CN115913980A - 一种数据多端接入控制*** - Google Patents
一种数据多端接入控制*** Download PDFInfo
- Publication number
- CN115913980A CN115913980A CN202211554779.2A CN202211554779A CN115913980A CN 115913980 A CN115913980 A CN 115913980A CN 202211554779 A CN202211554779 A CN 202211554779A CN 115913980 A CN115913980 A CN 115913980A
- Authority
- CN
- China
- Prior art keywords
- data
- client
- analysis
- access
- different
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Computer And Data Communications (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种数据多端接入控制***,包括客户接入端、终端控制模块、云存储数据库、客户端分析模块、动态分析模块、拓扑分析模块、报警管理模块和服务器模块,客户通过客户接入端将端口输入数据传输到***中,客户端分析模块对客户接入端的输入过程进行分析得到客户分析结果,并由拓扑分析模块对不同网络节点上传的拓扑数据进行拓扑分析得到数据分析结果,再由动态分析模块结合客户分析结果和数据分析结果对全局和局部的数据输入状态进行分析得到动态分析结果,当多端口输入数据的网络节点的状态存在异常时,再由报警管理模块进行警报处理,大大提高了数据多端输入的管理效率,保证了网络的稳定运行。
Description
技术领域
本发明涉及云计算技术领域,特别是涉及一种数据多端接入控制***。
背景技术
数据控制是数字化运作的神经中枢,在生产经营中发挥着巨大的作用,在多个用户利用不同的端口接入到***中时,由于不同的用户的接入状态的随机性会造成网络的不稳定,从而带来一定的网络安全隐患,在现有的网络数据的安全管理中,网络拓扑的多端控制机制是数据的多端接入***的常见技术实现方式,网络拓扑多端扫描的数据与分发技术是实现***管理、设备管理、终端管理和报警信息处理的基础,但是当多端数据接入时,不同的用户组成的全局和局部的拓扑结构随着时间的推移状态在不断的发生变化,且不同的数据接入端的数据的更新频率和网络节点的支持方式不同,在一个时间点同时接入到***中用户之间的数据接入状态相互影响,使得对数据多端接入的管理效率发生改变,为了通过对终端输入的管理保障网络安全管理***的有效稳定运行,并且通过对用户随意的更改多端接入的状态的分析避免由此产生的网络运行不稳定的因素,消除了网络***盲区和网络隐患问题。
发明内容
针对上述情况,为克服现有技术之缺陷,本发明之目的在于提供一种数据多端接入控制***,通过客户端分析模块对某一个时刻接入到***中的客户接入端的数据进行聚类分析,从而对不同的客户接入端进行分类,并通过对客户接入端的特征的分析得到最终的客户分析结果,并与数据分析结果结合对网络拓扑结构进行动态分析,提搞了对数据多端接入的管理效率,保障网络安全管理***的平稳运行。
其解决的技术方案是,一种数据多端接入控制***,包括客户接入端、终端控制模块、云存储数据库、客户端分析模块、动态分析模块、拓扑分析模块、报警管理模块和服务器模块,客户通过客户接入端与***进行数据连接,并通过客户接入端将端口输入数据传输到***中,终端控制模块对多个不同的客户接入端的接入过程进行控制,客户端分析模块对客户的多个端口输入数据的输入过程进行分析得到客户分析结果,并由拓扑分析模块对不同的端口输入数据组成的拓扑数据进行拓扑分析得到数据分析结果,再由动态分析模块结合客户分析结果和数据分析结果对网络拓扑结构的全局和局部的数据输入状态进行分析得到动态分析结果,当多端口输入数据的网络节点的状态存在异常时,再由报警管理模块进行警报处理;
***管理过程具体如下:
1)、客户通过客户接入端的端口向***内进行数据输入,终端控制模块通过对不同客户接入端的请求信息的分析对不同的客户接入端进行多点控制,并由所述客户端分析模块根据端口输入数据对多个客户接入端进行数据输入的客户状态进行实时分析,分析过程如下:
