-
公开(公告)号:CN115883263B
公开(公告)日:2023-05-09
申请号:CN202310189712.1
申请日:2023-03-02
申请人: 中国电子科技集团公司第三十研究所
IPC分类号: H04L9/40 , H04L47/2441 , H04L47/2483 , H04L43/026 , H04L43/028 , H04L43/0876
摘要: 本发明提供了基于多尺度载荷语义挖掘的加密应用协议类型识别方法,包括:步骤1、对原始流量提取载荷特征,并转换为十进制字节序列;步骤2、基于载荷语义挖掘块构建金字塔型神经网络,对十进制字节序列处理得到的输入特征序列;步骤3、载荷语义挖掘块在输入特征序列上构建滑动窗口,滑动窗口依次移动到序列末端,拼接窗口中提取的特征得到输入序列的特征;步骤4、将输入序列的特征进行降维作为新的输入序列,重复步骤3‑步骤4,拼接每次得到的特征,得到多尺度特征;步骤5、根据多次尺度特征完成加密网络应用协议类型的分类。本发明能够提取复杂场景下加密网络应用协议报文中的多尺度特征,提高加密流量识别的速度与精度。
-
公开(公告)号:CN114884843B
公开(公告)日:2023-05-09
申请号:CN202210656200.7
申请日:2022-06-10
申请人: 三峡大学
发明人: 简宏冰
IPC分类号: H04L43/0876 , H04L47/11 , H04L47/2483 , H04L41/14
摘要: 本发明实施例涉及流量监测技术领域,具体公开了一种基于网络视听新媒体的流量监测系统。本发明实施例公开的一种基于网络视听新媒体的流量监测系统,包括:监测模型构建单元;异常初始监测单元;流量特征分析单元;流量特征筛选单元;流量实时监测单元。能够基于大数据,构建流量监测模型,通过在初始化时期进行异常流量初始监测,标记异常流量数据,获取多个目标异常流量特征,构建异常特征识别集,进而通过异常特征识别集和流量监测模型,在初始化时期外,对实时获取的新媒体流量先后进行异常流量实时监测,从而能够对经常出现的异常流量快速识别,有效避免异常监测的堵塞,保障正常的流量数据的传输。
-
公开(公告)号:CN116055587A
公开(公告)日:2023-05-02
申请号:CN202211499604.6
申请日:2022-11-28
申请人: 中盈优创资讯科技有限公司
发明人: 何文娟
IPC分类号: H04L69/22 , H04L47/2483 , H04L47/2441 , G06F18/241
摘要: 本发明公开一种API资产的分级分类的实现方法及装置,其中,该方法包括:对获取的API接口的请求报文和应答报文进行解析,获取API接口的基础信息和API接口的元数据;根据API接口的基础信息确定API接口所属的业务类型,结合API接口的元数据确定API接口的数据类型;根据API接口所属的业务类型和API接口的数据类型,确定API接口的资产分类分级。该方法及装置提高API接口的资产管理效率和准确性。
-
公开(公告)号:CN116055413A
公开(公告)日:2023-05-02
申请号:CN202310206868.6
申请日:2023-03-07
申请人: 云南省交通规划设计研究院有限公司
IPC分类号: H04L47/2441 , H04L47/2483 , H04L43/04 , H04L43/0876 , G06N3/0455 , G06N3/08 , G06F18/23
摘要: 本发明提出一种基于云边协同的隧道网络异常识别方法,该方法针对现有技术下隧道内网络异常识别困难,隧道内以太网设备复杂、网络传输流量采样率较高,传输和服务器压力大。为实现隧道网络异常识别、提高系统响应速度,该方法由边缘计算节点采集并获取不同业务对应的网络流量特征,通过深度自编码器对高维流量特征进行特征提取。在边缘侧进行初步的数据处理及在降维的基础上保证流量数据的特征信息,以减轻传输数据的压力和分担云端网络异常识别的任务。此外,根据隧道网络特点,对传统密度峰值聚类算法在相似性度量和参数自适应选取两个关键技术方面进行改进,实现合理有效的隧道网络异常识别。
-
公开(公告)号:CN116055411A
公开(公告)日:2023-05-02
申请号:CN202310065044.1
申请日:2023-01-28
申请人: 广州广哈通信股份有限公司
IPC分类号: H04L47/2441 , H04L47/2483 , H04L41/16 , G06N20/00
摘要: 本发明涉及通信技术领域,公开了一种基于机器学习的UPF数据流分类方法、系统、设备及介质,方法包括获取报文数据并对所述报文数据预处理,得到待识别报文;使用五元组对所述待识别报文进行flow查找和过滤选择,得到加密流量;当根据预先配置的应用快速匹配模型判定所述加密流量匹配时,则将所述加密流量转发到DPI流分类,并进行报文合法性检查;当根据预先配置的应用快速匹配模型判定所述加密流量不匹配时,则提取有关网络流中发生的事件数据;基于预设的AI分类模型和所述事件数据对每个网络流进行推断,得到流分类结果。本方法能够兼顾UPF DPI模块识别加密流量的准确度和性能,能够在面对网络流量大面积加密的情况下提高分类识别的准确率。
