-
公开(公告)号：CN104104689A
公开(公告)日：2014-10-15
申请号：CN201410371984.4
申请日：2014-07-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的互联网浏览器中安全的域名解析方法，包括：a)配置N个域名解析服务器；b)发送解析请求；c)域名进行解析；d)对接收到的返回包记录，记其数量为M；e)判断M=0是否成立，如成立，则浏览行为没有完成；如不成立，表明存在返回包；f)当用户刷新时，执行步骤c)；若改为浏览其他网页，执行步骤b)；g)取重复次数最多的IP，同时其次数为X；h)判断X＞N/2是否成立，如果成立，则表IP为安全地址；如果不成立，本次浏览受到了DNS攻击。本发明的浏览器域名解析方法，保证了用户原本输入的域名能够正确指向对应的网站或服务，解决DNS域名解析过程中攻击的问题。可对伪造的IP地址进行过滤，保留正确的IP地址。
-
公开(公告)号：CN119420708B
公开(公告)日：2025-04-18
申请号：CN202510020273.0
申请日：2025-01-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及数据传输技术领域，本发明公开了一种时间敏感网络跨域流量调度方法、系统、介质及设备，包括：对于当前时间步，在状态下，通过主网络和贪婪策略进行动作选择后，计算动作执行后的奖励和下一时间步状态；将当前时间步的状态、动作、奖励和下一时间步状态作为一个转移，存储到重放记忆，当重放记忆中转移的个数达到阈值，则从重放记忆中采样多个转移；对于采样的每个转移，通过目标网络和Munchausen机制，计算每个分支的时间差目标值；通过主网络，计算每个分支的预测Q值；计算得到均方误差，基于均方误差更新主网络的参数；每间隔若干时间步，将主网络的参数赋值给目标网络。保证了流量调度的实时性和路由选择的可靠性。
-
公开(公告)号：CN118945116A
公开(公告)日：2024-11-12
申请号：CN202411212329.4
申请日：2024-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/125 , H04L45/00 , H04L45/02 , H04L45/12 , H04L45/30
Abstract: 本发明提出一种数据中心网络中负载均衡的实现方法及系统，方法包括：根据传输带宽，将数据流划分为象流和鼠流；将所有可达路径节点的网络负载信息打包为探测包，广播到全网；基于探测包信息，获取带宽因子、象流关键度因子和队列长度指数，为象流和鼠流分配传输路径；具体为：对象流进行改进蚁群算法迭代，将带宽因子和象流关键度因子作为蚁群寻路的依据，获取并比较最优解集合不同路径的开销，将象流转发到开销最小的路径；对鼠流计算可达路径时延，将队列长度指数和时延作为鼠流选路的依据，筛选符合时延限制的路径，将鼠流转发到开销最小的路径。通过将流量按照其自身传输需求分配到不同路径，提高链路带宽利用率并降低了时延。
-
公开(公告)号：CN117749637A
公开(公告)日：2024-03-22
申请号：CN202311777845.7
申请日：2023-12-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/14 , H04L41/0894
Abstract: 本发明公开了一种网络损伤组合化模拟实现方法及系统，其中方法包括：获取网络流，查询网络流的网络损伤需求；将网络损伤需求拆分成若干个损伤功能，分析损伤功能串行组合的可行性以及并行组合的可行性，并生成组合化策略；检查组合化策略中是否存在可优化的并行组合，对可优化的并行组合进行优化，得到优化后的组合化策略；依照优化后的组合化策略，构建网络损伤组合并行图；按照网络损伤组合并行图进行网络损伤模拟。在保证损伤功能逻辑正确性的前提下，显著优化了损伤功能的组合处理延迟以及部署开销。
-
公开(公告)号：CN117150341A
公开(公告)日：2023-12-01
申请号：CN202311102973.1
申请日：2023-08-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , H04L9/40
Abstract: 本发明提出了一种基于混合深度学习的加密流量分类方法及系统，涉及网络安全技术领域，具体方案包括：对采集的原始加密流量数据进行预处理，将其转换为统一格式的字节序列；利用训练好的混合深度学习模型对所述字节序列进行分类预测，得到加密流量的分类结果；本发明基于卷积神经网络、时间卷积神经网络以及通道注意力机制的混合深度学习模型，进行时空特征的提取及关注关键特征，从而增强时空特征提取的鲁棒性，提高加密流量分类的效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN117062094A
公开(公告)日：2023-11-14
申请号：CN202311047327.X
