一种网络入侵检测模型生成方法、检测方法及电子设备

    公开(公告)号:CN112200254B

    公开(公告)日:2024-12-13

    申请号:CN202011108684.9

    申请日:2020-10-16

    Abstract: 本发明公开了一种网络入侵检测模型生成方法、检测方法及电子设备,所述生成方法获取公开数据集和私有数据集;通过公开数据集中的流量数据对公开数据集和私有数据集进行标准化,得到第一训练数据集和第二训练数据集;根据第一训练数据集对父模型进行训练,以及根据第二训练数据集和第一隐含变量对若干子模型进行训练,得到网络入侵检测模型。本发明通过公开数据集和私有数据集分别训练父模型和若干子模型,并通过父模型指导若干子模型的学习,在保证若干子模型学习私有数据集分布的同时提升训练效果,无需在目标网络环境收集异常流量即可检测攻击类型未知的流量数据,降低了数据量收集的需求,提升了异常流量检测的准确性和鲁棒性。

    一种网络拓扑图分割方法、装置、终端设备及存储介质

    公开(公告)号:CN115361293A

    公开(公告)日:2022-11-18

    申请号:CN202210883108.4

    申请日:2022-07-26

    Abstract: 本发明公开了一种网络拓扑图分割方法、装置、终端设备及存储介质,方法包括:获取网络拓扑图,并转化成无向图形式;设置点权重以及边权重,并对网络拓扑图进行聚合处理;将网络拓扑图以团为单位嵌入一条直线上,形成一条拥有所有网络节点和通信链路的拓扑线;将拓扑线拆分成若干块,将拆分出的块两两配对,并对每一个配对的块中的段进行随机配对,根据配对的段,交换段中的网络节点,得到交换后的拓扑线;根据预设的代价函数对交换后的拓扑线进行动态规划分割处理,得到最优解的切割点,并根据最优解的切割点进行分割。本发明可使高带宽需求的通信链路被分配至同一服务器内部,减少物理交换机带宽的占用,并且还可保证各服务器的计算负载均衡。

    基于混合网络的服务链映射方法、智能终端及存储介质

    公开(公告)号:CN112565082A

    公开(公告)日:2021-03-26

    申请号:CN202011567506.2

    申请日:2020-12-25

    Abstract: 本发明公开了一种基于混合网络的服务链映射方法、智能终端及存储介质,所述方法包括:获取服务链路请求;根据预设的静态路径表构造规则和预设的网络链路信息,确定所述服务链路请求对应的目标候选路径集;根据预设的网络实时指标,计算各个所述目标候选路径对应的路径评价值;根据所述路径评价值,确定所述目标候选路径集中的目标传输路径。本发明基于当前网络中各个节点的网络实时指标,动态选择服务链路请求对应的目标传输路径,使服务链能够合理、有效的调度和分配有限的网络资源。

    基于可编程数据平面的服务选择方法、装置及交换机

    公开(公告)号:CN113132236A

    公开(公告)日:2021-07-16

    申请号:CN202110431070.2

    申请日:2021-04-21

    Abstract: 本申请公开了一种基于可编程数据平面的服务选择方法、装置及交换机,所述方法包括获取待构建的数据包的流水标识及重输入次数,并基于流水标识及重输入次数确定数据包对应的服务选择标签;基于网络功能标识为数据包选取网络功能,并基于重投标识确定是否重投递数据包;当重投递数据包时,更新数据包的重输入次数,重投递数据包以重复执行获取数据包的流水标识及重输入次数,直至不重投递数据包以输出数据包。本申请基于所述流水标识以及所述重输入次数确定所述数据包对应的服务选择标签,通过服务旋转标签提供灵活的运行时网络功能编排,扩展可编程数据平面所能提供的服务链数量,满足不同流量的服务链需求。