-
公开(公告)号:CN112565106B
公开(公告)日:2023-04-28
申请号:CN201910918590.9
申请日:2019-09-26
申请人: 中国移动通信集团河北有限公司 , 中国移动通信集团有限公司
发明人: 唐蓉
IPC分类号: H04L47/2483 , H04L61/4511 , H04L101/38
摘要: 本发明实施例涉及互联网技术领域,公开了一种流量业务识别方法、装置、设备及计算机存储介质,其中方法包括:获取XDR话单,所述XDR话单包括DPI大小类业务标识、域名和URI地址;根据所述DPI大小类业务标识、域名和URI地址中的至少一种,识别所述XDR话单的ICP名称。通过上述方式,本发明实施例更加准确地识别出流量业务的ICP名称。
-
公开(公告)号:CN111277512B
公开(公告)日:2023-04-28
申请号:CN201811476003.7
申请日:2018-12-04
申请人: 中国移动通信集团浙江有限公司 , 中国移动通信集团有限公司
IPC分类号: H04L47/2483 , H04L69/22 , H04L67/02 , H04N17/00 , H04L43/16
摘要: 本发明实施例提供了一种提升视频业务感知的方法及装置,解析超过预设门限且为HTTP GET包的上行数据包;若上行数据包的特定偏移地址含有关键字,并与动态视频特征库匹配,则视频业务识别成功;动态视频特征库为预先设定且动态更新。本发明实施例基于视频业务关键字,将超过预设门限且为HTTP GET包的上行数据包中特定偏移地址的关键字与预先设定且动态更新的动态视频特征库匹配,若匹配成功则识别成功,解决了无线高负荷场景视频业务感知差的问题,识别成功后,可以采取提升调度优先级,单独配置流控,上行预调度等参数保障业务感知。
-
公开(公告)号:CN111385145B
公开(公告)日:2023-04-25
申请号:CN202010143787.2
申请日:2020-03-04
申请人: 南京信息工程大学
IPC分类号: H04L9/40 , H04L43/0876 , H04L43/026 , H04L47/2483 , H04L47/2441
摘要: 本发明公开了一种一种基于集成学习的加密流量识别方法,其特征在于,包括以下步骤:(1)数据集采集;(2)数据预处理;(3)平衡数据集;(4)自动提取特征;(5)识别流量;(6)对获得的指标结果分析,并选取合适的参数,优化算法。本发明解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题,识别率高,误报率低,适用于对数据集的类别不平衡性和特征提取困难的加密流量识别。
-
公开(公告)号:CN115941577A
公开(公告)日:2023-04-07
申请号:CN202211229589.3
申请日:2022-10-08
申请人: 瞻博网络公司
发明人: D·鲍尔
IPC分类号: H04L45/00 , H04L45/50 , H04L47/2483 , H04L47/24 , H04L47/70
摘要: 本公开的实施例涉及分组流的自动策略配置。公开了用于为分组流提供自动策略配置的技术。例如,一种计算设备包括虚拟节点和耦合到虚拟节点的一个或多个虚拟执行元件。计算设备还可以包括一个或多个处理器,该一个或多个处理器被配置为:接收分组,该分组源自在一个或多个虚拟执行元件上托管的应用工作负载并且去往远程目的地设备;确定分组是新分组流的一部分;作为响应,由计算设备的内核在不向计算设备的用户空间发送分组的情况下为新分组流配置用于正向分组流的策略;由内核配置用于与正向分组流相关联的反向分组流的策略;以及根据用于正向分组流的策略向远程目的地设备发送分组。
-
公开(公告)号:CN115935219A
公开(公告)日:2023-04-07
申请号:CN202111095917.0
申请日:2021-09-18
申请人: 中国电信股份有限公司
IPC分类号: G06F18/24 , H04L41/147 , H04L47/2483 , H04L47/2441 , H04L47/70 , G06F18/214
摘要: 本公开提出一种数据处理方法、装置和系统,涉及网络运营和通信技术领域。将带标签的标记样本集合分成多组标记样本子集合;将多组标记样本子集合分别输入多个基分类器,对每个基分类器进行训练;针对每个基分类器,挑选其他基分类器输出的预测结果相同的不带标签的未标记样本,并将预测结果作为标签对未标记样本进行标记得到待扩充的标记样本,根据待扩充的标记样本确定扩充的标记样本集合;利用每个基分类器的扩充的标记样本集合,对相应的基分类器继续进行训练,训练好的多个基分类器构成分类器模型。实现了一种基于样本扩充的半监督学习来获得分类器模型,相对于监督学习和无监督学习,既能减少人工标注的工作量,又能保障识别准确率。
-
-
-
-
-
-
-
-
-