| 1 |
1
네트워크 장치가 수행하는 처리 방법에 있어서,모델 관리 서버로부터 머신러닝 모델을 수신하는 단계;분석 데이터를 생성하기 위한 네트워크 데이터를 획득하는 단계;상기 네트워크 데이터를 머신러닝 모델에 입력하여 분석 데이터를 생성하는 단계;상기 분석 데이터를 모델 관리 서버에 피드백하는 단계;상기 분석 데이터를 이용하여 상기 네트워크 장치의 제어 명령을 생성하는 단계를 포함하고,상기 분석 데이터는 훈련 플레인 기능에서 생성되고, 상기 제어 명령은 제어 플레인 기능에서 생성되는 처리 방법
|
| 2 |
2
제1항에 있어서,상기 모델 관리 서버는,상기 머신러닝 모델을 네트워크 장치에 제공하는 것에 대해 과금하는 처리 방법
|
| 3 |
3
제2항에 있어서,상기 모델 관리 서버는,상기 네트워크 장치의 속성, 머신러닝 모델의 파라미터, 품질 또는 제공 시기 중 적어도 하나에 기초하여 머신러닝 모델에 대한 과금액을 설정하는 처리 방법
|
| 4 |
4
제1항에 있어서,상기 제어 명령을 생성하는 단계는,상기 분석 데이터에 기초하여 사용자 단말을 제어하기 위한 제어 명령을 생성하는 처리 방법
|
| 5 |
5
네트워크 장치가 수행하는 처리 방법에 있어서,모델 관리 서버로부터 머신러닝 모델을 수신하는 단계;분석 데이터를 생성하기 위한 네트워크 데이터를 획득하는 단계;상기 네트워크 데이터를 머신러닝 모델에 입력하여 분석 데이터를 추출하는 단계;상기 분석 데이터를 이용하여 상기 머신러닝 모델을 업데이트하는 단계;상기 분석 데이터를 이용하여 상기 네트워크 장치의 제어 명령을 생성하는 단계를 포함하고,상기 분석 데이터는 훈련 플레인 기능에서 생성되고, 상기 제어 명령은 제어 플레인 기능에서 생성되는 처리 방법
|
| 6 |
6
제5항에 있어서,상기 모델 관리 서버는,상기 머신러닝 모델을 훈련하고 상기 머신러닝 모델을 제공하는 것에 대해 과금하는 처리 방법
|
| 7 |
7
제6항에 있어서,상기 모델 관리 서버는,상기 네트워크 장치의 속성, 머신러닝 모델의 파라미터, 품질 또는 제공 시기 중 적어도 하나에 기초하여 머신러닝 모델에 대한 과금액을 설정하는 처리 방법
|
| 8 |
8
제5항에 있어서,상기 제어 명령을 생성하는 단계는,상기 분석 데이터에 기초하여 사용자 단말을 제어하기 위한 제어 명령을 생성하는 처리 방법
|
| 9 |
9
모델 관리 서버가 수행하는 처리 방법에 있어서,머신러닝 모델을 네트워크 장치에 제공하는 단계;상기 머신러닝 모델을 제공하는 것에 대해 과금하는 단계를 포함하고,상기 네트워크 장치는,훈련 플레인에서 머신러닝 모델을 이용하여 네트워크 데이터를 분석하고,제어 플레인에서 네트워크 데이터의 분석 결과인 분석 데이터를 이용하여 사용자 단말을 제어하기 위한 제어 명령을 생성하는 처리 방법
|
| 10 |
10
제9항에 있어서,상기 과금하는 단계는,상기 네트워크 장치의 속성, 머신러닝 모델의 파라미터, 품질 또는 제공 시기 중 적어도 하나에 기초하여 머신러닝 모델에 대한 과금액을 설정하는 처리 방법
|
| 11 |
11
제9항에 있어서,상기 네트워크 장치는,상기 네트워크 데이터의 분석 결과인 분석 데이터를 모델 관리 서버에 피드백하고,상기 모델 관리 서버는,상기 피드백된 분석 데이터 또는 추가로 수집한 네트워크 데이터를 이용하여 머신러닝 모델을 훈련하는 처리 방법
|
| 12 |
12
제9항에 있어서,상기 네트워크 장치는,상기 네트워크 데이터의 분석 결과인 분석 데이터를 모델 관리 서버에 피드백하고,상기 모델 관리 서버는,상기 피드백된 분석 데이터 또는 추가로 수집한 네트워크 데이터를 이용하여 머신러닝 모델을 훈련하는 처리 방법
|
