-
公开(公告)号：CN104679511A
公开(公告)日：2015-06-03
申请号：CN201510069703.4
申请日：2015-02-10
IPC: G06F9/44
Abstract: 本发明公开了基于MDE模型转换的MapReduce代码生成方法。该方法的输入是QVT描述的模型转换程序。该方法将输入的QVT模型转换程序逐个提取其定义的转换规则，生成转换原语描述的操作流程，然后将转换原语描述的操作流程抽取为逻辑模型实例，再根据原语算子对应表，把逻辑模型实例转换成物理模型实例，最后根据物理模型实例生成MapReduce代码。最终输出的MapReduce代码能够直接部署在Hadoop平台上执行处理海量数据。本发明高度自动化，能够节约程序员编码时间，且生成的MapReduce代码具有相当的稳定性和可靠性。
-
公开(公告)号：CN104504233A
公开(公告)日：2015-04-08
申请号：CN201410646085.0
申请日：2014-11-14
Applicant: 北京系统工程研究所
IPC: G06F19/00
Abstract: 本发明提供了一种基于多维向量熵随机采样的异常识别方法，该方法包括以下步骤：I、从样本空间Ω中样本点选取采样点，生成子样本空间ω；II、确定所述样本点的多维向量熵；III、重复上述步骤，确定所述样本点多维向量熵的融合结果；IV、确定所述样本点的异常程度；V、确定异常点。该方法通过融合随机采样的样本点，解决大规模数据中的异常识别面临的样本量大、维度高等问题，该方法不仅能降低异常识别的时间复杂度，提高识别效果的准确性，还具有较强的扩展性。
-
公开(公告)号：CN102420797A
公开(公告)日：2012-04-18
申请号：CN201010292857.7
申请日：2010-09-27
Applicant: 北京系统工程研究所
Abstract: 本发明公开了一种拓扑映射方法和系统，该方法包括：根据预设的仿真能力阈值对虚拟网络所包括的子图进行分割和合并处理，得到若干个满足预设仿真能力阈值的子图；根据预设的映射规则将每个所述子图映射到物理网络中的一个物理节点上。该方法和系统能够减少对于物理网络资源的消耗。
-
公开(公告)号：CN101951329A
公开(公告)日：2011-01-19
申请号：CN201010292870.2
申请日：2010-09-27
Applicant: 北京系统工程研究所
Abstract: 本发明公开了一种网络安全态势评估方法和系统，以提高网络安全态势评估的适用范围和准确性。上述方法包括：将预置时间段内所有安全事件按照攻击类型分类，构成至少一个事件集；分别累加各事件集中所述安全事件的攻击风险等级，将累加值确定为各事件集的危害程度值；将各事件集的危害程度值作为自变量带入与各事件集相对应的经验函数fi()，获得各事件集使网络处于不安全状态的可信度值；将各事件集的可信度值作为证据分量，利用证据理论的合成规则，综合各个所述证据分量，获得预置时间段网络处于不安全状态的可信度。可见，本技术方案实现了对整个网络系统安全态势的定量评估，提高了网络安全态势评估的适用范围和准确性。
-
公开(公告)号：CN101572633A
公开(公告)日：2009-11-04
申请号：CN200910083457.2
申请日：2009-05-05
Applicant: 北京系统工程研究所
Abstract: 本发明公开了一种网络取证方法及系统，其中，所述方法包括：从被监控网络中捕获流经网络的数据流；从所述数据流中提取纯文本选段以及所述纯文本选段对应的网络连接记录；存储所述纯文本选段以及所述纯文本选段对应的网络连接记录；确定进行取证分析时，根据存储的所述纯文本选段以及所述纯文本选段对应的网络连接记录进行取证分析。所述方法及系统在与现有技术所述网络取证系统相同的存储空间下，能够存储更长时间范围内的网络取证基础数据，进而能够实现对更长时间范围内事件的取证。
-
Patent Agency Ranking
公开(公告)号：CN105373432B
公开(公告)日：2019-05-14
申请号：CN201510753593.3
申请日：2015-11-06
Applicant: 北京系统工程研究所
