-
公开(公告)号:CN112866251A
公开(公告)日:2021-05-28
申请号:CN202110073766.2
申请日:2021-01-20
Applicant: 哈尔滨工业大学
Abstract: 一种多域云防护墙安全策略冲突消解方法及装置,属于网络安全技术领域,用以解决不同云服务域之间的云防火墙由于存在安全规则冗余与冲突而限制其运行效率的问题。本发明的技术要点包括:用包含主体、客体、动作和决策的四元组表示待消解的云防火墙安全策略,并对云防火墙安全策略建立主客体索引树;在主客体索引树基础上,对每个索引下的安全策略检测是否存在冗余或冲突;对检测到的安全策略的冗余与冲突进行消解处理。本发明针对云防火墙安全规则的冗余与冲突进行检测,并对检测到的冗余与冲突进行消解,以达到提升云防火墙运行效率的目的。本发明方法及装置能够有效帮助防火墙管理员检测并消解安全规则冗余和冲突,保证多域云防火墙的高效运行。
-
公开(公告)号:CN108076070B
公开(公告)日:2020-09-15
申请号:CN201711489267.1
申请日:2017-12-29
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及FASP协议数据传输领域,具体涉及一种FASP协议阻断方法、装置及分析系统,是为了解决现有的关于FASP协议的研究中未出现FASP协议阻断技术的缺点而提出的,其中UDP阻断步骤包括:判断数据包中的传输标识是否在预设的标识存储结构中;获取数据包中的命令字,若命令字为0x19且检测到数据包中存在敏感数据,则将该数据包的传输标识加入到标识存储结构中;将数据包中的源/目的IP进行存储;丢弃数据包;TCP阻断步骤包括:标识存储结构非空时,判断获取到的数据包中的源IP和目的IP值是否在目标IP存储结构中且数据包为SSH协议数据包;在目标IP存储结构中删除掉源IP和目的IP。本发明还包括一种FASP协议数据还原方法。本发明适用于敏感信息监测以及隐私数据保护。
-
公开(公告)号:CN111176980A
公开(公告)日:2020-05-19
申请号:CN201911262217.9
申请日:2019-12-10
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明适用计算机技术领域,提供了调试环境和运行环境分离的数据分析方法、装置及系统,该方法包括:从运行环境的真实数据中抽取部分数据,将部分数据经过脱敏后传送到调试环境中作为样本数据;在调试环境中,连接样本数据和机器学习组件组成机器学习工作流,获取每个机器学习组件设置的组件参数;在调试环境中调试机器学习工作流,调试完成之后,将机器学习工作流迁移到运行环境中运行;导入运行环境的真实数据执行机器学习工作流,得到机器学习模型;将运行环境中训练得到的机器学习模型通过白名单审查之后导入到调试环境中,供用户查看和下载。本发明既能保证数据隐私不被泄露,也能使用真实数据进行数据分析。
-
公开(公告)号:CN111176817A
公开(公告)日:2020-05-19
申请号:CN201911402711.0
申请日:2019-12-30
Applicant: 哈尔滨工业大学
IPC: G06F9/48 , G06F16/901
Abstract: 一种多核处理器上基于划分调度的DAG实时任务间的干扰分析方法,涉及嵌入式实时系统技术领域。本发明为了提高了WCRT分析的精度,从而提高实时系统系统预测任务集可调度率的准确度。本发明分析高优先级DAG任务的内部结构对低优先级任务干扰的影响,得到更精确的干扰上界。对于DAG任务的拓扑结构以及其内部子任务被分配的处理器情况,首先提出了一个并行结构,并证明了这种并行结构会导致传统的分析方法产生任务间干扰的重复计算。根据这个并行结构提出了一种减少重复计算的WCRT分析策略,有效地提高了WCRT分析的精度。此WCRT分析策略可以降低实时系统预测任务集的WCRT数值,使其更加接近任务集在系统中执行的真实值,提高实时系统系统预测任务集可调度率的准确度。本发明用于同构多核处理器上。
-
公开(公告)号:CN110874348A
公开(公告)日:2020-03-10
申请号:CN201911106280.3
申请日:2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于大数据的技术领域,具体涉及一种混合云环境下隐私的差异化数据检索方法,包括确定目标关键字,向数据文件输入检索请求,显示数据文件的关键字,度量数据文件的关键字与目标关键字的距离值,通过距离值构建数据检索索引,获得检索结果。本发明不仅同时提高了用户在大数据中的搜索速度和在大数据中信息的传输速度,还扩大了搜索的空间和搜索关键字的语义空间,从而使攻击者不能准确地推断出文件的内容,有效地解决了混合云环境下隐私泄露的问题。
-
公开(公告)号:CN110866275A
公开(公告)日:2020-03-06
申请号:CN201911106252.1
申请日:2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
