公开(公告)号：CN116599741A

公开(公告)日：2023-08-15

申请号：CN202310619406.7

申请日：2023-05-29

Applicant: 南京理工大学

Inventor： 刘伟豪 ,  于晓雯 ,  徐雷 ,  蔡志成 ,  宋晓勤

IPC: H04L9/40 ,  H04L41/16 ,  G06F18/214 ,  G06N3/048 ,  G06N5/01

Abstract: 最近，越来越多的企业以云计算的形式对外提供服务，客户可以根据需求，请求适度的资源，有效避免了资源浪费。随之而来的是一系列安全问题，如何对异常流量进行检测就是其中之一。本方法使用可解释人工智能对云系统各个节点中流量进行分析，拦截其中的异常流量，并将异常信息和可解释报告上传到处理节点。处理节点统一对异常信息和解释报告进行分析，动态调整安全策略。该方法的优点是没有把模型部署在网关处，减少了网关服务器的压力，而且充分利用了云系统的分布式架构，实现了计算资源的合理分配。

公开(公告)号：CN116775282A

公开(公告)日：2023-09-19

申请号：CN202310619469.2

申请日：2023-05-29

Applicant: 南京理工大学

Inventor： 王泽廷 ,  于晓雯 ,  徐雷 ,  蔡志成 ,  宋晓勤

IPC: G06F9/50 ,  G06N3/048 ,  G06N3/092

Abstract: 本发明提出一种Spark集群参数自动优化的方法，可以根据任务类型以及数据规模自动的对集群参数进行优化以发挥集群的最优性能。该方法主要包括以下步骤：1、数据采集。使用不同的参数组合启动集群并提交Spark任务，统计不同类型的任务在不同参数组合下的运行时间。任务类型主要分为IO密集型任务、计算密集型任务、内存密集型任务以及迭代密集型任务。2、参数筛选。使用机器学习算法中的决策树模型，以不同类型的任务与数据规模在默认参数配置下的运行时间作为基准，对运行性能高于默认参数配置的参数组合进行筛选。3、性能预测。使用深度神经网络模型，将筛选出的参数组合与任务类型、数据规模等信息作为模型输入，预测任务的执行时间。4、参数优化。使用强化学习中的Q‑Learning算法，对筛选出的参数组合进行优化，得到一个最优参数配置。通过参数筛选可以有效的降低状态空间，使Q‑Learning算法具有更好的收敛性。

公开(公告)号：CN116582340A

公开(公告)日：2023-08-11

申请号：CN202310619226.9

申请日：2023-05-29

Applicant: 南京理工大学

Inventor： 杨靖航 ,  于晓雯 ,  徐雷 ,  宋晓勤 ,  蔡志成

IPC: H04L9/40 ,  H04L41/16 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/088 ,  G06N3/09

Abstract: 本发明公开了一种基于边特征提取的循环图神经网络的入侵检测模型，涉及入侵检测和神经网络领域，方法包括获取构造网络流的结构特征图；根据所述网络流特征使用基于边特征提取的循环图神经网络的入侵检测模型进行特征提取，得到边特征和时间联系特征；所述的循环图神经网络的入侵检测模型包括图神经网络和循环神经网络；将所述边特征和时间联系特征进行融合，得到融合特征；根据所述融合特征得到网络行为检测结果。本发明提高网络行为识别性能。