一种协同调度方法
    2.
    发明公开

    公开(公告)号:CN119341988A

    公开(公告)日:2025-01-21

    申请号:CN202411325203.8

    申请日:2024-09-23

    Abstract: 本发明公开了一种协同调度方法,其步骤包括:1)在目标网络中部署一中央节点控制器,在目标网络中每一节点上部署协同调度器;2)中央节点控制器定期向每一节点发送监测请求;协同调度器将所在节点的状态信息和链路负载情况上报给中央节点控制器;3)中央节点控制器根据状态信息与链路负载数据构建全局资源视图,并将其推送给每一节点;4)源节点上的协同调度器根据数据流的目IP地址以及目标网络的全局路由链路表、网络拓扑结构,计算出多条候选路径并将其发送给中央节点控制器;5)中央节点控制器计算每一候选路径的综合评分结果,选择出最优路径发送给所述源节点进行数据传输。本发明大大提高了网络通信的效率和可靠性。

    一种基于关键语义特征的安全检查缺陷检测方法

    公开(公告)号:CN114490313B

    公开(公告)日:2024-07-16

    申请号:CN202111507955.2

    申请日:2021-12-10

    Abstract: 本发明公开一种基于关键语义特征的安全检查缺陷检测方法,涉及程序分析领域,针对操作系统等开源大规模软件中安全检查缺陷难以通过现有的方法进行检测和定位的问题,通过在源代码以及源代码转换后得到的中间表示上进行分析,通过对安全检查缺陷所在的函数,以及其补丁所在函数中的代码特征的提取,与待检测的目标软件中的函数代码特征的逐一比对,最终判断目标软件中是否存在具有相似安全检查缺陷的函数。

    一种基于异质图网络的横向移动攻击检测方法及系统

    公开(公告)号:CN113094707B

    公开(公告)日:2024-05-14

    申请号:CN202110347685.7

    申请日:2021-03-31

    Abstract: 本发明涉及一种基于异质图网络的横向移动攻击检测方法及系统。该方法基于内网的认证日志,将用户与主机之间的登录行为图结构化,构建用户登录图和源主机路径图,之后在图上进行两阶段异常检测。第一阶段基于用户登录图,使用互信息最大化的图神经网络算法学习主机的行为模式,再通过局部异常因子算法计算得到部分异常样本;第二阶段基于源主机路径图和第一阶段得到的有标签样本,使用异质图注意力网络算法进行半监督学习,检测横向移动攻击行为。本发明法可以在没有样本标签的情况下简洁有效地检测横向移动攻击行为,效果超过了大部分有监督学习的方法,具有高召回率和低误报率。

    基于机器学习的网络流量分类方法及装置

    公开(公告)号:CN116582300A

    公开(公告)日:2023-08-11

    申请号:CN202310386039.0

    申请日:2023-04-12

    Abstract: 本发明公开了一种基于机器学习的网络流量分类方法及装置,所述方法包括:获取包含正常流量和异常流量的训练数据集;基于训练数据集中样本的近邻,计算样本的刚度IH;根据刚度IH,将训练数据集划分为易集和难集;根据类别的样本数量,将难集划分为多数类样本集和少数类样本集;对多数类样本集进行K‑means聚类,并用聚类中心代替每个簇中的样本,以得到样本集SK;对多数类样本集进行SMOTE过采样,以得到样本集SZ;合并易集、少数类样本集、样本集SK和样本集SZ,得到训练数据集SN;基于训练数据集SK对网络流量分类模型进行训练;使用训练后的网络流量分类模型进行待检测流量的预测,得到该待检测流量的分类结果。本发明可以提高网络流量分类模型的准确率。

    一种基于海量告警的攻击事件识别方法及电子装置

    公开(公告)号:CN111709021B

    公开(公告)日:2023-04-07

    申请号:CN202010323268.4

    申请日:2020-04-22

    Abstract: 本发明提供一种基于海量告警的攻击事件识别方法及电子装置,该方法包括依据告警信息的属性列,将告警信息分为一局部特征组及若干全局特征组;获取局部特征组的局部特征键列组及全局特征组的全局特征键列组集合,计算局部特征表与全局特征表集合;拼接局部特征表与全局特征表集合,将得到的完整特征表输入堆叠模型,根据输出概率判定对应事件是否属于攻击事件。本发明基于告警记录所涵盖的信息维度对告警属性进行划分,基于映射归约计算框架进行特征生成,在保证原始告警信息关联信息有效广泛的同时,减少了冗余特征的生成,适合海量告警数据的情况,识别精准度高。

    一种基于深度学习的加密流量检测方法及系统

    公开(公告)号:CN113162908B

    公开(公告)日:2022-11-15

    申请号:CN202110239809.X

    申请日:2021-03-04

    Abstract: 本发明提供了一种基于深度学习的加密流量检测方法及系统。主要思想为:1)将流量转换为图像处理方式提取其几何特征,按照CapsNet提取下层空间特征以及LSTM提取上层时间序列特征的方式构建Caps‑LSTM分层训练模型,以自动提取流量的时空特征;2)对原始连续流量进行流切分成离散流,离散流根据会话粒度连续切分成许多小尺寸数据包;3)将流量匿名化处理减少不必要特征的同时避免训练过程中可能产生的过拟合现象,清洗掉重复的空数据包,提高加密流量的检测能力;4)端到端的方式实现加密流量的服务类别与具体应用类别的有效分类,解决人工特征依赖问题。本发明中的加密流量检测方法具有自动学习、高效性与普适性等特点。

    基于上下文感知张量分解的社交网络用户行为预测方法

    公开(公告)号:CN108776844B

    公开(公告)日:2021-09-14

    申请号:CN201810332563.9

    申请日:2018-04-13

    Abstract: 本发明提供一种基于上下文感知张量分解的社交网络用户行为预测方法及系统,该方法的步骤包括:获取用户的社交网络数据,经预处理得到完整的社交数据;基于社交数据,构建目标张量、辅助张量、用户相似性矩阵、消息主题相似矩阵及用户影响力矩阵;根据上述目标张量、辅助张量、用户相似性矩阵、消息主题相似矩阵及用户影响力矩阵,构建张量分解模型,协同分解目标张量和辅助张量,计算分解损失函数值,获得最优的转发消息用户、被转发消息以及发布消息用户的潜在特征矩阵和核心张量;根据上述的潜在特征矩阵和核心张量,补全辅助张量,对用户转发行为进行预测。

Patent Agency Ranking