CN102025563B - 基于哈希冲突补偿的网络大流识别方法 - Google Patents
基于哈希冲突补偿的网络大流识别方法 Download PDFInfo
- Publication number
- CN102025563B CN102025563B CN2010105657736A CN201010565773A CN102025563B CN 102025563 B CN102025563 B CN 102025563B CN 2010105657736 A CN2010105657736 A CN 2010105657736A CN 201010565773 A CN201010565773 A CN 201010565773A CN 102025563 B CN102025563 B CN 102025563B
- Authority
- CN
- China
- Prior art keywords
- flow
- traffic identifier
- value
- counter
- hash
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 36
- 238000012550 audit Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于哈希冲突补偿的网络大流识别方法，设置一个计数器数组和一组哈希函数，每个哈希函数输入是流标识，在测量期间，将测量到每个报文按照其流标识，采用这组哈希函数的每个哈希函数生成哈希值，更新每个哈希值对应计数器数组的计数器，同时随机抽样记录流标识，测量结束后，将记录的每个流标识作为这组哈希函数的输入生成哈希值，查找计数器数组中所对应哈希值位置的计数器，将这组计数器中最小值作为该流标识流量的初步估计值，然后随机产生若干个虚拟流标识，在计数器数组中查找虚拟流标识的值，并将这些值的中位数作为流量冲突补偿值，将流标识流量的初步估计值减去流量冲突补偿值计算流标识流量，并将超过阀值的流标识及流量输出。
Description
技术领域
本发明涉及网络大流量测量技术，特别是有利于采用数据流技术的大流量流记录的测量技术，使得该测量方法可以利用很少的测量空间从海量数据中检测出大流数据，并能够以较高的精度估计出大流的真实流量大小。属于网络流量测量领域。
背景技术
网络中少量的大流占了绝大多数的网络流量，对这些大流的实时监控和管理对于网络工程和提高网络的传输性能具有非常重要的意义。由于目前主干网络流量很大，一般难以对网络流量中所有流量进行查找以发现其中的大流，实时监测网络大流的方法主要有以下两种方法，抽样方法和数据流方法。
抽样方法是以一定的概率随机抽取部分报文，然后对这些被抽取的报文进行组流操作，从中检测出大流，然后将这些抽样流量中检测出的大流推断为整体流量中的大流。这种方法优点是处理算法非常简单，目前如Cisco路由器的抽样NetFlow就是采用这种方法。这种方法的缺点是由于采用随机抽样的方法，其检测出的大流只代表抽样样本中的大流，大流识别的误报率很高，同时其大流的流数估计精度也比较低。
另一种方法是数据流方法，所谓的数据流方法就是设定一个数组空间，对于每个到达的报文采用多个哈希函数映射到该数组空间中，也就是说每个流标识记录被记录在该数组的多个位置上，测量结束后，每个流标识所对应的多个数组位置中的最小的数估计为该流标识的大小。这种方法的优点是在有限空间内能够处理所有的报文记录，但是这种将的方法存在的主要缺陷是如果数组空间设置较小，那么由于不同的流标识哈希映射位置之间的冲突就非常严重，造成了大量的小流都被推断为大流，同时大流的估计误差也非常大；如果为了减少冲突误差，则数组空间就需要设置很大，将大大浪费内存空间的使用。
本发明采用的方法就是数据流方法进行大流检测，与传统的数据流方法的主要区别在于在测量结束后增加了一个流量冲突补偿机制，该机制实质就是通过随机产生一些虚拟的流标识，查找这些虚拟流标识在数组空间中所记录的流量大小，如果这些虚拟流标识不是测量中的流标识，那么理论上这些虚拟流标识上的流量大小为0，如果这些虚拟流标识在数组空间中的流量大小不为0，那么这些流量大小就是数组空间的流量冲突。为了防止产生的虚拟流标识正好落在测量的真实流标识中，我们设置了多个虚拟流标识，将这些虚拟流标识查找到流量的中位数作为该次测量过程中数组空间的流量冲突大小。将所有测量到的流标识流量减去流量冲突大小作为流标识流量真实值的估计。本发明的方法由于增加了哈希冲突补偿机制，可以使用较小的数组空间中进行高精度的大流检测。
发明内容