IPC: G06F21/62 , G06F16/953 , G06F16/2458
Abstract: 本发明属于信息安全技术领域,具体涉及一种隐私保护的大数据的近似检索方法,包括步骤1、用户提出数据搜索请求,并将该请求提交给搜索引擎;步骤2、搜索引擎接收搜索请求,搜集当前数据平台的状态信息,并对搜索请求的可行性进行预估;步骤3、若预估结果与搜索请求不同,则拒绝该请求;若预估结果与搜索请求一致,则进行实施;步骤4、数据平台将实施结果返回给搜索引擎,并由搜索引擎呈现给用户。与现有技术相比,本发明针对大数据搜索目前尚无“精度、时效、隐私保护粒度”等多维一体的整体性解决方案的问题,实现大数据搜索三大维度相协的数据检索方案,解决了由同构搜索、数据版本更新所带来的重搜索问题,提升通用搜索的检索效率。
-
公开(公告)号:CN110795473A
公开(公告)日:2020-02-14
申请号:CN201911106961.X
申请日:2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
IPC: G06F16/2458 , G06F16/242 , G06F16/27 , G06F9/445
Abstract: 本发明属于检索技术领域,具体涉及一种基于自举法的加速搜索方法,包括S1.将Hadoop架构下的用户搜索请求设置为三元组Q(Op,D,ρ),其中,Op表示用户对目标数据集合D的搜索操作,ρ为用户设置的搜索精度下限值;S2.从数据集合D中抽取初始样本S,然后以S为论域进行m次有放回采样{S1,...,Sm};S3.对步骤S2中实施操作Op(D)产生的m个结果{Op(S1),...,Op(Sm)}进行近似计算,得到变异系数的相对误差值;S4.根据步骤S3中的相对误差进行评估,得出满足用户近似精度的搜索结果。与现有技术相比,本发明采用自举法进行抽样,有效地降低了抽样过程中样本的数量,同时由于只需要从原始数据集中抽取一个较小的随机均匀抽样,因此,可以显著降低采样过程的磁盘成本。
-
公开(公告)号:CN110555110A
公开(公告)日:2019-12-10
申请号:CN201910857061.2
申请日:2019-09-10
Applicant: 哈尔滨工业大学
Abstract: 一种将K-means与证据累积相结合的文本聚类方法,涉及文本聚类技术。目的是为了解决传统的文本聚类方法一致性、准确性、以及稳定性差的问题。本发明所述的方法为:步骤一一、始化共协矩阵;步骤一二、投票;步骤一三、标准化共协矩阵;步骤二一、初始化相似矩阵;步骤二二、更新相似矩阵;步骤二三:构建最小生成树和剪枝。证据累积策略同时考虑多种不同的聚类结果,可以用于平滑由多次运行k-means算法产生的不同聚类结果之间的差异,能够大大提高结果的可靠性、一致性以及准确率。
-
公开(公告)号:CN110390018A
公开(公告)日:2019-10-29
申请号:CN201910680645.7
申请日:2019-07-25
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/951 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 一种基于LSTM的社交网络评论生成方法,属于社交网络评论生成技术领域。本发明为了解现有的社交网络评论生成技术所应用的场景过于狭窄单一、无法对舆情引提供素材库的问题。本发明使用基于LSTM学习的NLG技术,通过学习获得的每个字符之间的概率关系来对句子结构的视觉语义、字符的种类以及每一个字符进行编码。对想要表达的评论信息进行了语义和句法方面的融合,并后期通过特定词替换等方法,生成与社交网络几乎一致的生动、通顺、富于变化的高质量评论文本。本发明为舆情引导提供有利的素材语料库,通过传播更多的真实、值得信赖的言论,还原出正能量的网络环境。本发明可作为素材语料库输入到现有的舆情引导的系统中,用于社交网络特定领域评论生成。
-
公开(公告)号:CN110380906A
公开(公告)日:2019-10-25
申请号:CN201910680643.8
申请日:2019-07-25
Applicant: 哈尔滨工业大学
IPC: H04L12/24 , H04L12/713 , H04L12/721 , H04L12/751 , H04L12/803
Abstract: 一种大规模多维融合的虚拟网络映射方法,涉及虚拟网络映射技术领域。本发明为了解决现有的虚拟网络映射方法无法解决多维融合的虚拟网络映射问题以及无法适于万级以上节点数映射的问题。所述方法首先输入虚拟网络和底层物理网络;接着对多维虚拟网络拓扑进行预处理;再对底层物理网络拓扑进行简化操作,分别简化到路由器级别和交换机级别;接着进行K最短路径预算;使用混合遗传算法进行粗略映射;接着使用混合遗传算法进行精确映射,之后再映射到具体的物理主机;接着进行虚拟链路的映射,在映射成功后,输出收益比或负载均衡。提高虚拟网络映射的收益比和成功率。
-
-
-
-
-
-
-
-
-