-
公开(公告)号：CN104717142B
公开(公告)日：2020-01-10
申请号：CN201510069728.4
申请日：2015-02-10
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/757 , H04L12/46 , H04L29/12
Abstract: 本发明公开了一种基于OpenFlow协议进行移动性管理的方法，包括：步骤1)控制器Controller维护一记录有具有AP功能的多个OpenFlow交换机与其连接在每个网关的端口号的对应关系表；步骤2)接收具有AP功能的第一OpenFlow交换机传递的包含移动节点MN的标识信息、移动节点MN附着的第一OpenFlow交换机的上报信息，所述移动节点MN的标识信息为移动节点的MAC地址和/或IP地址；步骤3)根据所述上报信息检查所述对应关系表，并基于所述移动节点MN的标识信息、移动节点MN附着的第一OpenFlow交换机的上报信息的查询结果以执行不同的路由行为。
-
公开(公告)号：CN109919414A
公开(公告)日：2019-06-21
申请号：CN201910039691.9
申请日：2019-01-16
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
Abstract: 本发明提供一种P2P网络借贷平台风险分析方法、装置及存储介质，该方法包括：获取第一P2P网络借贷平台中的第一借款人的标识；获取至少一个第二P2P网络借贷平台发布的借贷信息，借贷信息包括在第二P2P网络借贷平台上的至少一个第二借款人的标识以及至少一个第二借款人的借款信息；根据借贷信息与第一借款人的标识，判断第一借款人在第二P2P网络借贷平台中是否存在借款；根据判断第一借款人在第二P2P网络借贷平台中是否存在借款的结果，生成检测报告，实现了判断用户是否存在向其他P2P网络借贷平台借款的情况，进而降低了借贷风险。
-
公开(公告)号：CN104935520B
公开(公告)日：2018-06-05
申请号：CN201510321514.1
申请日：2015-06-12
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/801 , H04L12/26 , H04L12/861
Abstract: 本发明公开了一种基于数据包特征的流量生成方法。采用单台设备构造双向网络线路上的网络数据包，生成在网络线路上传输的网络流量。该方法关键在于将网络数据流量在单位时间窗口内的网络数据包特征属性值引入网络流量生成方法中。该方法将监测的网络线路上的链路层、网络层、传输层的网络数据包数量、网络数据包尺寸数量分布、网络数据包发送间隔分布等特征属性信息引入网络流量生成方法中，实现网络数据流量生成，使在每个时间窗口内产生的网络流量的额数据包特征属性符合监测的网络流量的数据包特征属性值。
-
公开(公告)号：CN105049277A
公开(公告)日：2015-11-11
申请号：CN201510308828.8
申请日：2015-06-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/26
Abstract: 本发明提供了一种基于数据流特征的网络数据流量生成方法。本发明的关键在于将网络数据流在单位时间窗口内的特征属性值引入网络流量生成方法中。该方法能够根据配置的单位时间窗口内的新增网络数据流数量、网络数据流持续时间分布、各类型网络数据流的报文数量分布、报文传输时间分布和报文尺寸分布等特征值，构造出单位时间窗口内的网络数据流量，实现网络数据流量生成，使在每个时间窗口内产生的网络流量的特征属性符合配置的网络数据流各个特征属性值。基于数据流特征的网络数据流量生成方法能够生成随着时间而波动变化的符合单位时间内特定属性特征的网络数据流量。
-
公开(公告)号：CN105049277B
公开(公告)日：2018-11-13
申请号：CN201510308828.8
申请日：2015-06-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/26
Abstract: 本发明提供了一种基于数据流特征的网络数据流量生成方法。本发明的关键在于将网络数据流在单位时间窗口内的特征属性值引入网络流量生成方法中。该方法能够根据配置的单位时间窗口内的新增网络数据流数量、网络数据流持续时间分布、各类型网络数据流的报文数量分布、报文传输时间分布和报文尺寸分布等特征值，构造出单位时间窗口内的网络数据流量，实现网络数据流量生成，使在每个时间窗口内产生的网络流量的特征属性符合配置的网络数据流各个特征属性值。基于数据流特征的网络数据流量生成方法能够生成随着时间而波动变化的符合单位时间内特定属性特征的网络数据流量。
-
Patent Agency Ranking
公开(公告)号：CN104935520A
公开(公告)日：2015-09-23
申请号：CN201510321514.1
申请日：2015-06-12