本发明提供一种节省内存资源的快速高精度的网络大流识别方法。
本发明的技术方案是基于哈希冲突补偿的网络大流识别方法，其特征是设置一个计数器数组和一组哈希函数，每个哈希函数的输入是流标识，输出是小于计数器大小的一个正整数，在测量期间，将测量到的每个报文按照其流标识，分别采用这组哈希函数中的每个哈希函数生成哈希值，更新每个哈希值对应计数器数组中的计数器，同时按照一定的抽样比率随机抽样流标识，测量结束后，将记录的每个流标识作为这组哈希函数的输入生成哈希值，查找计数器数组中所对应这些哈希值位置的计数器的值，将这些计数器的值中最小值作为该流标识流量的初步估计值，然后随机产生5到100个虚拟流标识，查寻出这些虚拟流标识在计数器数组中的流量，计算出这些虚拟流标识流量的中位数作为流量冲突补偿值，将查询到流标识流量的初步估计值减去流量冲突补偿值推断出流标识的流量，对于超过大流阀值的流标识及其流量大小输出，具体步骤如下：
步骤1：参数设置
设置一个大小为n的计数器数组，设置数组中每个计数器的初始值均为0，设置m个哈希函数，m在3到5之间取值，每个哈希函数的输入均为流标识，输出为0到n-1之间的整数，设置流标识抽样概率p，设置大流阀值h，进入步骤2，
步骤2：记录报文数据
对于测量到的每个报文，从报文头结构中提取其流标识，流标识是指报文头中的字段源IP、宿IP、源端口、宿端口、协议等5个字段所构成的标识，将流标识作为m个哈希函数的输入对应m个哈希值，将这m个哈希值所对应的计数器数组所在位置的计数器累加1，以抽样概率p随机抽样该流标识，被抽样的流标识记录在内存中，所有报文测量结束后，进入步骤3，
步骤3：查询内存中所流标识的流量初始值
对于内存中所记录抽样的流标识，将每个流标识作为m个哈希函数的输入计算出m个哈希值，在计数器数组中查找这m个位置中所对应的计数器的值，将这m个值中的最小值作为该流标识的流量初始值，进入步骤4，
步骤4：估计虚拟流标识的流量
采用随机函数随机产生5到100个虚拟流标识，将每个虚拟流标识作为m个哈希函数的输入计算出m个哈希值，在计数器数组中查找这m个位置中所对应的计数器的值，将这m个值中的最小值作为该虚拟流标识的虚拟流量值，进入步骤5，
步骤5：计算流量冲突补偿值
将所有虚拟流标识所查找到的虚拟流量值按照大小顺序排序，将中间位置所对应的流量初始值作为流量冲突补偿值，进入步骤6，
步骤6：计算流标识流量大小
将所有查询的流标识的流量初始值减去流量冲突补偿值作为流标识的流量大小估计值，进入第7步，
步骤7：输出结果
将所计算所有的流标识流量大小估计值和大流阀值h比较，如果流标识流量大小估计值的小于大流阀值，则丢弃该流标识，如果流标识流量大小估计值大于大流阀值，则将该流标识及其流量大小输出，处理完所有的流标识后方法退出。
与现有技术相比，本发明具有如下优点及有效效果：
(1)本发明采用的方法是增加了哈希冲突补偿机制的数据流大流的测量方法，所谓的数据流方法就是设定一个数组空间，对于每个到达的报文采用多个哈希函数映射到该数组空间中的多个位置上，也就是说每个流标识记录被记录在该数组的多个位置上，测量结束后，每个流标识所对应的多个数组位置中的最小的数估计为该流标识的大小；
(2)数据流方法测量大流的主要缺点是存在哈希冲突造成了对流量大小的高估，会误判大量的非大流，本发明的核心是增加了一个流量冲突补偿机制，该机制实质就是通过随机产生一些虚拟的流标识，虚拟流标识也就是不存在的流标识，这些不存在的流标识没有产生流量，理论上这些虚拟流标识查找到的流量大小为0，如果查找到的结果不为0，则这些查找到的流量大小实质上就是哈希冲突的大小；
(3)为了防止产生的虚拟流标识正好落在测量的真实流标识中，本发明设置了多个虚拟流标识，将这些虚拟流标识查找到流量的中位数作为该次测量过程中数组空间的流量冲突大小，然后将所有测量到的流标识流量减去流量哈希冲突大小作为流标识流量真实值的估计；
(4)本发明设置了虚拟流标识的方法的哈希补偿估计机制，通过随机产生多个虚拟流标识，并采用了多个虚拟流标识中检测流量的中位数作为哈希冲突补偿值，避免由于个别虚拟流标识正好落在测量的流标识空间而干扰哈希冲突补偿效果，大大提高了哈希冲突补偿精度；
(5)本发明功能上能够对主干网络流量中的大流进行地检测，网络中少量的大流占了绝大多数的网络流量，对这些大流的实时监控和管理对于网络工程和提高网络的传输性能具有非常重要的意义。
附图说明
图1IP报文头结构。
图2TCP报文头结构。
图3基于哈希冲突补偿的网络大流识别方法结构示意图。
图4基于哈希冲突补偿的网络大流识别方法流程图。
图5具体实施中测量之前的计数器数组个计数器的数值大小分布图。
