买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福州大学申请的专利一种基于SDN模态的网内神经网络部署方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119728434B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510015873.8，技术领域涉及：H04L41/0895；该发明授权一种基于SDN模态的网内神经网络部署方法是由张栋;徐绍伟;林声睿;张津齐;林为伟;林正立设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于SDN模态的网内神经网络部署方法在说明书摘要公布了：本发明涉及一种基于SDN模态的网内神经网络部署方法，通过将深度神经网络模型的输入特征与输出结果映射为网络设备的流表项，并通过表项匹配的方式实现深度神经网络推理，进而实现流量分类、异常检测等网络功能。本发明通过将深度神经网络模型压缩并转化为适用于可编程网络设备中的表项匹配任务，实现了高效的网络数据平面推理。本发明优化了存储与计算资源的利用，显著减少了网络设备的计算复杂度，提高了吞吐量和实时性。通过创新的表项压缩与适应性匹配机制，本发明支持流量分类、异常检测等高精度应用，显著提升了网络智能化管理与优化能力。本发明能够实现深度神经网络在网内设备中的高效部署，为智能网络技术的发展提供了有效的解决方案。

本发明授权一种基于SDN模态的网内神经网络部署方法在权利要求书中公布了：1.一种基于SDN模态的网内神经网络部署方法，其特征在于，通过将深度神经网络DNN模型的输入特征与输出结果映射为网络设备的流表项，并通过表项匹配的方式实现深度神经网络推理，进而实现包括流量分类、异常检测的网络功能；包括如下步骤： 1基于公开网络数据集训练DNN和二值化神经网络BNN模型，获得相应的权重参数； 2对DNN模型进行压缩，将数据包的特征作为输入，模型的分类结果作为输出，将输入-输出映射转化为适用于可编程网络设备的流表项，并通过三层压缩方法减少表项占用的存储资源； 首先利用公开的网络数据集训练深度神经网络和二值化神经网络模型，获得模型的权重参数；训练过程中，使用多种网络流量数据集，以使模型适应不同网络环境中的流量特征；深度神经网络模型训练完成后，进一步压缩模型，通过三层压缩方法，将数据包的五元组特征作为输入，模型的分类结果作为输出，进而将输入-输出映射转化为适合网络设备的流表项，并进行存储资源的优化； 3根据网络设备的计算资源限制，使用BNN模型进行快速推理，在资源受限情况下优化推理速度与存储效率； 4当数据包进入网络时，利用提取的特征值进行DNN等效表项匹配，获得深度神经网络的推理结果，并根据推理结果执行相应的网络操作； 网内神经网络的实现架构将深度神经网络模型的计算过程转化为表项匹配任务；在该架构中，网络设备利用流表项进行匹配与推理，当数据包进入网络时，提取数据包特征并与已压缩的流表项进行匹配；通过匹配结果，得到深度神经网络的推理结果，进而实现流量分类或异常检测等网络智能功能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。