申请日：2023-08-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了一种雾无线接入网络中边缘缓存主动放置方法及系统，涉及无线通信技术领域，构建F‑RAN无线网络模型，获取F‑RAN无线网络模型的边缘节点以及缓存容量；获取需缓存的用户的请求内容，引入队列理论，设计到达速率的共享队列模型以及三种传输模式，将三种传输模式的到达率问题转换为内容放置时延最小的模型的求解，通过采用贪心算法，使每个缓存节点都缓存尽可能多的流行内容，直至缓存存储容量受限；考虑各个F‑AP节点的局部内容的流行度，使进行缓存时依据请求内容的流行度和请求内容大小进行缓存主动放置；本公开解决了现有边缘缓存方案中延迟控制不准确及流量成本过高的问题。
-
公开(公告)号：CN116994054A
公开(公告)日：2023-11-03
申请号：CN202310986619.3
申请日：2023-08-07
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明公开了面向类别不平衡的联邦学习图像分类方法及系统，多个客户端按照标准的联邦学习方法联合训练一个全局模型；每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征；每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到尾类的增广样本，以增强本地训练数据；每个客户端使用增强的本地训练数据对全局模型进行微调，并将其上传到服务器来进一步更新全局模型。此外，本发明设计了一个新的损失函数TailDistillation Loss，能够减轻全局类不平衡的影响。
-
公开(公告)号：CN116980965A
公开(公告)日：2023-10-31
申请号：CN202310982783.7
申请日：2023-08-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04W28/02 , H04W28/06 , H04W28/086 , H04W28/084 , H04W28/08
Abstract: 本发明公开了基于信息中心网络的能效感知边缘缓存方法及系统，其中方法，包括：消费者客户端将兴趣包转发给基站；基站查找是否有数据包与兴趣包名称一致，如果没有，则在待处理兴趣表中新增一个条目；基站判断兴趣包内容是否是流行内容，如果是，则为兴趣包添加POP字段，并将添加字段的兴趣包，通过信息中心网络的路由器节点转发给核心网，核心网再转发给源服务器；源服务器将兴趣包对应的数据包，通过信息中心网络的路由器节点传输给核心网，核心网再传输给基站；基站判断当前返回数据包的名称，与待处理兴趣表中条目是否一致；如果一致，则基站判断当前返回数据包是否有POP字段标识，如果有，则将当前返回数据包转发给消费者客户端。
-
公开(公告)号：CN116436678A
公开(公告)日：2023-07-14
申请号：CN202310436976.2
申请日：2023-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/241 , G06F18/21 , G06N3/0475 , G06N3/045
Abstract: 本发明公开的面向多类不平衡数据特点的加密恶意流量识别方法及系统，对网络恶意流量数据进行预处理，获得恶意流量的特征图像；通过恶意流量的特征图像和训练好的恶意流量样本生成模型，获得恶意流量样本，在恶意流量样本生成模型的生成器和判别器中均加入自注意力模块，自注意力模块以卷积层输出的特征图为输入，获取输入自注意力模块的特征图的注意力图，根据注意力图确定自注意力特征图，将自注意力特征图与输入自注意力模块的特征图加权求和，获得自注意力模块输出的特征图，自注意力模块输出的特征图输入下一个卷积层中；对恶意流量样本进行识别，获得恶意流量识别结果。提高了对恶意流量识别的准确性。
-
公开(公告)号：CN116318928A
公开(公告)日：2023-06-23
申请号：CN202310206294.2
申请日：2023-02-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L9/40 , G06F18/214 , G06F18/2431 , G06F18/25 , G06N3/006 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种基于数据增强和特征融合的恶意流量识别方法及系统，涉及网络安全领域，对原始流量数据集进行预处理、特征选择和流量平衡，得到数据增强后的训练集；基于多头注意力，构建恶意流量分类模型，用于特征提取和特征融合；通过参数寻优和模型训练，得到最终的恶意流量分类模型；将待识别的流量，输入到恶意流量分类模型中，输出分类结果；本发明设计了一种能够识别网络流量、自动提取特征并解决数据可用性不足问题的恶意流量分类模型，利用特征选择方法准确地过滤掉冗余特征，利用数据增强技术使各类流量数据均衡、去重叠数据，准确地进行神经网络模型参数权重的优化调整，获得更加合理的模型超参数，提高恶意流量识别的准确性和性能。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.055 seconds)
