一种基于云数据中心的微服务资源配置方法

    公开(公告)号:CN116627660A

    公开(公告)日:2023-08-22

    申请号:CN202310905760.6

    申请日:2023-07-24

    Abstract: 本发明提供一种基于云数据中心的微服务资源配置方法,包括:预测到达云数据中心的微服务链请求到达率;基于微服务链请求到达率的预测结果,计算每一个微服务需要的服务器核心数量;根据每一个微服务需要的服务器核心数量,基于垂直与水平相结合的细粒度缩放算法对微服务进行扩展,以及基于延时实例资源收缩算法对微服务进行收缩;利用实例迁移算法将资源利用率低的服务器上的微服务实例迁移到资源利用率高的服务器上。本发明以微服务架构为计算通信模型,以互联网应用为请求模型,设计了动态场景下云数据中心基于主动式的微服务细粒度弹性缩放算法,此方法在一定的约束下能支持不同类型的业务,同时能应对海量的移动用户请求。

    一种多特征融合实时分析的恶意流量检测方法及系统

    公开(公告)号:CN115632875B

    公开(公告)日:2023-04-07

    申请号:CN202211508427.3

    申请日:2022-11-29

    Abstract: 本发明提供一种多特征融合实时分析的恶意流量检测方法及系统,方法包括:基于深度包检测技术获取互联网流量数据包;分别获取流量数据包的统计特征、序列特征和频率特征;将流量的统计特征、流量的序列特征和流量的频率特征进行叠加,获取每一个流量数据包的融合特征矩阵;基于初始训练样本集对基于Transformer的检测模型进行训练;基于训练后的检测模型对初始测试样本集中的流量数据包分析检测,识别出其中的恶意流量。本发明利用流量数据包的统计特征、频率特征和序列特征融合对流量进行描述,增强了对流量数据的表示能力,且特征冗余度低,从而提升了模型检测预测效果的精确度与吞吐量。

    一种多特征融合实时分析的恶意流量检测方法及系统

    公开(公告)号:CN115632875A

    公开(公告)日:2023-01-20

    申请号:CN202211508427.3

    申请日:2022-11-29

    Abstract: 本发明提供一种多特征融合实时分析的恶意流量检测方法及系统,方法包括:基于深度包检测技术获取互联网流量数据包;分别获取流量数据包的统计特征、序列特征和频率特征;将流量的统计特征、流量的序列特征和流量的频率特征进行叠加,获取每一个流量数据包的融合特征矩阵;基于初始训练样本集对基于Transformer的检测模型进行训练;基于训练后的检测模型对初始测试样本集中的流量数据包分析检测,识别出其中的恶意流量。本发明利用流量数据包的统计特征、频率特征和序列特征融合对流量进行描述,增强了对流量数据的表示能力,且特征冗余度低,从而提升了模型检测预测效果的精确度与吞吐量。

    IP分片多核负载均衡装置及方法

    公开(公告)号:CN117596211B

    公开(公告)日:2024-04-05

    申请号:CN202410072064.6

    申请日:2024-01-18

    Abstract: 本发明公开了一种IP分片多核负载均衡装置及方法,其装置包括特征提取模块、分发表及分发模块,特征提取模块提取IP分片首包的IP五元组及IP分片的IP分片三元组;分发表记录各IP报文的分发结果,采用数组方式进行组织,以IP分片三元组的哈希值作为数组索引;分发模块根据特征提取模块得到的结果将IP分片分发给处理装置;当分发IP分片首包时,根据IP五元组计算得到分发结果,并将分发结果存入分发表;当分发IP分片非首包时,查询分发表得到分发结果。本发明在多队列网卡、RPS、RFS等处理装置共享内存的软硬件场景下,实现了IP五元组级别的IP分片负载均衡,负载均衡效果好;本装置分发效率高;分发后,处理装置处理时程序局部性好,处理效率高。

Patent Agency Ranking