CN114124789A - 一种网络协同探测方法、装置、设备及计算机介质 - Google Patents
一种网络协同探测方法、装置、设备及计算机介质 Download PDFInfo
- Publication number
- CN114124789A CN114124789A CN202111401111.XA CN202111401111A CN114124789A CN 114124789 A CN114124789 A CN 114124789A CN 202111401111 A CN202111401111 A CN 202111401111A CN 114124789 A CN114124789 A CN 114124789A
- Authority
- CN
- China
- Prior art keywords
- network
- matrix
- detection
- weight vector
- detection method
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 142
- 239000011159 matrix material Substances 0.000 claims abstract description 103
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 8
- 239000000306 component Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- 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
- H04L41/12—Discovery or management of network topologies
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种网络协同探测方法、装置、设备及计算机介质,应用于多Agent***内的控制Agent。其中,所述方法包括:获取当前子网中至少一个节点的属性参数,基于属性参数分别建立第一矩阵和第二矩阵,其中,第一矩阵用于计算主观权重向量和客观权重向量,进而确定综合权重矩阵;根据第二矩阵和综合权重矩阵确定最优探测方案,并基于该方案确定网络探测任务;将网络探测任务分发至执行Agent,以使执行Agent基于主被动融合式网络探测方法执行对应任务。上述方法能够对网络探测任务进行实时最优规划,并由执行Agent对应执行网络探测任务,以实现分布式网络探测决策调度,使得到的探测信息更全面准确,且探测效率更高。
Description
技术领域
本发明涉及网络探测方法领域,特别是涉及一种网络协同探测方法、装置、设备及计算机介质。
背景技术
目前,电力通信网的网络流量、结构和负载等多方面参数难以实现有效统计与管理,这容易导致网络安全事件发生时,技术人员难以在短时间内提出实施可行的补救方案。因此,当前亟需一种能够满足当前大规模复杂网络结构管理探测需求的网络探测方法。
面对初期的网络探测问题,单点网络探测方法是最常用的一种探测方法,然而这种方法存在探测信息少、执行耗时长的问题,且随着网络规模的扩大以及网络技术的更新,现有的单点网络探测方法已难以得到完整的网络拓扑信息。
发明内容
针对上述技术问题,本发明提供一种网络协同探测方法、装置、设备及计算机介质,能够有效提高网络探测效率和准确性,使得到的网络探测结果更全面。
第一方面,本发明提供一种网络协同探测方法,应用于多Agent***内的控制Agent,所述方法包括:
获取当前子网中至少一个节点的属性参数,基于所述属性参数分别建立第一矩阵和第二矩阵;其中,
所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵;
根据所述综合权重矩阵和所述第二矩阵确定最优探测方案;并基于所述最优探测方案确定网络探测任务;
将所述网络探测任务分发至执行Agent,以使所述执行Agent基于主被动融合式网络探测方法执行所述网络探测任务。
可选的,所述执行Agent具体用于:
采用被动式网络探测方法执行所述网络探测任务,以探测实时的网络信息;
当基于所探测的网络信息无法描述对应的网络拓扑结构时,采用主动式网络探测方法继续执行所述网络探测任务。
可选的,所述方法还包括:接收所述执行Agent探测到的网络信息;删除所述网络信息中的通信冗余信息。
可选的,所述方法还包括:利用极小化方法对所述第二矩阵进行标准化,得到标准化矩阵;根据所述标准化矩阵和所述综合权重矩阵确定最优探测方案。
可选的,基于Topsis算法,根据所述综合权重矩阵和所述第二矩阵确定最优探测方案。
可选的,所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵,具体为:
使用层次分析法计算所述第一矩阵的主观权重向量;
根据所述第一矩阵的客观信息计算客观权重向量;所述客观信息包括所述第一矩阵中所述属性参数的标准差、熵以及各所述属性参数之间的相关性;
利用离差极小化方法对所述主观权重向量和所述客观权重向量进行计算,得到综合权重矩阵。
可选的,所述属性参数包括:操作***版本、端口数量、数据传输速率、数据传输时延以及丢包率。
第二方面,本发明提供一种网络协同探测装置,包括:
第一计算模块,用于获取当前子网中至少一个节点的属性参数,基于所述属性参数分别建立第一矩阵和第二矩阵;其中,
所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵;
第二计算模块,用于根据所述综合权重矩阵和所述第二矩阵确定最优探测方案;并基于所述最优探测方案确定网络探测任务;
执行模块,用于将所述网络探测任务分发至执行Agent,以使所述执行Agent基于主被动融合式网络探测方法执行所述网络探测任务。
第三方面,本发明提供一种数据处理设备,包括处理器,所述处理器和存储器耦合,所述存储器存储有程序,所述程序由所述处理器执行,使得所述数据处理设备执行第一方面所述的网络协同探测方法。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上述第一方面所述的网络协同探测方法。
相比现有技术,本发明的有益效果在于:
本发明基于多Agent***提供一种网络协同探测方法,能够在用于控制的Agent端进行网络探测任务的最优规划和分发,并由用于执行的Agent端根据所分发的任务进行网络探测,以实现分布式的网络探测任务决策调度,使得到的网络信息更全面、准确;另一方面,本发明提供的网络协同探测方法占用网络资源较少,能够有效提高探测效率。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的网络协同探测方法的流程示意图;
图2是本发明实施例提供的被动式网络探测方法的执行流程图;
图3是本发明实施例提供的主动式网络探测方法的执行流程图;
图4是本发明实施例提供的多Agent***的结构框图;
图5是本发明实施例提供的网络协同探测装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明一个实施例提供一种网络协同探测方法,应用于多Agent***内的控制Agent,所述方法包括步骤S1至S3。
首先,需要说明的是,多Agent***是由多个Agent松散耦合所构成的复杂***,每个Agent或履行自己的职责,或与其他Agent通信获取信息,以互相协作完成整个问题的求解。本实施例将实时为下一步探测行为规划最优探测方案,并及时完成探测信息存储的Agent定义为控制Agent;将基于探测方案执行网络信息探测行为的Agent定义为执行Agent。
可以理解的是,Agent是指能够自主活动的软件或者硬件实体,可被翻译为"代理"或“智能体”。
S1:获取当前子网中至少一个节点的属性参数,基于所述属性参数分别建立第一矩阵和第二矩阵;其中,所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵。
具体地,所述属性参数包括操作***版本、端口数量、数据传输速率、数据传输时延以及丢包率;其中,操作***版本信息采用Node.js打包,端口数量决定被探测网络提供的服务数量,数据传输速率主要通过动态链接库(wpcap.dll和packet.dll)与静态链接库(libpcap.a)获取,数据传输时延和丢包率均可由Ping工具完成统计。
在本实施例中,所述第一矩阵为判断矩阵,所述判断矩阵是由N个属性参数分别作为行和列而形成的N阶方阵,N为非零自然数。基于属性参数构建第一矩阵后,首先使用层次分析法计算所述第一矩阵的主观权重向量;再根据所述第一矩阵的客观信息计算客观权重向量;所述客观信息包括所述第一矩阵中所述属性参数的标准差、熵以及各所述属性参数之间的相关性;最后利用离差极小化方法对所述主观权重向量和所述客观权重向量进行计算,得到综合权重矩阵。
需要说明的是,所述第二矩阵为决策矩阵,所述决策矩阵的列分别表示属性参数。
S2:根据所述综合权重矩阵和所述第二矩阵确定最优探测方案;并基于所述最优探测方案确定网络探测任务。
在本实施例中,基于所得到的第二矩阵和综合权重矩阵,可利用Topsis算法确定最优探测方案。
需要说明的是,另一实施例还可先使用极小化方法对所述第二矩阵进行标准化,以得到标准化矩阵;再根据所述标准化矩阵和所述综合权重矩阵确定最优探测方案。
S3:将所述网络探测任务分发至执行Agent,以使所述执行Agent基于主被动融合式网络探测方法执行所述网络探测任务。