步骤一、将不同的客户接入端记为不同的网络节点,不同的客户接入端适用不同的通信转换协议,多个网络节点形成一个网络拓扑结构,将不同的N个客户同时发出数据接入请求时的初始时间记为t0,将终端控制模块通过远程控制同意数据接入后开始数据输入的时间记为ti,i=(1,2,3...N),i表示的N个网络节点中第i个网络节点,将不同的网络节点的停止数据输入的时间记为t′i,i=(1,2,3...N),将不同的客户接入端的输入数据的数据传输量记为Gi,i=(1,2,3...N),在输入时间段内进行数据输入状态改变的频率记为f;
步骤二、在客户接入端发出接入请求到数据输入完成的时间段内,客户端分析模块结合ti、t′i、Gi、f将不同的客户接入端进行数据接入的特点进行描述得到样本集X={Xi,i=1,2,3,...N},Xi为n维向量,N为客户接入端的个数,客户端分析模块根据不同的客户接入端输入数据的n个特征进行聚类分析得到数据输入过程接近的客户接入端,并通过聚类过程中找到m个聚类中心,N个客户接入端在不同的输入状态下的离散度不同,离散度公式如下:
步骤三、客户端分析模块利用客户接入端发出请求到开始输入数据过程中产生的数据进行分析得到端口控制模块对客户接入端口的管理误差,提取N个客户接入端同时发出接入请求后随时间变化的特征参量,并通过特征参量的变化值随时间序列发生变化的分析得到发生接入误差的客户接入端,将出现接入误差的客户接入端对应的Xi记为Yp,Yp∈UJ;
步骤四、客户端分析模块再通过存在误差的客户接入端的向量确定对应的适应度函数Je,适应度函数公式为:
其中,m表示所有的聚类中心的个数,Yp是存在误差的客户接入端的误差样本向量,mj为通过均值计算得到的误差样本向量的聚类中心,C是向量个数,NC为数据维数,Ypx,mjx分别为向量Yp和mj对应的不同维度的元素;
步骤四、客户端分析模块通过分析得到的适应度函数Je再进行聚类分析得到客户分析结果,并将客户分析结果发送至动态分析模块;
2)、客户通过包括PC端、手机、打印机和平板的客户接入端接入到***中,将不同的客户接入端记为不同的网络节点,拓扑分析模块对通过不同的客户接入端口得到的拓扑数据进行拓扑分析管理,不同的网络节点通过不同的网络适配器接入到网络***中,拓扑分析模块对不同的网络节点之间进行统一的方式进行管理得到数据分析结果,并将数据分析结果发送至动态分析模块;
3)、动态分析模块接收客户端分析模块的客户分析结果和拓扑分析模块的数据分析结果,并结合端口输入数据对所有的客户接入端进行全局和局部的稳定分析;
4)、终端控制模块和服务器模块根据动态分析模块的动态分析结果对不同的客户接入端进行动态分级管理。
所述步骤三中的客户端分析模块对客户接入端发出请求到开始输入数据的时间段内的终端控制模块带来的接入误差进行分析,在客户接入端发出接入请求发出后,通过终端控制模块的控制将客户接入端进行接入,在接入的ti-t0,i=(1,2,3...N)时间端内,客户端分析模块对时间段内连续的随时间非线性变化的客户接入端的端口输入数据进行量化,非线性变化函数g(T)=q(T)且q(T)=[q1(T1),q2(T2),q3(T3),...,qa(Ta)]T,其中T=[T1,T2,T3...,Ta]T,通过对时间段内连续的变化过程的量化得到离散的时间序列,并对时间序列对应的不同的客户接入端的特征向量组成的矩阵进行分析得到接入带来的接入误差。
由于以上技术方案的采用,本发明与现有技术相比具有如下优点;
1.客户端分析模块通过对某一时刻多个客户接入端同时接入***的过程进行分析,首先,客户端分析模块提取同时接入到***中的不同的客户接入端接入***的时间、数据传输量和频率特征,并通过对数量描述得到包括N个n维向量的样本集,再根据聚类分析方法对同时接入的客户接入端口进行聚类分析得到输入特征相似的聚类中心,通过对接入过程中离散时间序列的分析得到接入误差,再根据接入误差的进行聚类得到客户分析结果,再聚类过程中被分为一类的客户接入端需要相似的接入硬件和软件的支持,同时接入时会彼此之间相互影响,通过局部的分析得到客户分析结果,再由动态分析模块结合客户分析结果与数据分析结果对整个网络结构的实时状态进行全局分析,大大提高了数据多端输入的管理效率,保证了网络的稳定运行。
2.本***中的动态分析模块结合客户分析结果和数据分析结果对数据多端输入时随时间变化的状态进行分析得到动态分析结果,再由终端控制模块和服务器模块对所有的客户接入端进行分级控制,通过对所有的客户接入端进行整体的分析得到数据传输参数,再根据数据传输参数对不同的客户接入端进行整体的远程控制,不同模块通过对端口输入数据和接入过程的分析来对整体的客户接入端对整体数据多端输入进行管理,使得在数据的多端输入过程中及时的避免网络运行的不稳定因素,使得服务器对不同的状态进行及时的掌握。