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/801 , H04L12/26 , H04L12/861
Abstract: 本发明公开了一种基于数据包特征的流量生成方法。采用单台设备构造双向网络线路上的网络数据包，生成在网络线路上传输的网络流量。该方法关键在于将网络数据流量在单位时间窗口内的网络数据包特征属性值引入网络流量生成方法中。该方法将监测的网络线路上的链路层、网络层、传输层的网络数据包数量、网络数据包尺寸数量分布、网络数据包发送间隔分布等特征属性信息引入网络流量生成方法中，实现网络数据流量生成，使在每个时间窗口内产生的网络流量的额数据包特征属性符合监测的网络流量的数据包特征属性值。
-
公开(公告)号：CN104717142A
公开(公告)日：2015-06-17
申请号：CN201510069728.4
申请日：2015-02-10
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/757 , H04L12/46 , H04L29/12
Abstract: 本发明公开了一种基于OpenFlow协议进行移动性管理的方法，包括：步骤1)控制器Controller维护一记录有具有AP功能的多个OpenFlow交换机与其连接在每个网关的端口号的对应关系表；步骤2)接收具有AP功能的第一OpenFlow交换机传递的包含移动节点MN的标识信息、移动节点MN附着的第一OpenFlow交换机的上报信息，所述移动节点MN的标识信息为移动节点的MAC地址和/或IP地址；步骤3)根据所述上报信息检查所述对应关系表，并基于所述移动节点MN的标识信息、移动节点MN附着的第一OpenFlow交换机的上报信息的查询结果以执行不同的路由行为。
-
公开(公告)号：CN109657114B
公开(公告)日：2023-11-03
申请号：CN201810953361.6
申请日：2018-08-21
Applicant: 国家计算机网络与信息安全管理中心 , 中科国力(镇江)智能技术有限公司
IPC: G06F16/951 , G06F16/9535 , G06F16/81
Abstract: 本发明公开了一种抽取网页半结构化数据的方法，包括：从web站点爬取页面；人工定制化爬取目标页的url；配置一类网站的关键词词根；对类似的网页进行分析，根据case1，case2，case3进行分类判别，并对复杂的嵌套情况加以处理，抽取出网页模板。通过指定的url选出同类(栏目)url，同栏目url对应的html文本结构相似，遍历所有html节点，通过节点间的联系或节点本身，发现对应关键词的模板。从一个网站的所有子url中，找出和人工给定的相似的url。把目标格式分为case1，case2，case3，三种情况，对每一种情况分别进行处理，生成网页模板。
-
公开(公告)号：CN114819963A
公开(公告)日：2022-07-29
申请号：CN202110071008.7
申请日：2021-01-19
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例提供了一种风险预警方法、装置、电子设备及存储介质，所述方法包括：获取待分析的数字货币交易平台的平台数据；对平台数据进行数字货币平台风险指标量化处理，生成数字货币交易平台对应的风险指标向量；将风险指标向量输入至预设的数字货币交易平台风险预警模型，输出数字货币交易平台对应的风险指数；基于风险指数对数字货币交易平台风险进行预警。如此可实现自动对数字货币交易平台风险进行预警的目的，无需人工参与，减少时间和精力的浪费，使得数字货币交易平台风险发现简单，且提高了数字货币交易平台风险发现和处置的准确率和时效性。
-
公开(公告)号：CN113378090A
公开(公告)日：2021-09-10
申请号：CN202110445408.X
申请日：2021-04-23
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/958 , G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种互联网网站相似度分析方法、装置以及可读存储介质，方法包括：从多个未分类的互联网网站中提取文本特征词；将各个未分类的互联网网站的文本特征词分别输入预先获取到的孪生网络编码工具，得到各个未分类的互联网网站的文本向量序列，其中：所述孪生网络编码工具是从训练好的孪生网络中的输入层至权值共享循环神经网络层进行迁移得到，且所述孪生网络的训练是基于从多个已分类的互联网网站中提取的文本特征词实现；将各个未分类的互联网网站的文本向量序列组成的矩阵进行降维处理得到低维弱相关矩阵；对低维弱相关矩阵进行聚类分析，根据聚类分析结果获取所述多个未分类的互联网网站的相似度情况，从而实现互联网网站相似度分析。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.04 seconds)