图6具体实施中测量结束后的计数器数组个计数器的数值大小分布图。
具体实施方式
一种基于哈希冲突补偿的网络大流识别方法，其特征是设置一个计数器数组和一组哈希函数，每个哈希函数的输入是流标识，输出是小于计数器大小的一个正整数，在测量期间，将测量到的每个报文按照其流标识，分别采用这组哈希函数中的每个哈希函数生成哈希值，更新每个哈希值对应计数器数组中的计数器，同时随机抽样流标识并记录抽到的流标识，测量结束后，将记录的每个流标识作为这组哈希函数的输入生成哈希值，查找计数器数组中所对应这些哈希值位置的计数器的值，将这些计数器的值中最小值作为该流标识流量的初步估计值，然后随机产生5到100个虚拟流标识，查寻出这些虚拟流标识在计数器数组中的流量，计算出这些虚拟流标识流量的中位数作为流量冲突补偿值，将查询到流标识流量的初步估计值减去流量冲突补偿值得到流标识的流量，对于超过大流阀值的流标识及其流量大小输出，
具体推断步骤如下：
步骤1：参数设置
设置一个大小为16的计数器数组，设置数组中每个计数器的初始值均为0，如图4，设置3个哈希函数，每个哈希函数的输入均为流标识，输出为0到15之间的整数，设置流标识抽样概率0.2，设置大流阀值5，进入步骤2，
步骤2：记录报文数据
测量期间一共有100个报文，对于测量到的每个报文，从报文头结构中提取其流标识，流标识是指报文头中的字段源IP、宿IP、源端口、宿端口、协议等5个字段所构成的标识，将流标识作为3个哈希函数的输入对应3个哈希值，将这3个哈希值所对应的计数器数组所在位置的计数器累加1，如果这3个哈希值分别为5、10、13，则将数组中第5、10、13这三个计数器分别累加1，以抽样概率0.2随机抽样该流标识，被抽样的流标识记录在内存中，否则就直接将该标识丢弃，所有报文测量结束后，进入步骤3，
步骤3：查询内存中所流标识的流量初始值
测量结束后的数组空间中的计数器数值见图5，对于内存中所记录抽样的流标识分别为flow1、flow2、flow1、flow4、flow5、flow3、flow2，将重复的流标识删除后的流标识为flow1、flow2、flow3、flow4、flow5，将每个流标识作为3个哈希函数的输入计算出3个哈希值，其中flow1流标识产生的哈希值是1、6、12，flow2流标识产生的哈希值是3、9、15，flow3流标识产生的哈希值是0、3、14，flow4流标识产生的哈希值是0、7、11，flow5流标识产生的哈希值是5、10、12，在计数器数组中查找每个流标识哈希值3个位置中所对应的计数器的值，则flow1对应3个值为39、40、37，flow2对应3个值为43、25、24，flow3对应3个值为17、40、17，flow4对应3个值为17、8、9，flow5对应3个值为8、9、37，将每个流标识中所对应的3个值中的最小值作为该流标识的流量初始值，则flow1初始值为37、flow2初始值为24、flow3的初始值为17、flow4初始值为8、flow5初始值为8，进入步骤4，
步骤4：估计虚拟流标识的流量
采用随机函数随机产生5个虚拟流标识rand1、rand2、rand3、rand4、rand5，每个虚拟流标识作为3个哈希函数的输入计算出3个哈希值，rand1哈希值是2、5、12，rand2哈希值是5、9、10，rand3哈希值是0、11、15，rand4哈希值是5、7、13，rand5哈希值是7、10、15，在计数器数组中查找每个虚拟流标识3个位置中所对应的计数器的值，其中rand1所对应的3个值是6、8、37，rand2所对应的3个值是8、25、9，rand3所对应的3个值是17、9、24，rand4所对应的3个值是5、8、12，rand5所对应的3个值是8、9、24，将每个虚拟流标识中所对应的3个值中的最小值作为该虚拟流标识的虚拟流量值，则rand1的虚拟流量值为6、rand2的虚拟流量值为8、rand3的虚拟流量值为9、rand4的虚拟流量值为5、rand5的虚拟流量值为8，进入步骤5，
步骤5：计算流量冲突补偿值
将所有虚拟流标识所查找到的虚拟流量值按照大小顺序排序为9、8、8、6、5，将中间位置所对应的虚拟流量值8作为流量冲突补偿值，进入步骤6，
步骤6：计算流标识流量大小
将所有查询的流标识的流量初始值减去流量冲突补偿值8作为流标识的流量大小，则流标识流量分别为flow1的流量大小估计值为37-8＝29、flow2的流量大小估计值为24-8＝16、flow3的流量大小估计值为17-8＝9、flow4的流量大小估计值为8-8＝0、flow5的流量大小估计值为8-8＝0，进入第7步，
