一种基于流量的自反馈恶意软件监测系统和方法

    公开(公告)号:CN110839042A

    公开(公告)日:2020-02-25

    申请号:CN201911161704.6

    申请日:2019-11-22

    Abstract: 本发明公开了一种基于流量的自反馈恶意软件监测系统和方法,包括以下步骤:步骤1、获取HTTP流量,对良性域名的所述HTTP流量进行过滤;步骤2、清洗过滤掉源自浏览器的所述HTTP流量;步骤3、与指纹特征库进行对比,直接识别;步骤4、对不能识别的所述HTTP流量进行流化处理,对流进行聚类;步骤5、检测分析;步骤6、对检测结果进行验证,计算并监测误报率;步骤7、所述误报率超过设定的阈值时,对模型进行反馈训练调整;步骤8、循环执行所述步骤1至所述步骤7。本发明可以高效监测恶意软件,并且可适应不断变化的动态流量环境,能够应对当前恶意软件不断变化发展的趋势。

    一种用于分布式AI集群的网络仿真方法及装置

    公开(公告)号:CN114610484B

    公开(公告)日:2024-05-31

    申请号:CN202210203493.3

    申请日:2022-03-02

    Abstract: 本发明公开了一种用于分布式AI集群的网络仿真方法及装置,方法包括:响应于AI集群仿真平台触发生成分布式AI仿真任务;根据生成的分布式AI仿真任务,按照预设的任务分配算法,为分布式AI仿真任务分配AI集群调度资源;根据生成的分布式AI仿真任务,按照预先配置的任务流生成算法将分布式AI仿真任务解析为若干条仿真任务流,并调用AI集群调度资源,利用任务流路由算法为每个仿真任务流配置执行仿真所需的路由信息;根据路由信息执行完成每条仿真任务流后,获取分布式AI仿真任务的测试数据。本发明通过AI集群仿真平台封装通用网络仿真器的底层逻辑框架,进行任意的AI集群仿真任务,提高了AI集群仿真效率,扩展了仿真研究的广度。

    一种基于流量的自反馈恶意软件监测系统和方法

    公开(公告)号:CN110839042B

    公开(公告)日:2021-08-03

    申请号:CN201911161704.6

    申请日:2019-11-22

    Abstract: 本发明公开了一种基于流量的自反馈恶意软件监测系统和方法,包括以下步骤:步骤1、获取HTTP流量,对良性域名的所述HTTP流量进行过滤;步骤2、清洗过滤掉源自浏览器的所述HTTP流量;步骤3、与指纹特征库进行对比,直接识别;步骤4、对不能识别的所述HTTP流量进行流化处理,对流进行聚类;步骤5、检测分析;步骤6、对检测结果进行验证,计算并监测误报率;步骤7、所述误报率超过设定的阈值时,对模型进行反馈训练调整;步骤8、循环执行所述步骤1至所述步骤7。本发明可以高效监测恶意软件,并且可适应不断变化的动态流量环境,能够应对当前恶意软件不断变化发展的趋势。

    一种全局流级别网络仿真方法、系统及装置

    公开(公告)号:CN114492052B

    公开(公告)日:2025-01-28

    申请号:CN202210110770.6

    申请日:2022-01-29

    Abstract: 本发明公开了一种全局流级别网络仿真方法、系统及装置,包括:构建全局仿真网络拓扑架构形成仿真环境后,通过任务生成器产生仿真任务,将仿真任务划分成多个阶段,将仿真任务的每个阶段存储到全局变量中,以供全局调用;通过全局刷新策略不断更新全局仿真网络拓扑架构中流对象传输的用时信息,确定全局各流对象用时最短的流事件,在当前流对象完成流事件后,通过刷新计算其他流对象的流事件完成时间预期值;通过全局控制策略获取全局阶段信息,检测某一阶段所有流对象是否全部完成流事件,以此预测仿真任务的阶段结束,并获取仿真任务的测试结果。本发明提供的网络仿真方案,在缩短资源消耗和计算时间的同时,确保了仿真的正确性。

    一种用于分布式AI集群的网络仿真方法及装置

    公开(公告)号:CN114610484A

    公开(公告)日:2022-06-10

    申请号:CN202210203493.3

    申请日:2022-03-02

    Abstract: 本发明公开了一种用于分布式AI集群的网络仿真方法及装置,方法包括:响应于AI集群仿真平台触发生成分布式AI仿真任务;根据生成的分布式AI仿真任务,按照预设的任务分配算法,为分布式AI仿真任务分配AI集群调度资源;根据生成的分布式AI仿真任务,按照预先配置的任务流生成算法将分布式AI仿真任务解析为若干条仿真任务流,并调用AI集群调度资源,利用任务流路由算法为每个仿真任务流配置执行仿真所需的路由信息;根据路由信息执行完成每条仿真任务流后,获取分布式AI仿真任务的测试数据。本发明通过AI集群仿真平台封装通用网络仿真器的底层逻辑框架,进行任意的AI集群仿真任务,提高了AI集群仿真效率,扩展了仿真研究的广度。

    一种全局流级别网络仿真方法、系统及装置

    公开(公告)号:CN114492052A

    公开(公告)日:2022-05-13

    申请号:CN202210110770.6

    申请日:2022-01-29

    Abstract: 本发明公开了一种全局流级别网络仿真方法、系统及装置,包括:构建全局仿真网络拓扑架构形成仿真环境后,通过任务生成器产生仿真任务,将仿真任务划分成多个阶段,将仿真任务的每个阶段存储到全局变量中,以供全局调用;通过全局刷新策略不断更新全局仿真网络拓扑架构中流对象传输的用时信息,确定全局各流对象用时最短的流事件,在当前流对象完成流事件后,通过刷新计算其他流对象的流事件完成时间预期值;通过全局控制策略获取全局阶段信息,检测某一阶段所有流对象是否全部完成流事件,以此预测仿真任务的阶段结束,并获取仿真任务的测试结果。本发明提供的网络仿真方案,在缩短资源消耗和计算时间的同时,确保了仿真的正确性。

Patent Agency Ranking