Abstract: 本发明涉及一种基于虚拟资源状态预测的云计算资源调度方法，涉及云计算虚拟资源监测配置领域，解决了虚拟资源形式多样，难以形式化的问题、如果在量化的虚拟资源基础上对虚拟资源的状态进行预测的问题以及如何根据预测结果对云计算虚拟资源进行配置的问题，所述方法包括：根据云计算虚拟资源的网络度量差构建云计算虚拟资源形式化模型；结合马尔科夫链预测原理对云计算虚拟机的云计算虚拟资源下一时刻的状态进行预测；根据执行运算任务的重要程度，确定虚拟机的优先级；根据所述虚拟机的优先级和虚拟机的云计算虚拟资源下一刻的状态以及云环境的资源池对虚拟机进行资源分配。
-
公开(公告)号：CN104462184B
公开(公告)日：2018-04-10
申请号：CN201410535911.4
申请日：2014-10-13
Applicant: 北京系统工程研究所
IPC: G06F17/30
Abstract: 本发明提供一种基于双向抽样组合的大规模数据异常识别方法，包括以下步骤：对样本数据集进行横向抽样，得到子样本数据集；对子样本数据集进行属性抽样，得到条带数据集；对条带数据集进行异常程度打分；重复执行上述步骤；组合异常程度分数，并计算异常程度分数的期望值。本发明通过双向抽样方法，既解决了样本量大时间复杂度高，又解决了维灾难的问题；利用抽样方法将数据集进行切分，提高了本发明方法的扩展性。
-
公开(公告)号：CN104504233B
公开(公告)日：2017-06-06
申请号：CN201410646085.0
申请日：2014-11-14
Applicant: 北京系统工程研究所
IPC: G06F19/00
Abstract: 本发明提供了一种基于多维向量熵随机采样的异常识别方法，该方法包括以下步骤：I、从样本空间Ω中样本点选取采样点，生成子样本空间ω；II、确定所述样本点的多维向量熵；III、重复上述步骤，确定所述样本点多维向量熵的融合结果；IV、确定所述样本点的异常程度；V、确定异常点。该方法通过融合随机采样的样本点，解决大规模数据中的异常识别面临的样本量大、维度高等问题，该方法不仅能降低异常识别的时间复杂度，提高识别效果的准确性，还具有较强的扩展性。
-
公开(公告)号：CN105978720A
公开(公告)日：2016-09-28
申请号：CN201610308696.3
申请日：2016-05-11
Applicant: 北京系统工程研究所
CPC classification number: H04L41/5019 , H04L67/322
Abstract: 本发明提供一种满足端到端QoS约束的服务选择方法，所述方法包括如下步骤：(1)获取用户的全局QoS约束需求，并按照归一化方法将QoS值作归一化处理；(2)收集组合服务中每个个体服务的QoS历史信息，并预测每个个体服务下一个时刻的QoS值；(3)针对所述组合服务的基本结构，以及不同的QoS特性和QoS预测值，将全局QoS约束实施分解，得到每个个体服务的QoS约束值；(4)以所述个体服务的QoS约束值为约束，实施服务选择。本发明降低了满足端到端QoS约束下服务组合的时间复杂度，能够在线性时间内组合满足用户需求的组合服务。
-
公开(公告)号：CN104156418A
公开(公告)日：2014-11-19
申请号：CN201410377347.8
申请日：2014-08-01
Applicant: 北京系统工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06K9/6218
Abstract: 本发明公开了一种基于知识重用的演化聚类方法，其通过截取t时刻和以时间窗口长度为限制的有限个历史时刻的数据，应用任一静态聚类方法对数据进行聚类分析，并将聚类结果生成离散化0-1矩阵，之后按时间衰减加权离散化0-1矩阵获得加权0-1矩阵，最后用静态聚类方法对加权0-1矩阵进行静态聚类分析，获得t时刻的演化聚类结果。本发明是通过融合历史时刻的多时间截面静态聚类结果，形成知识积累；从短期来看，可以消除数据噪音提高聚类准确率，从长期来看，可以防止数据扰动保持聚类的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.045 seconds)