附图说明
图1为本***的整体模块图;
图2为本***的整体分析流程图;
图3为客户端分析模块的分析流程图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效,在以下配合参考附图1至图3对实施例的详细说明中,将可清楚的呈现。以下实施例中所提到的结构内容,均是以说明书附图为参考。
在网络的安全运行当中,接入的网络设备日趋多元化,网络设备的多样性和异构型给统一管理增加了难度,设别和终端的运行状态会影响网络安全的整体稳定性,不同的用户通过不同的终端将数据上传到***中,不同用户上传数据过程中的个人习惯不同,且当网络浏览过程中遇到异常的授权接口时处理方式也存在差异性,特别是,当多个用户同时接入到***中时,会给网络***带来一点给的压力,不能精准和及时的获得不同时刻的实时状态,在现有技术中,数据在多点控制***的控制下开始启动心跳检测,并更新数据库前置机信息,再等待客户端连接,并通过判断连接类型和计算最优前置机来返回客户端的最优前置机和会话号,多点接入控制模块利用远程控制软件、***接口管理模块、协议转换模块、服务器模块了实现数据输入的多点管理,并通过多接入的网络拓扑数据的分析来实现了对网络安全的监测,从而保障了网络的运行的可靠性和安区性,但是在对不同的输入端进行统一管理时,不同的数据输入端的状态是在动态变化的,且当多个数据输入端同时接入到***中时,多个用户同时进行数据接入的状态与每一个用户的状态均有关系,接入终端的类型也不同,造成网络边界的接入域的控制难度增大,本发明提出了一种数据多端接入控制***,包括客户接入端、终端控制模块、云存储数据库、客户端分析模块、动态分析模块、拓扑分析模块、报警管理模块和服务器模块,客户通过客户接入端与***进行数据连接,并通过客户接入端将端口输入数据传输到***中,终端控制模块对多个不同的客户接入端的接入过程进行控制,客户端分析模块对客户的多个端口输入数据的输入过程进行分析得到客户分析结果,并由拓扑分析模块对不同的端口输入数据组成的拓扑数据进行拓扑分析得到数据分析结果,再由动态分析模块结合客户分析结果和数据分析结果对网络拓扑结构的全局和局部的数据输入状态进行分析得到动态分析结果,当多端口输入数据的网络节点的状态存在异常时,再由报警管理模块进行警报处,在数据应用管理的过程中,通过软件工程建立不同服务***的整体架构,并通过对不同的访问关系进行分析计算;
***管理过程具体如下:
1)、将客户的不同访问过程中产生的数据进行分别存储得到存储的数据,不同客户的客户接入端记为一个数据输入接口,客户通过客户接入端的端口向***内进行数据输入,终端控制模块通过对不同客户接入端的请求信息的分析对不同的客户接入端进行多点控制,并由所述客户端分析模块根据端口输入数据对多个客户接入端进行数据输入的客户状态进行实时分析,分析过程如下:
步骤一、客户端分析模块对客户接入端的状态进行分析,客户接入端的接入状态与客户的接入习惯和整个数据多端接入的整体管理有关,接入到***中以后得到传输数据,将不同的客户接入端记为不同的网络节点,不同的客户接入端适用不同的通信转换协议,多个网络节点形成一个网络拓扑结构,将不同的N个客户同时发出数据接入请求时的初始时间记为t0,将终端控制模块通过远程控制同意数据接入后开始数据输入的时间记为ri,i=(1,2,3...N),i表示的N个网络节点中第i个网络节点,将不同的网络节点的停止数据输入的时间记为t′i,i=(1,2,3...N),将不同的客户接入端的输入数据的数据传输量记为Gi,i=(1,2,3...N),在输入时间段内进行数据输入状态改变的频率记为f;
步骤二、在客户接入端发起接入请求以后,启动监测机制,当多个客户接入端同时接入到***中时,状态随时间发生改变,在客户接入端发出接入请求到数据输入完成的时间段内,客户端分析模块结合ti、t′i、Gi、f将不同的客户接入端进行数据接入的特点进行描述得到样本集X={Xi,i=1,2,3,...N},Xi为n维向量,N为客户接入端的个数,客户端分析模块根据不同的客户接入端输入数据的n个特征进行聚类分析得到数据输入过程接近的客户接入端,并通过聚类过程中找到m个聚类中心,N个客户接入端在不同的输入状态下的离散度不同,离散度公式如下:
其中,J为N个客户接入端总体的离散度,为第k个聚类中心,wk表示第k个聚类中心包括的样本,为向量到聚类中心的距离,J为所有向量到聚类中心的总和,当离散度最小时,N个客户接入端的分类最明显,将发出接入请求的客户接入端进行聚类分析以后得到接入路径和接入请求相似的一类客户接入端;
步骤三、在不同聚类中心的客户接入端中,对不同的接入过程及西宁分析找到存在接入误差的客户接入端,客户端分析模块利用客户接入端发出请求到开始输入数据过程中产生的数据进行分析得到端口控制模块对客户接入端口的管理误差,提取N个客户接入端同时发出接入请求后随时间变化的特征参量,并通过特征参量的变化值随时间序列发生变化的分析得到发生接入误差的客户接入端,将出现接入误差的客户接入端对应的Xi记为Yp,Yp∈UJ;
步骤四、客户端分析模块再通过存在误差的客户接入端的向量确定对应的适应度函数Je,适应度函数公式为:
其中,m表示所有的聚类中心的个数,Yp是存在误差的客户接入端的误差样本向量,mj为通过均值计算得到的误差样本向量的聚类中心,C是向量个数,NC为数据维数,Ypx,mjx分别为向量Yp和mj对应的不同维度的元素;
步骤四、客户端分析模块通过分析得到的适应度函数Je再进行聚类分析得到客户分析结果,并将客户分析结果发送至动态分析模块;
2)、客户通过包括PC端、手机、打印机和平板的客户接入端接入到***中,将不同的客户接入端记为不同的网络节点,拓扑分析模块对通过不同的客户接入端口得到的拓扑数据进行拓扑分析管理,不同的网络节点通过不同的网络适配器接入到网络***中,拓扑分析模块对不同的网络节点之间进行统一的方式进行管理得到数据分析结果,并将数据分析结果发送至动态分析模块;
3)、动态分析模块接收客户端分析模块的客户分析结果和拓扑分析模块的数据分析结果,并结合端口输入数据对所有的客户接入端进行全局和局部的稳定分析;
4)、终端控制模块和服务器模块根据动态分析模块的动态分析结果对不同的客户接入端进行动态分级管理。
所述步骤三中的客户端分析模块对客户接入端发出请求到开始输入数据的时间段内的终端控制模块带来的接入误差进行分析,在客户接入端发出接入请求发出后,通过终端控制模块的控制将客户接入端进行接入,在接入的ti-t0,i=(1,2,3...N)时间端内,客户端分析模块对时间段内连续的随时间非线性变化的客户接入端的端口输入数据进行量化,非线性变化函数g(T)=q(T)且q(T)=[q1(T1),q2(T2),q3(T3),...,qa(Ta)]T,其中T=[T1,T2,T3...,Ta]T,通过对时间段内连续的变化过程的量化得到离散的时间序列,并对时间序列对应的不同的客户接入端的特征向量组成的矩阵进行分析得到接入带来的接入误差。
所述动态分析模块根据接收的客户分析结果和数据分析结果对不同时刻下不同的客户接入端的状态对整个网络的稳定状态产生影响进行动态分析得到动态分析结果,动态分析模块对客户接入端接入时的动态分析时对网络边界接入域的分析,N个客户接入端同时接入时,有相同的请求发出时间,在接入过程中,不同的客户接入端的状态发生改变,同时动态分析模块结合数据分析结果对不同时刻变化下局部和全局状态进行分析,
在不同的客户接入端发出接入请求后的数据的存在突变和延时,动态分析模块利用时间的分析对所有的多端输入的网点的时间进行整体和局部的输入状态分析,将时间动态分析和数据的网络拓扑分析结合。
所述终端控制模块和服务器模块基于网络工程的虚拟单元多点控制的分析对不同的客户接入端的接入进行控制级别分析,将采集上来的数据进行集进行逐级的管理,并与动态分析模块的动态分析结果进行结合,将数据计算分析过程与虚拟单元多点传输进行统一分析,数据接入传输公式为:
其中,Q为数据传输参数,A为操作通道环境数据,P为网络结构空间数据,S为虚拟单元多点数据存储参数,D为数据训练样本参数,N为参与数据传输的客户接入端个数,终端控制模块通过对客户接入端个数的分析来保障控制的可调控范围
其中,δ为控制参数范围数据,θ为控制区域基础参数,μ为分配数据位置参数,σ为控制内容参数,τ为***控制空间数据信息,通过对网络***中的多点控制的分析过程来保证在调控范围内的波动。
所述拓扑分析模块根据不同的客户接入端采集的拓扑数据进行拓扑结构分析,提取网络节点的控制方法,并对对应的数据进行处理,将不同的拓扑数据库之间进行映射解决数据的调用问题,报警管理模块接收到服务器和终端控制模块的控制指令后,对产生数据异常输入的客户接入端发出警报信息,所述云存储数据库的类型与不同的网络节点相对应。
