一种高效的基于动态数组的网络流量处理方法及系统

    公开(公告)号:CN110943936A

    公开(公告)日:2020-03-31

    申请号:CN201911086763.1

    申请日:2019-11-08

    Abstract: 本发明涉及一种高效的基于动态数组的网络流量处理方法及系统。该方法为每个线程分配一个缓存管理器,所述缓存管理器申请以超级块为单位的内存块,每个超级块包含多个基本块;设置动态数组,通过所述动态数组将网络流的扫描结果存储在所属线程的缓存管理器申请的超级块中。在初始化阶段创建所需线程,初始化缓存管理器、线程中的网络流以及动态数组;在内存使用阶段进行申请内存、获取下一元素以及归还内存的操作。本发明能够减少内存空间的浪费,满足在线系统的高效处理性能与较低空间消耗的需求。

    一种高效的静态哈希表实现方法及系统

    公开(公告)号:CN106326475B

    公开(公告)日:2019-12-27

    申请号:CN201610793354.5

    申请日:2016-08-31

    Abstract: 本发明涉及一种高效的静态哈希表实现方法及系统。该方法包括以下步骤:1)设定哈希桶大小hash_bit,生成多个数据对,将key[i]和value[i]对应于关键字和值;2)根据key[i]值,利用rank操作构建哈希表,并计算C表和D表;3)根据C表和D表计算rank(h),并根据rank(h)的值存储相应的key[i]和value[i];4)根据所要查询的值key判断哈希表中是否存在该元素,若存在则在对应存储位置查询并返回value值,否则访问失败;5)根据步骤4)所得的结果返回结果信息。本发明利用Rank‑select算法实现新型静态哈希表的构建与访问,可用于内容过滤、信息安全等领域。

    一种从正则表达式中抽取最长精确子串的方法

    公开(公告)号:CN109977298A

    公开(公告)日:2019-07-05

    申请号:CN201910116717.5

    申请日:2019-02-15

    Abstract: 本发明提供一种从正则表达式中抽取最长精确子串的方法,步骤包括:构造正则表达式的解析树,获得可以进行解析树遍历访问的根节点;将解析树的CONCAT路径上的CONCAT节点的边都进行切分,把解析树切分成多个子树,每个子树即为一个基本单元;新建一个节点作为精确串锚点,用以存储精确串,同时记录该精确串锚点的左右邻居,该精确串为只有单个字符的基本单元或者由连续CONCAT操作符切分的字符拼接而成;通过对精确串锚点的左邻居和右邻居分别计算后缀和前缀,通过对后缀、精确串、前缀的拼接即可得到基于该精确串锚点抽取的精确子串,再通过对所有精确串锚点的计算,得到最长精确子串。

    数字查找树的压缩表示方法、系统、存储介质及规则匹配装置

    公开(公告)号:CN108399152A

    公开(公告)日:2018-08-14

    申请号:CN201810119184.1

    申请日:2018-02-06

    Abstract: 本发明涉及一种数字查找树的压缩表示方法、系统、存储介质及规则匹配装置。该方法包括:采用完全矩阵表示法建立数字查找树的结点,并建立状态转换表;建立基值表,并利用数组记录叶子结点状态中对应的规则编号;利用基值表对状态行进行归一化,生成归一化矩阵;利用数组来记录归一化矩阵的状态,对归一化矩阵的状态进行去重,得到约简的状态转移矩阵;利用位图对约简的状态转移矩阵进行修正,使其中的元素能够用一个字节来表示;利用基值表、记录归一化矩阵状态的数组、位图和修正后的矩阵进行状态的匹配,并输出匹配结果。本发明以完全矩阵表示法为原型,能够保证结点间状态转移的时间复杂度为O(1),同时可大幅度减少数据结构的存储空间。

    一种融合图结构信息的知识图谱推理方法

    公开(公告)号:CN116468122A

    公开(公告)日:2023-07-21

    申请号:CN202310373927.9

    申请日:2023-04-10

    Abstract: 本发明公开了一种融合图结构信息的知识图谱推理方法,其步骤包括:利用目标领域的三元组构建知识图谱并将其存储到知识图谱推理模型;所述知识图谱推理模型计算所述知识图谱中每条边的里奇曲率;所述知识图谱推理模型通过多层感知机对每条边的所述里奇曲率信息进行映射,得到对应边的曲率映射向量;所述知识图谱推理模型利用所述曲率映射向量更新所述知识图谱中的节点状态和边状态,得到更新后的知识图谱;将该目标领域不完整的三元组输入所述知识图谱推理模型,所述知识图谱推理模型利用更新后的知识图谱得到完整的三元组。本方法所得模型补全三元组时各项性能指标均十分优秀,有广泛的实际价值和应用场景。

    一种基于深度强化学习的恶意域名检测方法和装置

    公开(公告)号:CN114050912B

    公开(公告)日:2023-04-07

    申请号:CN202111158750.8

    申请日:2021-09-30

    Abstract: 本发明涉及一种基于深度强化学习的恶意域名检测方法和装置。该方法的步骤包括:获取待检测域名的真实DNS流量;查询并记录真实DNS流量中待检测域名的whois信息;根据待检测域名本身以及whois信息,对待检测域名进行特征提取,生成待检测域名的特征向量;将待检测域名的特征向量输入至深度强化学习模型中,判断待检测域名是否具有恶意行为。本发明使用基于深度强化学习的方法来解决真实DNS流量中良性与恶意样本数据不平衡的分类问题,能够快速有效地发现真实DNS流量中存在的低比例恶意样本,在低平衡率时依旧保持较好的效果。

    一种基于稠密子图的图压缩方法和系统

    公开(公告)号:CN115439564A

    公开(公告)日:2022-12-06

    申请号:CN202210926540.7

    申请日:2022-08-03

    Abstract: 本发明涉及一种基于稠密子图的图压缩方法和系统,属于计算机软件技术领域。本发明利用稠密子图进行结点重排序并重编码,使得排序不用在大图上进行从而减少结点排序的时间,并降低稠密子图中各结点在内存中的冗余消耗;对抽取出的K边联通子图内各结点进行重编码,构建新的边的存储表示,使得图中出现频次较高的结点占用的空间得以减少;对于图的稀疏空间上,采用压缩邻接表降低存储消耗并采用二级索引提高结点邻居的查找效率。本发明简单且易于使用,降低了结点间的间隙距离,有效减少了将图存储在内存中所需的空间。

Patent Agency Ranking