需要说明的是,执行Agent可将网络探测得到的网络信息发送至控制Agent,控制Agent接收到所述执行Agent探测到的网络信息后,将删除所述网络信息中的通信冗余信息。
现有的分布式网络探测技术可分为主动式探测技术和被动式探测技术;其中,主动式探测技术通过发送与收集数据来分析网络的主要结构,其具有较为灵活的控制机制和准确的网络拓扑信息,但需要占用较多的网络带宽和资源;被动式探测技术则是利用数据采集器嗅探和分析网络流量,其优点在于占用网络资源较少,但网络信息获取不全面,代表性的成果主要有SNMP协议等。
考虑单一的主动式或被动式网络探测方法难以满足当前大规模复杂网络结构的管理探测需求,本发明实施例将主动式探测技术和被动式探测技术进行融合,得到主被动融合式网络探测方法,并基于所述主被动融合式网络探测方法执行网络探测任务。
具体地,所述主被动融合式网络探测方法的执行步骤包括:首先采用被动式网络探测方法执行网络探测任务,具体通过嗅探工具监测实时网络流量,并获取相应的主机信息;当嗅探工具所获取的网络信息无法描述网络拓扑结构时,转为采用主动式网络探测方法继续执行所述网络探测任务。通过上述主被动融合式网络探测方法可解决传统网络探测方法存在的信息模糊与精确度低的问题,提高探测结果准确性。
可以理解的是,在利用主被动融合式网络探测方法进行网络协同探测的过程中,被动式网络探测方法需综合使用SNMP、ARP和MIB协议;其中,SNMP协议使用图的广度优先搜索方法发现路由器节点;ARP协议将目标IP地址转换为目标MAC地址,并获取子网中连接主机的具体状态;MIB协议规定IP路由信息表和IP地址信息表的具体格式,即ipRouteTable和ipAddrTable。具体地,上述利用SNMP、ARP和MIB等协议获取相应的网络信息,其执行流程可参阅图2。
可以理解的是,对于信息安全程度要求较高的场合,部分子网路由器可能选择关闭SNMP协议,此时被动式网络探测将无法正常工作,对此,本实施例通过引入基于二分搜索的Traceroute算法提供主动式网络探测方法,以继续进行网络探测,其具体的执行流程如图3所示。
本发明上述实施例通过融合现有的主动式与被动式网络探测方法而得到主被动融合式网络探测方法,能够有效解决当前单一的主动式或被动式网络探测方法易出现的信息模糊和片面问题,使得到的网络探测信息更全面、准确。
以下将通过一个实施例具体描述将上述网络协同探测方法应用于多Agent***内的实施过程。
请参阅图4,本实施例中的多Agent***由控制Agent和若干个执行Agent组成,形成分布式结构;其中,控制Agent是所述多Agent***的核心角色,主要用于实时规划最优的网络探测方案,同时完成已有探测信息的存储;执行Agent则是***的执行模块,用于接收控制Agent所发出的网络探测方案,并基于所述方案完成网络信息的探测行为。
在所述多Agent***中,控制Agent控制着所有执行Agent,并为其分配相应的探测任务;多个执行Agent之间则完全独立,以形成分布式的组织关系。
具体而言,若干个执行Agent形成集中式的组织结构,上层的执行Agent用于控制和监听下层执行Agent的工作状态,下层的执行Agent则执行实际的子网探测任务。
在本实施例中,控制Agent是由感知模块、决策模块与通信模块组成的具有一定自主规划功能的Agent;具体地,感知模块用于删除执行Agent所传输的通信冗余信息,以完成网络拓扑结构信息的整合;决策模块是控制Agent的核心部件,用于实时规划最优探测方案,进而完成执行Agent的任务分发;通信模块则用于管理数据的接收和发送,以进行控制Agent与执行Agent之间数据传递。
执行Agent作为***执行探测任务的实体,主要由通信模块和探测模块组成;其中,探测模块可基于上述主被动融合式网络探测方法进行网络拓扑信息的探测和存储,通信模块用于接收控制Agent发送的网络探测任务指令信息,同时还可向其他执行Agent转发探测任务信息,以实现全局网络拓扑信息的探测。
首先,控制Agent获取当前子网中至少一个节点的属性参数,形成对应节点的属性集,以建立决策矩阵和判断矩阵。
可以理解的是,所述属性集由操作***版本、端口数量、数据传输速率、时延和丢包率组成,当执行Agent的数量为n时,决策矩阵M则为n×5,具体表示为:
其中,决策矩阵M的所有列分别表示属性集中的属性参数,例如,决策矩阵中的m11表示第1个执行Agent的操作***版本参数。
进一步地,利用极小化方法对决策矩阵M进行标准化,以得到标准化矩阵。具体地,属性集中的数据传输速率、端口数量和操作***版本为效益型参数,数据传输时延和丢包率为成本型参数,因此,可设置表示标准化矩阵,令和分别表示属性参数的最大值和最小值,则可通过下述标准化公式对决策矩阵M进行标准化:
对于判断矩阵,本实施例首先采用层次分析法完成主观权重向量的计算,具体地,可基于上述属性集构建如下所示的判断矩阵R:
表1执行Agent的判断矩阵R
操作***版本 | 端口数量 | 数据传输速率 | 时延 | 丢包率 | |
操作***版本 | 1 | 5 | 2 | 7 | 5 |
端口数量 | 1/5 | 1 | 1/3 | 2 | 1 |
数据传输速率 | 1/2 | 3 | 1 | 4 | 3 |
时延 | 1/7 | 1/2 | 1/4 | 1 | 1/3 |
丢包率 | 1/5 | 1 | 1/3 | 3 | 1 |
基于表1所描述的判断矩阵R=[rij](1≤i,j≤5),执行Agent可运行对应属性参数的判断,并按照下述两个公式进行主观权重向量的计算:
进一步地,为了实现离散数据的处理与计算,本实施例基于熵值和Critic算法,提供一种客观权重计算方法。
具体地,令ξij表示第i项和第j项属性参数之间的相关性,σi与Ei分别表示第i项属性参数的标准差和熵,n与num分别表示属性参数和网络节点的个数,则第i个属性参数的客观权重wi′的计算公式为:
需要说明的是,当获取主观权重向量与客观权重向量之后,本实施例使用离差极小化方法对主观权重向量和客观权重向量进行结合,以得到最终的综合权重向量。
进一步地,本实施例使用Topsis算法选取最优网络探测规划下的执行Agent,具体步骤如下所示:
1)设置备选节点的总数为t,权重总数为s,则标准化矩阵B的维度为t×s,综合权重矩阵W*为1×s。
利用标准化矩阵B和综合权重矩阵W*的乘积,可计算得到规范矩阵Wn,具体表示为:
2)根据具体的探测任务,确定正、负理想解Z+与Z-。其具体公式为:
本发明上述实施例提供的基于多Agent***的网络协同探测方法相对比传统的被动式网络探测方法,不仅占用网络资源少,达到稳定状态的耗时更短,还具有更大的实时数据流量,能够探知更多的主机数量;这表明本发明提供的方法具备更优的实时通信性能、更高的探测效率与探测准确度。
请参照图5,第二方面,本发明一个实施例还提供一种网络协同探测装置,包括第一计算模块101、第二计算模块102和执行模块103。
第一计算模块101用于获取当前子网中至少一个节点的属性参数,基于所述属性参数分别建立第一矩阵和第二矩阵;其中,所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵。
第二计算模块102用于根据所述综合权重矩阵和所述第二矩阵确定最优探测方案;并基于所述最优探测方案确定网络探测任务。
执行模块103用于将所述网络探测任务分发至执行Agent,以使所述执行Agent基于主被动融合式网络探测方法执行所述网络探测任务。
上述装置内的各模块之间信息交互、执行过程等内容,由于与本发明第一方面的网络协同探测方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
第三方面,本发明提供一种数据处理设备,包括处理器,所述处理器和存储器耦合,所述存储器存储有程序,所述程序由所述处理器执行,使得所述数据处理设备执行第一方面所述的网络协同探测方法。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上述第一方面所述的网络协同探测方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可监听存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种网络协同探测方法,其特征在于,应用于多Agent***内的控制Agent,所述方法包括:
获取当前子网中至少一个节点的属性参数,基于所述属性参数分别建立第一矩阵和第二矩阵;其中,
所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵;
根据所述综合权重矩阵和所述第二矩阵确定最优探测方案;并基于所述最优探测方案确定网络探测任务;
将所述网络探测任务分发至执行Agent,以使所述执行Agent基于主被动融合式网络探测方法执行所述网络探测任务。
2.根据权利要求1所述的网络协同探测方法,其特征在于,所述执行Agent具体用于:
采用被动式网络探测方法执行所述网络探测任务,以探测实时的网络信息;
当基于所探测的网络信息无法描述对应的网络拓扑结构时,采用主动式网络探测方法继续执行所述网络探测任务。
3.根据权利要求1所述的网络协同探测方法,其特征在于,还包括:
接收所述执行Agent探测到的网络信息;
删除所述网络信息中的通信冗余信息。
4.根据权利要求1所述的网络协同探测方法,其特征在于,还包括:
利用极小化方法对所述第二矩阵进行标准化,得到标准化矩阵;
根据所述标准化矩阵和所述综合权重矩阵确定最优探测方案。
5.根据权利要求1所述的网络协同探测方法,其特征在于,基于Topsis算法,根据所述综合权重矩阵和所述第二矩阵确定最优探测方案。