本发明具体使用时,***主要包括客户接入端、终端控制模块、云存储数据库、客户端分析模块、动态分析模块、拓扑分析模块、报警管理模块和服务器模块,客户通过客户接入端与***进行数据连接,并通过客户接入端将端口输入数据传输到***中,终端控制模块对多个不同的客户接入端的接入过程进行控制,客户端分析模块对客户的多个端口输入数据的输入过程进行分析得到客户分析结果,首先,客户端分析模块提取同时接入到***中的不同的客户接入端接入***的时间、数据传输量和频率特征,并通过对数量描述得到包括N个n维向量的样本集,再根据聚类分析方法对同时接入的客户接入端口进行聚类分析得到输入特征相似的聚类中心,通过对接入过程中离散时间序列的分析得到接入误差,再根据接入误差的进行聚类得到客户分析结果,在聚类过程中被分为一类的客户接入端需要相同的接入硬件和软件的支持,由拓扑分析模块对不同的端口输入数据组成的拓扑数据进行拓扑分析得到数据分析结果,在客户接入端同时接入***时会彼此之间相互的影响,通过局部的分析得到客户分析结果,再由动态分析模块结合客户分析结果与数据分析结果对整个网络结构的实时状态进行全局分析得到动态分析结果,再由终端控制模块和服务器模块对所有的客户接入端进行分级控制,通过对所有的客户接入端进行整体的分析得到数据传输参数,再根据数据传输参数对不同的客户接入端进行整体的远程控制,不同模块通过对端口输入数据和接入过程的分析来对整体的客户接入端对整体数据多端输入进行管理,使得在数据的多端输入过程中及时的避免网络运行的不稳定因素,使得服务器对不同的状态进行及时的掌握当多端口输入数据的网络节点的状态存在异常时,再由报警管理模块进行警报处理,大大提高了数据多端输入的管理效率,保证了网络的稳定运行。
以上所述是结合具体实施方式对本发明所作的进一步详细说明,不能认定本发明具体实施仅局限于此;对于本发明所属及相关技术领域的技术人员来说,在基于本发明技术方案思路前提下,所作的拓展以及操作方法、数据的替换,都应当落在本发明保护范围之内。
Claims (5)
1.一种数据多端接入控制***,其特征在于,包括客户接入端、终端控制模块、云存储数据库、客户端分析模块、动态分析模块、拓扑分析模块、报警管理模块和服务器模块,客户通过客户接入端与***进行数据连接,并通过客户接入端将端口输入数据传输到***中,终端控制模块对多个不同的客户接入端的接入过程进行控制,客户端分析模块对客户的多个端口输入数据的输入过程进行分析得到客户分析结果,并由拓扑分析模块对不同的端口输入数据组成的拓扑数据进行拓扑分析得到数据分析结果,再由动态分析模块结合客户分析结果和数据分析结果对网络拓扑结构的全局和局部的数据输入状态进行分析得到动态分析结果,当多端口输入数据的网络节点的状态存在异常时,再由报警管理模块进行警报处理;
***管理过程具体如下:
1)、客户通过客户接入端的端口向***内进行数据输入,终端控制模块通过对不同客户接入端的请求信息的分析对不同的客户接入端进行多点控制,并由所述客户端分析模块根据端口输入数据对多个客户接入端进行数据输入的客户状态进行实时分析,分析过程如下:
步骤一、将不同的客户接入端记为不同的网络节点,不同的客户接入端适用不同的通信转换协议,多个网络节点形成一个网络拓扑结构,将不同的N个客户同时发出数据接入请求时的初始时间记为t0,将终端控制模块通过远程控制同意数据接入后开始数据输入的时间记为ti,i=(1,2,3...N),i表示的N个网络节点中第i个网络节点,将不同的网络节点的停止数据输入的时间记为t′i,i=(1,2,3...N),将不同的客户接入端的输入数据的数据传输量记为Gi,i=(1,2,3...N),在输入时间段内进行数据输入状态改变的频率记为f;
步骤二、在客户接入端发出接入请求到数据输入完成的时间段内,客户端分析模块结合ti、t′i、Gi、f将不同的客户接入端进行数据接入的特点进行描述得到样本集X={Xi,i=1,2,3,...N},Xi为n维向量,N为客户接入端的个数,客户端分析模块根据不同的客户接入端输入数据的n个特征进行聚类分析得到数据输入过程接近的客户接入端,并通过聚类过程中找到m个聚类中心,N个客户接入端在不同的输入状态下的离散度不同,离散度公式如下:
步骤三、客户端分析模块利用客户接入端发出请求到开始输入数据过程中产生的数据进行分析得到端口控制模块对客户接入端口的管理误差,提取N个客户接入端同时发出接入请求后随时间变化的特征参量,并通过特征参量的变化值随时间序列发生变化的分析得到发生接入误差的客户接入端,将出现接入误差的客户接入端对应的Xi记为Yp,Yp∈UJ;