步骤7：输出结果
将所计算所有的流标识流量大小估计值和大流阀值5比较，其中flow4、flow5流标识流量大小估计值的小于大流阀值，则丢弃该流标识，flow1、flow2、flow3流标识流量大小估计值大于大流阀值，则将该流标识及其流量大小估计值输出，方法退出。
其输出的结果为：
flow1流量大小估计值为29
Flow2流量大小估计值为16
Flow3流量大小估计值为9。
Claims (1)
1.一种基于哈希冲突补偿的网络大流识别方法，其特征是设置一个计数器数组和一组哈希函数，每个哈希函数的输入是流标识，输出是小于计数器大小的一个正整数，在测量期间，将测量到的每个报文按照其流标识，分别采用这组哈希函数中的每个哈希函数生成哈希值，更新每个哈希值对应计数器数组中的计数器，同时随机抽样流标识并记录抽到的流标识，测量结束后，将记录的每个流标识作为这组哈希函数的输入生成哈希值，查找计数器数组中所对应这些哈希值位置的计数器的值，将这些计数器的值中最小值作为该流标识流量的初步估计值，然后随机产生5到100个虚拟流标识，查寻出这些虚拟流标识在计数器数组中的流量，计算出这些虚拟流标识流量的中位数作为流量冲突补偿值，将查询到流标识流量的初步估计值减去流量冲突补偿值得到流标识的流量，对于超过大流阈值的流标识及其流量大小输出，具体步骤如下：
步骤1： 参数设置
设置一个大小为n的计数器数组，设置数组中每个计数器的初始值均为0，设置m个哈希函数，m在3到5之间取值，每个哈希函数的输入均为流标识，输出为0到n-1之间的整数，设置流标识抽样概率p，设置大流阈值h，进入步骤2，
步骤2： 记录报文数据
对于测量到的每个报文，从报文头结构中提取其流标识，流标识是指报文头中的字段源IP 、宿IP、源端口、宿端口、协议等5个字段所构成的标识，将流标识作为m个哈希函数的输入对应m个哈希值，将这m个哈希值所对应的计数器数组所在位置的计数器累加1，以抽样概率p随机抽样该流标识，被抽样的流标识记录在内存中，所有报文测量结束后，进入步骤3，
步骤3：查询内存中记录的抽样流标识的流量初步估计值
对于内存中记录的抽样流标识，将每个流标识作为m个哈希函数的输入计算出m个哈希值，在计数器数组中查找这m个位置中所对应的计数器的值，将这m个计数器的值中的最小值作为该流标识的流量初步估计值，进入步骤4，
步骤4：估计虚拟流标识的流量
采用随机函数随机产生5到100个虚拟流标识，将每个虚拟流标识作为m个哈希函数的输入计算出m个哈希值，在计数器数组中查找这m个位置中所对应的计数器的值，将这m个值中的最小值作为该虚拟流标识的虚拟流量值，进入步骤5，
步骤5：计算流量冲突补偿值
将所有虚拟流标识所查找到的虚拟流量值按照大小顺序排序，将中间位置所对应的流量初始值记为中位数，并以此中位数作为流量冲突补偿值，进入步骤6，
步骤6：计算流标识流量大小
将所有查询的流标识的流量初始值减去流量冲突补偿值作为流标识的流量大小估计值，进入第7步，
步骤7：输出结果
将所计算所有的流标识流量大小估计值和大流阈值h比较，如果流标识流量大小估计值的小于大流阈值，则丢弃该流标识，如果流标识流量大小估计值大于大流阈值，则将该流标识及其流量大小输出，处理完所有的流标识后方法退出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105657736A CN102025563B (zh) | 2010-11-30 | 2010-11-30 | 基于哈希冲突补偿的网络大流识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105657736A CN102025563B (zh) | 2010-11-30 | 2010-11-30 | 基于哈希冲突补偿的网络大流识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102025563A CN102025563A (zh) | 2011-04-20 |
| CN102025563B true CN102025563B (zh) | 2012-05-30 |
Family
ID=43866456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010105657736A Expired - Fee Related CN102025563B (zh) | 2010-11-30 | 2010-11-30 | 基于哈希冲突补偿的网络大流识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102025563B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102833134A (zh) * | 2012-09-04 | 2012-12-19 | 中国人民解放军理工大学 | 负载自适应的网络数据流流量测量方法 |
