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！

龙图腾网获悉杭州瑞网广通信息技术有限公司申请的专利一种基于AI流量识别的分布式存储方法和系统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：CN119854325B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510340158.1，技术领域涉及：H04L67/1097；该发明授权一种基于AI流量识别的分布式存储方法和系统是由杨建军;高欣;陆政;陈叶华;周洪印设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。

本一种基于AI流量识别的分布式存储方法和系统在说明书摘要公布了：本发明公开了一种基于AI流量识别的分布式存储方法和系统，包括：获取当前CDN网络节点状态信息并模拟构建GNN模型中的第一GNN节点，根据当前CDN网络节点和不同CDN网络节点的通讯关系构建GNN模型的邻接节点；获取第一GNN节点和对应邻接节点之间的通讯流量信息，利用AI模型识别所述通讯流量信息中的流量特征数据，构建所述第一GNN节点和邻接节点之间的动态邻接矩阵；利用动态邻接矩阵进行所述第一GNN节点和邻接节点的状态更新，根据更新的第一GNN节点和邻接节点的状态执行对应CDN网络节点的缓存策略或流量处理策略；根据缓存策略或流量处理策略将当前CDN网络的节点路由到最优CDN网络的节点。

本发明授权一种基于AI流量识别的分布式存储方法和系统在权利要求书中公布了：1.一种基于AI流量识别的分布式存储方法，其特征在于，所述方法包括： 获取当前CDN网络节点状态信息，根据所述当前CDN网络节点状态信息模拟构建GNN模型中的第一GNN节点，根据当前CDN网络节点和不同CDN网络节点的通讯关系构建GNN模型的邻接节点； 获取所述第一GNN节点和对应邻接节点之间的通讯流量信息，并利用AI模型识别所述通讯流量信息中的流量特征数据，并根据所述流量特征数据构建所述第一GNN节点和邻接节点之间的动态邻接矩阵； 利用所述动态邻接矩阵进行所述第一GNN节点和邻接节点的状态更新，根据更新的所述第一GNN节点和邻接节点的状态执行对应CDN网络节点的缓存策略或流量处理策略； 获取当前CDN网络节点路由链路表，根据所述缓存策略或流量处理策略将当前CDN网络的节点路由到最优CDN网络的节点； 所述当前CDN网络节点状态信息包括硬件资源状态、网络资源状态和缓存状态，其中所述硬件资源状态包括:CPU使用率，内存使用率，缓存磁盘的读写性能数据；所述网络资源状态包括：当前CDN网络节点的上下行带宽使用率、当前CDN网络节点的丢包率、网络请求速率、并发连接数和URL数量；所述缓存状态包括：缓存命中率、缓存淘汰率、缓存预热状态和缓存内容类型；将所述硬件资源状态、网络资源状态和缓存状态分别进行数据预处理得到所述第一GNN节点的特征矩阵，并根据AI模型识别的从第一GNN节点和对应邻接节点之间的流量特征数据构建所述动态邻接矩阵； 所述动态邻接矩阵的构建方法包括：利用包括图像识别AI模型、文字识别AI模型、语音识别AI模型获取所述第一GNN节点和对应邻接节点之间的网络流量特征数据；其中所述流量特征数据包括：违规视频帧数据、违规语音数据、违规文字数据和数量；将不同的所述流量特征数据分别进行数据预处理转化为所述动态邻接矩阵，并根据所述动态邻接矩阵进行所述第一GNN节点和对应邻接节点的状态更新； 所述第一GNN节点和对应邻接节点的状态更新方法包括：根据所述AI模型对流量进行识别得到的流量特征数据构建多头注意力系数，其中i表示当前第一GNN节点，j表示和所述第一GNN节点具有通讯关系的邻接节点，hi表示第一GNN节点特征，a和W表示不同的可学习参数，其中W为权重矩阵，a为节点之间基于流量特征数据转化的动作参数，T表示转置矩阵标识，LeakyReLU表示激活函数，Softmax表示线性分类函数，所述注意力系数αij表示第一GNN节点和对应邻接节点的相似特征权重。

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杭州瑞网广通信息技术有限公司，其通讯地址为：311100 浙江省杭州市余杭区五常街道文一西路998号4幢808室；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。