步骤四、客户端分析模块再通过存在误差的客户接入端的向量确定对应的适应度函数Je,适应度函数公式为:
其中,m表示所有的聚类中心的个数,Yp是存在误差的客户接入端的误差样本向量,mj为通过均值计算得到的误差样本向量的聚类中心,C是向量个数,NC为数据维数,Ypx,mjx分别为向量Yp和mj对应的不同维度的元素;
步骤四、客户端分析模块通过分析得到的适应度函数Je再进行聚类分析得到客户分析结果,并将客户分析结果发送至动态分析模块;
2)、客户通过包括PC端、手机、打印机和平板的客户接入端接入到***中,将不同的客户接入端记为不同的网络节点,拓扑分析模块对通过不同的客户接入端口得到的拓扑数据进行拓扑分析管理,不同的网络节点通过不同的网络适配器接入到网络***中,拓扑分析模块对不同的网络节点之间进行统一的方式进行管理得到数据分析结果,并将数据分析结果发送至动态分析模块;
3)、动态分析模块接收客户端分析模块的客户分析结果和拓扑分析模块的数据分析结果,并结合端口输入数据对所有的客户接入端进行全局和局部的稳定分析;
4)、终端控制模块和服务器模块根据动态分析模块的动态分析结果对不同的客户接入端进行动态分级管理。
2.根据权利要求1所述的一种数据多端接入控制***,其特征在于,所述步骤三中的客户端分析模块对客户接入端发出请求到开始输入数据的时间段内的终端控制模块带来的接入误差进行分析,在客户接入端发出接入请求发出后,通过终端控制模块的控制将客户接入端进行接入,在接入的ti-t0,i=(1,2,3...N)时间端内,客户端分析模块对时间段内连续的随时间非线性变化的客户接入端的端口输入数据进行量化,非线性变化函数g(T)=q(T)且q(T)=[q1(T1),q2(T2),q3(T3),...,qa(Ta)]T,其中T=[T1,T2,T3...,Ta]T,通过对时间段内连续的变化过程的量化得到离散的时间序列,并对时间序列对应的不同的客户接入端的特征向量组成的矩阵进行分析得到接入带来的接入误差。
3.根据权利要求1所述的一种数据多端接入控制***,其特征在于,所述动态分析模块根据接收的客户分析结果和数据分析结果对不同时刻下不同的客户接入端的状态对整个网络的稳定状态产生影响进行动态分析得到动态分析结果,动态分析模块结合数据分析结果对不同时刻变化下局部和全局状态进行分析。
5.根据权利要求1所述的一种数据多端接入控制***,其特征在于,所述拓扑分析模块根据不同的客户接入端采集的拓扑数据进行拓扑结构分析,提取网络节点的控制方法,并对对应的数据进行处理,将不同的拓扑数据库之间进行映射解决数据的调用问题,报警管理模块接收到服务器和终端控制模块的控制指令后,对产生数据异常输入的客户接入端发出警报信息,所述云存储数据库的类型与不同的网络节点相对应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211554779.2A CN115913980B (zh) | 2022-12-06 | 2022-12-06 | 一种数据多端接入控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211554779.2A CN115913980B (zh) | 2022-12-06 | 2022-12-06 | 一种数据多端接入控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115913980A true CN115913980A (zh) | 2023-04-04 |
CN115913980B CN115913980B (zh) | 2023-07-28 |
Family
ID=86478686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211554779.2A Active CN115913980B (zh) | 2022-12-06 | 2022-12-06 | 一种数据多端接入控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115913980B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103178991A (zh) * | 2011-12-21 | 2013-06-26 | ***通信集团黑龙江有限公司 | 一种多网络关系分析的方法和*** |
