泛在IP协议体系

由于TCP/IP协议栈的固有特性难以承载未来网络的个性化需求,在网络协议发展历程的基础上,提出了下一代泛在IP(ubiquitous IP,UIP)协议体系。泛在IP是面向泛在全场景服务的未来承载需求,基于IP协议扩展,统筹“渐进式”和“革命式”创新,关键内容包括以灵活IP为核心的设计理念、3个维度的协议架构和在网络层及传输层的协议创新。对比分析了IPv6+与UIP作为两代网络创新技术接力实现网络能力的提升,总结了UIP当前进展以及对未来的展望。

5G SA网络引入IPv6的思路探讨

针对5G独立组网(SA)网络引入IPv6,分析了5G SA用户面引入IPv6单栈的可能方案;特别提出了一种新型的基于IPv6单栈技术方案,详细介绍了其中的总体结构、冗余备份、端口映射和溯源方式等。相比于传统的双栈技术,新的技术方案不仅解决了终端地址不足问题,还可以降低网络维护的成本,符合网络的发展趋势。最后,提出了运营级网络选择演进路线的策略建议。

一种基于域名解析机制的算力网络实现方案

新型数字化技术和业务的兴起,以及信息数据的爆炸式增长,对云—边—端多级算力资源提出了巨大的应用需求,算力基础设施泛在化成为一大发展趋势。算力网络将算力等资源与网络协同统一,结合用户需求提供最优的资源配置策略,同时提高多级算力资源的协同工作效率,成为网络技术发展的新方向。分析了当前算力网络的技术路线,提出了一种基于域名解析机制的算力网络实现方案。该方案引入域名解析机制,使用URL语言对多种算力资源进行统一标识,由集中式的算力资源管理平台对算力资源进行统一的分配调度。用户在收到分配的算力资源标识时,通过域名解析系统解析出相应资源的网络位置信息,并通过算力网关与资源池建立网络连接。此方案满足灵活扩展算力资源标识的需求,具有很好的实用性和通用性。

基于机器学习的多源威胁情报质量评价方法

在多源威胁情报收集过程中,由于存在数据价值密度低、情报重复度高、失效时间快等问题,情报中心难以对海量情报数据做出科学决策。针对上述问题,提出一种基于机器学习的多源威胁情报质量评价方法。首先基于标准情报格式,设计了一套多源情报数据标准化流程;其次,针对情报数据的特点,分别从情报来源、情报内容、活跃周期、黑名单库匹配程度4个维度提取特征作为评估情报质量的依据;然后针对提取的特征编码,设计了一套基于深度神经网络算法和Softmax分类器的情报质量评价模型,并利用反向误差传播算法最小化重构误差;最后根据2000条开源已标注样本数据,利用K折交叉验证法对模型进行验证,得到了平均91.37%的宏查准率和84.89%的宏查全率,为多源威胁情报质量评估提供借鉴和参考。