6.根据权利要求1所述的网络协同探测方法,其特征在于,所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵,具体为:
使用层次分析法计算所述第一矩阵的主观权重向量;
根据所述第一矩阵的客观信息计算客观权重向量;所述客观信息包括所述第一矩阵中,所述属性参数的标准差、熵以及各所述属性参数之间的相关性;
利用离差极小化方法对所述主观权重向量和所述客观权重向量进行计算,得到综合权重矩阵。
7.根据权利要求1~6任一所述的网络协同探测方法,其特征在于,所述属性参数包括:
操作***版本、端口数量、数据传输速率、数据传输时延以及丢包率。
8.一种网络协同探测装置,其特征在于,包括:
第一计算模块,用于获取当前子网中至少一个节点的属性参数,基于所述属性参数分别建立第一矩阵和第二矩阵;其中,
所述第一矩阵用于计算主观权重向量和客观权重向量,并根据所述主观权重向量和所述客观权重向量确定综合权重矩阵;
第二计算模块,用于根据所述综合权重矩阵和所述第二矩阵确定最优探测方案;并基于所述最优探测方案确定网络探测任务;
执行模块,用于将所述网络探测任务分发至执行Agent,以使所述执行Agent基于主被动融合式网络探测方法执行所述网络探测任务。
9.一种数据处理设备,其特征在于,包括:
处理器,所述处理器和存储器耦合,所述存储器存储有程序,所述程序由所述处理器执行,使得所述数据处理设备执行如权利要求1~7中任一项所述的网络协同探测方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令用于执行上述权利要求1~7任一项所述的网络协同探测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401111.XA CN114124789A (zh) | 2021-11-22 | 2021-11-22 | 一种网络协同探测方法、装置、设备及计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111401111.XA CN114124789A (zh) | 2021-11-22 | 2021-11-22 | 一种网络协同探测方法、装置、设备及计算机介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114124789A true CN114124789A (zh) | 2022-03-01 |
Family
ID=80440811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111401111.XA Pending CN114124789A (zh) | 2021-11-22 | 2021-11-22 | 一种网络协同探测方法、装置、设备及计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114124789A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134269A (zh) * | 2022-06-28 | 2022-09-30 | 北京邮电大学 | 多智能体***连通性的检测方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594606A (zh) * | 2012-03-13 | 2012-07-18 | 中国科学院声学研究所 | 基于多Agent的演进型智能节点重叠网络*** |
CN104301969A (zh) * | 2014-08-07 | 2015-01-21 | 重庆大学 | 一种异构多认知无线网络共存环境中的网络选择方法 |
CN104579978A (zh) * | 2014-12-30 | 2015-04-29 | 国网安徽省电力公司芜湖供电公司 | 一种动态网络链路层拓扑发现方法 |
US20160094420A1 (en) * | 2014-09-29 | 2016-03-31 | Cisco Technology, Inc. | Network embedded framework for distributed network analytics |
US20170288945A1 (en) * | 2016-03-29 | 2017-10-05 | Wipro Limited | Methods and systems to improve correlation between overlay and underlay networks in data centers |
CN107666439A (zh) * | 2016-07-29 | 2018-02-06 | 中国人民解放军陆军军官学院 | 一种无线传感器路由方法及*** |
