает, по крайней мере, двухуровневую нейтронную сеть, используемую для формирования прогноза состояния каждого объекта компьютерной сети и состояния компьютерной сети в целом.
Figure 00000001
RU2005111372/22U 2005-04-19 2005-04-19 Система управления компьютерной сетью RU47541U1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2005111372/22U RU47541U1 (ru) 2005-04-19 2005-04-19 Система управления компьютерной сетью

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2005111372/22U RU47541U1 (ru) 2005-04-19 2005-04-19 Система управления компьютерной сетью

Publications (1)

Publication Number Publication Date
RU47541U1 true RU47541U1 (ru) 2005-08-27

Family

ID=35847331

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2005111372/22U RU47541U1 (ru) 2005-04-19 2005-04-19 Система управления компьютерной сетью

Country Status (1)

Country Link
RU (1) RU47541U1 (ru)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2448819C2 (ru) * 2010-02-04 2012-04-27 Открытое акционерное общество "Институт по проектированию и исследовательским работам в нефтяной промышленности "Гипровостокнефть" Способ управления положением электросварочной горелки и устройство для его осуществления
RU2735235C1 (ru) * 2017-07-20 2020-10-29 Сименс Акциенгезелльшафт Мониторинг блокчейна

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2448819C2 (ru) * 2010-02-04 2012-04-27 Открытое акционерное общество "Институт по проектированию и исследовательским работам в нефтяной промышленности "Гипровостокнефть" Способ управления положением электросварочной горелки и устройство для его осуществления
RU2735235C1 (ru) * 2017-07-20 2020-10-29 Сименс Акциенгезелльшафт Мониторинг блокчейна

Similar Documents

Publication Publication Date Title
AU2020201706B2 (en) Automated system for generative multimodel multiclass classification and similarity analysis using machine learning
US10841181B2 (en) Monitoring and auto-correction systems and methods for microservices
Li et al. Metis: Robustly tuning tail latencies of cloud systems
US10769006B2 (en) Ensemble risk assessment method for networked devices
US7979729B2 (en) Method for equalizing performance of computing components
US10797953B2 (en) Server consolidation system
CN107003887A (zh) Cpu超载设置和云计算工作负荷调度机构
US8140767B2 (en) Cache management through delayed writeback
WO2023185090A1 (zh) 基于微服务链路分析和强化学习的调度方法及装置
US20210232472A1 (en) Low-latency systems to trigger remedial actions in data centers based on telemetry data
US20210112133A1 (en) Edge caching for cognitive applications
Madumal et al. Adaptive event tree-based hybrid CEP computational model for Fog computing architecture
RU47541U1 (ru) Система управления компьютерной сетью
RU2309451C2 (ru) Способ управления компьютерной сетью и система для его осуществления
CN110837970A (zh) 一种区域卫生平台质控方法和系统
Mencagli et al. Towards a systematic approach to the dynamic adaptation of structured parallel computations using model predictive control
Bacchiani et al. Low-latency anomaly detection on the edge-cloud continuum for Industry 4.0 applications: The SEAWALL case study
CN109669996A (zh) 信息动态更新方法及装置
KR102561320B1 (ko) 리소스 추세 예측을 통한 컨테이너 레플리카 추천 시스템 및 추천 방법
KR102607460B1 (ko) 수평 스케일 컨트롤에 기반한 오토 스케일링 방법 및 오토 스케일링 시스템
US20220004563A1 (en) Method and system for real-time database monitoring
RU99879U1 (ru) Децентрализованная система управления компьютерной сетью
Wei et al. RLConfig: Run-time configuration of cluster schedulers via deep reinforcement learning
CN116436666B (zh) 一种面向分布式异构网络的安全态势感知方法
WO2023273804A1 (zh) 组网方法、网管系统、服务器和计算机可读存储介质

Legal Events

Date Code Title Description
MM1K Utility model has become invalid (non-payment of fees)

Effective date: 20060420

NF1K Reinstatement of utility model

Effective date: 20071210

MM1K Utility model has become invalid (non-payment of fees)

Effective date: 20090420

NF1K Reinstatement of utility model

Effective date: 20100920

PD1K Correction of name of utility model owner
MM1K Utility model has become invalid (non-payment of fees)

Effective date: 20130420