| WO2014082259A1 (zh) * | 2012-11-29 | 2014-06-05 | 华为技术有限公司 | 实现负载均衡的方法及设备 |
| US9118567B2 (en) * | 2013-07-15 | 2015-08-25 | Telefonaktiebolaget L M Ericsson (Publ) | Removing lead filter from serial multiple-stage filter used to detect large flows in order to purge flows for prolonged operation |
| CN103888321B (zh) * | 2014-04-14 | 2017-05-24 | 中国人民解放军信息工程大学 | 一种数据流检测方法及多核处理设备 |
| CN104734990B (zh) * | 2015-03-19 | 2018-10-30 | 华为技术有限公司 | 一种确定大流量报文类的方法及装置 |
| CN105681129B (zh) * | 2016-01-26 | 2018-12-04 | 武汉绿色网络信息服务有限责任公司 | 提高特征库有效性的检测方法及系统 |
| CN107368527B (zh) * | 2017-06-09 | 2020-06-30 | 东南大学 | 基于数据流的多属性索引方法 |
| CN107357843B (zh) * | 2017-06-23 | 2020-06-16 | 东南大学 | 基于数据流结构的海量网络数据查找方法 |
| CN111200542B (zh) * | 2020-01-03 | 2022-04-05 | 国网山东省电力公司电力科学研究院 | 一种基于确定性替换策略的网络流量管理方法及系统 |
| CN112286966B (zh) * | 2020-09-23 | 2024-06-18 | 清华大学 | 一种数据流处理、恢复方法以及设备和存储介质 |
| CN113992541B (zh) * | 2021-09-11 | 2023-03-31 | 西安电子科技大学 | 网络流量测量方法、系统、计算机设备、存储介质及应用 |
| CN113839835B (zh) * | 2021-09-27 | 2023-09-26 | 长沙理工大学 | 一种基于小流过滤的Top-k流精确监控系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101753445A (zh) * | 2009-12-23 | 2010-06-23 | 重庆邮电大学 | 基于关键字分解Hash算法的快速流分类方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080298436A1 (en) * | 2007-05-28 | 2008-12-04 | Telefonaktiebolaget L M Ericsson (Publ) | Random Access Collision Detection |
-
2010
- 2010-11-30 CN CN2010105657736A patent/CN102025563B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101753445A (zh) * | 2009-12-23 | 2010-06-23 | 重庆邮电大学 | 基于关键字分解Hash算法的快速流分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102025563A (zh) | 2011-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102025563B (zh) | 基于哈希冲突补偿的网络大流识别方法 | |
| CN109861881B (zh) | 一种基于三层Sketch架构的大象流检测方法 | |
| CN103532940B (zh) | 网络安全检测方法及装置 | |