CN110430080A (zh) * | 2019-08-07 | 2019-11-08 | 国家计算机网络与信息安全管理中心 | 网络拓扑探测方法及装置 |
CN110933691A (zh) * | 2019-11-28 | 2020-03-27 | 哈尔滨工业大学 | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 |
CN111510879A (zh) * | 2020-04-20 | 2020-08-07 | 武汉科技大学 | 基于多约束效用函数的异构车联网网络选择方法及*** |
CN112566196A (zh) * | 2020-11-04 | 2021-03-26 | 北京中电飞华通信有限公司 | 一种基于智能电网的异构网络接入选择方法及相关设备 |
CN112566219A (zh) * | 2020-12-03 | 2021-03-26 | 国网甘肃省电力公司信息通信公司 | 一种电力通信异构网络选择的权重确定方法 |
CN112671553A (zh) * | 2020-11-26 | 2021-04-16 | 中国电子科技网络信息安全有限公司 | 基于主被动探测的工控网络拓扑图生成方法 |
-
2021
- 2021-11-22 CN CN202111401111.XA patent/CN114124789A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102594606A (zh) * | 2012-03-13 | 2012-07-18 | 中国科学院声学研究所 | 基于多Agent的演进型智能节点重叠网络*** |
CN104301969A (zh) * | 2014-08-07 | 2015-01-21 | 重庆大学 | 一种异构多认知无线网络共存环境中的网络选择方法 |
US20160094420A1 (en) * | 2014-09-29 | 2016-03-31 | Cisco Technology, Inc. | Network embedded framework for distributed network analytics |
CN104579978A (zh) * | 2014-12-30 | 2015-04-29 | 国网安徽省电力公司芜湖供电公司 | 一种动态网络链路层拓扑发现方法 |
US20170288945A1 (en) * | 2016-03-29 | 2017-10-05 | Wipro Limited | Methods and systems to improve correlation between overlay and underlay networks in data centers |
CN107666439A (zh) * | 2016-07-29 | 2018-02-06 | 中国人民解放军陆军军官学院 | 一种无线传感器路由方法及*** |
CN110430080A (zh) * | 2019-08-07 | 2019-11-08 | 国家计算机网络与信息安全管理中心 | 网络拓扑探测方法及装置 |
CN110933691A (zh) * | 2019-11-28 | 2020-03-27 | 哈尔滨工业大学 | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 |
CN111510879A (zh) * | 2020-04-20 | 2020-08-07 | 武汉科技大学 | 基于多约束效用函数的异构车联网网络选择方法及*** |
CN112566196A (zh) * | 2020-11-04 | 2021-03-26 | 北京中电飞华通信有限公司 | 一种基于智能电网的异构网络接入选择方法及相关设备 |
CN112671553A (zh) * | 2020-11-26 | 2021-04-16 | 中国电子科技网络信息安全有限公司 | 基于主被动探测的工控网络拓扑图生成方法 |
CN112566219A (zh) * | 2020-12-03 | 2021-03-26 | 国网甘肃省电力公司信息通信公司 | 一种电力通信异构网络选择的权重确定方法 |
Non-Patent Citations (5)
Title |
---|
代宇茜等: "机会网络中的令居发现性能优化方法分析" * |
刘颖英等: "电能质量综合评估研究现状及发展趋势", 《电力***保护与控制》 * |
王文奇,李伟华,史兴键,王高祖: "基于Agent的网络安全***协同控制研究" * |
蒋溢等: "基于实时多业务的异构网络接入选择算法", 《计算机应用与软件》 * |