US20170286008A1 (en) * | 2016-03-30 | 2017-10-05 | Advanced Institutes Of Convergence Technology | Smart storage platform apparatus and method for efficient storage and real-time analysis of big data |
CN109166624A (zh) * | 2018-09-21 | 2019-01-08 | 广州杰赛科技股份有限公司 | 一种行为分析方法、装置、服务器、***及存储介质 |
CN109375594A (zh) * | 2018-10-10 | 2019-02-22 | 杭州润缘信息科技有限公司 | 城市安全智慧管控平台及管控*** |
JP2020136992A (ja) * | 2019-02-22 | 2020-08-31 | Necプラットフォームズ株式会社 | ネットワーク管理システム、ネットワーク管理方法およびネットワーク管理プログラム |
CN111669295A (zh) * | 2020-06-22 | 2020-09-15 | 南方电网数字电网研究院有限公司 | 业务管理方法和装置 |
US20210029559A1 (en) * | 2017-10-13 | 2021-01-28 | Plume Design, Inc. | Intelligent monitoring systems and methods for cloud-based Wi-Fi |
CN113852984A (zh) * | 2021-08-24 | 2021-12-28 | 北京华信傲天网络技术有限公司 | 一种无线终端接入监控***、方法、电子设备及可读存储装置 |
CN115426333A (zh) * | 2022-08-26 | 2022-12-02 | 济南浪潮数据技术有限公司 | 一种用于对象存储的多集群访问***及方法 |
-
2022
- 2022-12-06 CN CN202211554779.2A patent/CN115913980B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103178991A (zh) * | 2011-12-21 | 2013-06-26 | ***通信集团黑龙江有限公司 | 一种多网络关系分析的方法和*** |
US20170286008A1 (en) * | 2016-03-30 | 2017-10-05 | Advanced Institutes Of Convergence Technology | Smart storage platform apparatus and method for efficient storage and real-time analysis of big data |
US20210029559A1 (en) * | 2017-10-13 | 2021-01-28 | Plume Design, Inc. | Intelligent monitoring systems and methods for cloud-based Wi-Fi |
CN109166624A (zh) * | 2018-09-21 | 2019-01-08 | 广州杰赛科技股份有限公司 | 一种行为分析方法、装置、服务器、***及存储介质 |
CN109375594A (zh) * | 2018-10-10 | 2019-02-22 | 杭州润缘信息科技有限公司 | 城市安全智慧管控平台及管控*** |
JP2020136992A (ja) * | 2019-02-22 | 2020-08-31 | Necプラットフォームズ株式会社 | ネットワーク管理システム、ネットワーク管理方法およびネットワーク管理プログラム |
CN111669295A (zh) * | 2020-06-22 | 2020-09-15 | 南方电网数字电网研究院有限公司 | 业务管理方法和装置 |
CN113852984A (zh) * | 2021-08-24 | 2021-12-28 | 北京华信傲天网络技术有限公司 | 一种无线终端接入监控***、方法、电子设备及可读存储装置 |