    一种DPDK数据包处理的排队延迟控制方法及装置

    公开(公告)号:CN115391003A

    公开(公告)日:2022-11-25

    申请号:CN202210919969.3

    申请日:2022-08-01

    Abstract: 本发明公开了一种DPDK数据包处理的排队延迟控制方法及装置,方法包括:轮询网卡的接收队列,并根据接收队列中DPDK数据包的当前数量确定接收队列的状态;若接收队列的状态为空闲状态,则循环执行PAUSE指令,并获取时间片,在时间片未被用完时,重新获取接收队列中DPDK数据包的当前数量;若当前数量超过预设阈值,则将接收队列的状态从空闲状态切换至忙碌状态,并对DPDK数据包进行处理。本发明可控制接收队列在空闲状态与忙碌状态之间切换,避免数据包在接受队列中排队延迟过长,并且,本发明使用PAUSE指令而不是通过调节CPU频率来降低CPU的功耗,整个过程没有引入中断,有效地达到降低整体功耗提高能效的目的。

    基于深度学习的无监督工业品缺陷检测方法及装置

    公开(公告)号:CN112446869A

    公开(公告)日:2021-03-05

    申请号:CN202011377532.9

    申请日:2020-11-27

    Abstract: 本发明公开了一种基于深度学习的无监督工业品缺陷检测方法及装置、计算机可读存储介质,该方法包括以下步骤:使用训练样本对第一自编码器进行训练,并在训练过程中得到训练样本的隐含表达;对训练样本的隐含表达进行降维处理,得到正常样本的隐含表达;使用正常样本的隐含表达对第二自编码器中的记忆模块进行初始化,并使用训练样本对第二自编码器进行训练;将测试样本输入至已训练的第二自编码器,得到重建后的样本;使用测试样本及重建后的样本进行计算得到缺陷掩模,并根据缺陷掩模判断所述测试样本是否存在缺陷。本发明实现了在仅使用无缺陷的图像样本对模型进行训练的情况下对缺陷的有效检测,提升了缺陷检测的效果。

    基于区块链的联邦建模方法、装置、设备及存储介质

    公开(公告)号:CN111552986B

    公开(公告)日:2020-11-13

    申请号:CN202010660583.6

    申请日:2020-07-10

    Abstract: 本发明公开了一种基于区块链的联邦建模方法、装置、设备及存储介质,其方法包括:在监测到训练客户端的数量达到预设数量时,训练发起者基于所述训练客户端对应的客户端信息发布配置信息至各个训练客户端;所述训练发起者将待训练模型上传至主链;所述训练发起者基于所述聚合梯度以及所述待训练模型,确定目标模型。本发明通过区块链实现联邦学习的建模,在保护联邦学习数据隐私的前提下,对联邦学习的准确性无任何影响,提高了联邦学习的训练效果以及模型精度,无需对传输中的梯度等模型参数进行修改,实现了梯度等模型参数的隐私保护与模型收敛或模型精度之间的均衡;能够完全阻止信息泄漏,提高联邦学习中数据样本的安全性。

    基于深度学习的无监督工业品缺陷检测方法及装置

    公开(公告)号:CN112446869B

    公开(公告)日:2025-01-21

    申请号:CN202011377532.9

    申请日:2020-11-27

    Abstract: 本发明公开了一种基于深度学习的无监督工业品缺陷检测方法及装置、计算机可读存储介质,该方法包括以下步骤:使用训练样本对第一自编码器进行训练,并在训练过程中得到训练样本的隐含表达;对训练样本的隐含表达进行降维处理,得到正常样本的隐含表达;使用正常样本的隐含表达对第二自编码器中的记忆模块进行初始化,并使用训练样本对第二自编码器进行训练;将测试样本输入至已训练的第二自编码器,得到重建后的样本;使用测试样本及重建后的样本进行计算得到缺陷掩模,并根据缺陷掩模判断所述测试样本是否存在缺陷。本发明实现了在仅使用无缺陷的图像样本对模型进行训练的情况下对缺陷的有效检测,提升了缺陷检测的效果。

Patent Agency Ranking