霍智慧: "网络协同探测技术研究与实现" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115134269A (zh) * | 2022-06-28 | 2022-09-30 | 北京邮电大学 | 多智能体***连通性的检测方法和装置 |
CN115134269B (zh) * | 2022-06-28 | 2023-08-25 | 北京邮电大学 | 多智能体***连通性的检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110661669B (zh) | 一种基于icmp、tcp、udp协议的网络设备的网络拓扑自动发现方法 | |
AU720871B2 (en) | Apparatus and method for network capacity evaluation and planning | |
CN108600102B (zh) | 一种基于智慧协同网络的柔性数据传输*** | |
US6385197B1 (en) | Virtual port trunking method and apparatus | |
US6496941B1 (en) | Network disaster recovery and analysis tool | |
CN107317707B (zh) | 一种基于点覆盖集的sdn网络拓扑管理方法 | |
CN103795805A (zh) | 基于sdn的分布式服务器负载均衡方法 | |
CN114285758B (zh) | 基于opnet的通信网络优化仿真***、方法和装置 | |
US20070041317A1 (en) | Method and system for generating an annotated network topology | |
CN112104559B (zh) | 一种sd-wan网络的路由抖动缓解方法、sd-wan网络控制器 | |
CN106209615B (zh) | 一种基于spfa算法计算转发路径的动态路由控制方法和*** | |
CN113891426A (zh) | 一种分布式多节点组网方法及装置 | |
CN114124789A (zh) | 一种网络协同探测方法、装置、设备及计算机介质 | |
CN107454630B (zh) | 负载均衡方法及负载均衡路由器 | |
CN108924011A (zh) | 用于ospf+路由协议的监测***、相关设备、方法及介质 | |
Pinheiro et al. | Mobile agents for aggregation of network management data | |
JP2020005138A (ja) | 障害影響範囲の推論装置、障害原因の推論装置、障害影響範囲の推論方法、障害原因の推論方法、及びプログラム | |
US7760627B2 (en) | Method and apparatus for automatic load-balancing on a multi-segment network | |
Chou et al. | Implementation of mobile-agent-based network management systems for national broadband experimental networks in Taiwan | |
CN108696436A (zh) | 一种分布式网络拓扑探查与路由分发***及方法 | |
Van Hook et al. | Automated topology control for wideband directional links in airborne military networks | |
King et al. | Growth conditions for the global stability of high-speed communication networks with a single congested link | |
CN117221251B (zh) | 面向软件定义算力网络的算力感知及路由方法、*** | |
Rajanarayanan | Analysis of link utilization using traffic engineering technique in data center network | |
CN117395178B (zh) | 一种基于网络划分的质量监控方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220301 |
|
RJ01 | Rejection of invention patent application after publication |