CN115426333A (zh) * | 2022-08-26 | 2022-12-02 | 济南浪潮数据技术有限公司 | 一种用于对象存储的多集群访问***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115913980B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Federated linear contextual bandits | |
CN107181724B (zh) | 一种协同流的识别方法、***以及使用该方法的服务器 | |
Ma et al. | A highly accurate prediction algorithm for unknown web service QoS values | |
CN109347668A (zh) | 一种服务质量评估模型的训练方法及装置 | |
CN111027736A (zh) | 多目标优化下的微服务组合部署与调度方法 | |
Yu et al. | Trace norm regularized matrix factorization for service recommendation | |
CN106027317B (zh) | 信任感知的Web服务质量预测***及方法 | |
Chan et al. | Fedhe: Heterogeneous models and communication-efficient federated learning | |
US20230169402A1 (en) | Collaborative machine learning | |
CN115344883A (zh) | 一种用于处理不平衡数据的个性化联邦学习方法和装置 | |
CN111935025B (zh) | 一种tcp传输性能的控制方法、装置、设备和介质 | |
CN114398634A (zh) | 一种基于信息熵的联邦学习参与方权重计算方法 | |
Chen et al. | FedOBD: Opportunistic block dropout for efficiently training large-scale neural networks through federated learning | |
Zhu et al. | Cali3f: Calibrated fast fair federated recommendation system | |
Zhao et al. | Minmax sampling: A near-optimal global summary for aggregation in the wide area | |
CN115913980A (zh) | 一种数据多端接入控制*** | |
CN115883392B (zh) | 算力网络的数据感知方法、装置、电子设备及存储介质 | |
Kushwaha et al. | Optimal device selection in federated learning for resource-constrained edge networks | |
CN114531448B (zh) | 算力确定方法、装置及算力共享*** | |
CN106210120B (zh) | 一种服务器的推荐方法及其装置 | |
Yue et al. | Ag-lrtr: An adaptive and generic low-rank tensor-based recovery for iiot network traffic factors denoising | |
Zhang et al. | K-PFed: Communication-efficient personalized federated clustering | |
US11480955B2 (en) | Smart building sensor network fault diagnostics platform | |
Wang et al. | Large-Scale Measurements and Prediction of DC-WAN Traffic | |
Yan et al. | Balancing Similarity and Complementarity for Federated Learning |
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 |