| CN105528359B (zh) | 用于存储行进轨迹的方法和系统 | |
| EP2709023A1 (en) | Systems and/or methods for statistical online analysis of large and potentially heterogeneous data sets | |
| CN108959466A (zh) | 基于bcs-dbscan的出租车载客热点可视化方法及系统 | |
| CN102938708B (zh) | 基于告警传播模式的告警相关性分析系统及其分析方法 | |
| CN101227318B (zh) | 高速网络流量的超点实时检测方法 | |
| CN105989061A (zh) | 一种滑动窗口下多维数据重复检测快速索引方法 | |
| CN109714266A (zh) | 一种数据处理方法及网络设备 | |
| CN104850564B (zh) | 数据文件的索引查找方法和系统 | |
| CN103365886A (zh) | 车联网中的空间事件的查询方法和优化查询器 | |
| CN105976551B (zh) | 一种基于bim的火灾报警系统 | |
| CN103440249A (zh) | 一种非结构化数据快速检索的系统及方法 | |
| WO2017071124A1 (zh) | 一种位置和行为信息预测系统及方法 | |
| CN102609501A (zh) | 一种基于实时历史数据库的数据清洗方法 | |
| CN104754626B (zh) | 一种传输网络物理节点组网分析方法和装置 | |
| JP2005216078A (ja) | 計算機システム性能測定分析用のトランザクションプロファイルの生成システム、その生成方法及びプログラム | |
| CN116760728A (zh) | 一种面向高速数据流的通用流级过滤方法 | |
| CN108566335B (zh) | 一种基于NetFlow的网络拓扑生成方法 | |
| CN115580543A (zh) | 一种基于哈希计数的网络系统活跃度评估方法 | |
| CN106130817B (zh) | 一种国内自治域边界判定方法 | |
| CN117675230A (zh) | 基于知识图谱的油井数据完整性识别方法 | |
| Li et al. | SteadySketch: Finding steady flows in data streams | |
| CN104361058A (zh) | 一种面向海量数据流的哈希结构复杂事件检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: SOWTHEAST UNIV. Effective date: 20131018 Owner name: JIANGSU XINGGUANG CORRUGATED PIPE CO., LTD. Free format text: FORMER OWNER: SOWTHEAST UNIV. Effective date: 20131018 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 210096 NANJING, JIANGSU PROVINCE TO: 226600 NANTONG, JIANGSU PROVINCE |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20131018 Address after: 226600 Haian County in Jiangsu province Nantong City Industrial Zone South Mo Zhen Qing Dun Patentee after: JIANGSU STARLIGHT CORRUGATED PIPE Co.,Ltd. Patentee after: SOUTHEAST University Address before: 210096 Jiangsu city Nanjing Province four pailou No. 2 Patentee before: Southeast University |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120530 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |