CN103701669A - 一种检测业务类型的方法及装置 - Google Patents
一种检测业务类型的方法及装置 Download PDFInfo
- Publication number
- CN103701669A CN103701669A CN201310745728.2A CN201310745728A CN103701669A CN 103701669 A CN103701669 A CN 103701669A CN 201310745728 A CN201310745728 A CN 201310745728A CN 103701669 A CN103701669 A CN 103701669A
- Authority
- CN
- China
- Prior art keywords
- service
- similarity
- business datum
- message information
- type
- 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.)
- Granted
Links
Images
Landscapes
- Telephonic Communication Services (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种检测业务类型的方法及装置,属于卫星移动通信领域。方法包括:若未查询到报文头信息对应的业务类型,则获取第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息;计算第一报文信息和每一个第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;若最大的第一相似度大于或等于预设相似度,则将最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为第一业务数据的业务类型。本发明通过降低了在未在业务数据的报文头信息中检测到业务类型时通过其他方式检测业务类型的计算量,提高了检测业务类型的效率。
Description
技术领域
本发明涉及卫星移动通信领域,特别涉及一种检测业务类型的方法及装置。背景技术
卫星移动通信测试验证系统是卫星移动通信系统的关键组成部分。卫星移动通信测试验证系统需要在业务仿真平台与业务仿真终端之间传输包括多码率语音数据、短消息数据以及分组数据等仿真业务的业务数据。检测业务仿真终端收到的业务数据的业务类型是检测卫星移动通信系统的一项重要工作。
现有技术中检测业务数据的业务类型的方式,首先通过对待检测的业务数据的报文头信息中是否存储有终端地址或者业务标识,通过这两个参数可以在预先存储的终端地址或业务标识与业务类型的对应关系中确定业务类型。而待检测的业务数据在传输过程中由于会发生丢包的现象,因此待检测的业务数据的报文头信息可能会被丢失,此时无法从中获取到检测业务类型的信息。因此还可以通过对待检测的业务数据中的报文信息提取业务特征,并将提取的业务特征预先存储的业务特征库进行对比进行识别,通过在业务特征库中匹配到的业务特征对应的业务类型确定为待检测的业务数据的业务类型。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
在进行业务特征的匹配过程中,需要进行匹配多个类型的业务特征,这些业务特征的匹配过程需要大量的计算,而这些计算过程是需要耗费大量的时间,导致检测时间过大,有些时候检测时间会大于业务仿真平台与业务仿真终端之间进行传输数据的时间,使得业务类型的检测效率及其低下。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种检测业务类型的方法及装置。所述技术方案如下:
一方面,提供了一种检测业务类型的方法,所述方法包括:
获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型;
若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个;
计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;
若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
优选的,所述判断计算后最大的第一相似度是否大于预设相似度之后,所述方法还包括:
若所述最大的第一相似度小于预设相似度,则在所述第一报文信息中获取预设的多种类别的业务特征;
在预先存储的业务特征库中的各业务类别对应的业务特征集合中,分别计算获取到的每种类别的业务特征与每种业务类别对应的第二相似度;
根据所述每种类别的业务特征与每种业务类别对应的第二相似度,分别计算所述第一报文信息对应到每种业务类别的加权相似度之和;
选取最大的加权相似度之和,并判断所述最大的加权相似度之和是否大于或等于预设加权相似度;
如果所述最大的加权相似度之和大于或等于预设加权相似度,则将所述最大的加权相似度之和对应的业务类别作为所述第一业务数据的业务类型。
优选的,所述判断所述最大的加权相似度之和是否大于预设加权相似度之后,所述方法还包括:
如果所述最大的加权相似度之和小于预设加权相似度,则在所述业务特征库中创建一个业务类别,并将所述第一报文信息对应的每种类别的业务特征记录在所述创建的业务类别对应的业务特征集合中。
优选的,所述计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,包括:
对所述第一报文信息和每一个所述第二报文信息进行快速傅里叶变换,并进行乘积累加,之后进行反傅里叶变换得到所述第一报文信息和每一个所述第二报文信息之间的第一相似度。
优选的,所述获取待检测的第一业务数据中的报文头信息之前,所述方法还包括:
通过高速数据采集卡从业务仿真终端中采集待检测的第一业务数据;
将所述第一业务数据中缺失预设字段的业务数据进行丢弃,并将所述第一业务数据放置于数据缓存队列中,等待进行对所述第一业务数据进行业务检测的流程。
另一方面,提供了一种检测业务类型的装置,所述装置包括:
查询模块,用于获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型;
第一获取模块,用于若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个;
第一判断模块,用于计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;
第一确定模块,用于若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
优选的,所述装置还包括:
第二获取模块,用于若所述最大的第一相似度小于预设相似度,则在所述第一报文信息中获取预设的多种类别的业务特征;
第一计算模块,用于在预先存储的业务特征库中的各业务类别对应的业务特征集合中,分别计算获取到的每种类别的业务特征与每种业务类别对应的第二相似度;
第二计算模块,用于根据所述每种类别的业务特征与每种业务类别对应的第二相似度,分别计算所述第一报文信息对应到每种业务类别的加权相似度之和;
第二判断模块,用于选取最大的加权相似度之和,并判断所述最大的加权相似度之和是否大于或等于预设加权相似度;
第二确定模块,用于如果所述最大的加权相似度之和大于或等于预设加权相似度,则将所述最大的加权相似度之和对应的业务类别作为所述第一业务数据的业务类型。
优选的,所述装置还包括:
记录模块,用于如果所述最大的加权相似度之和小于预设加权相似度,则在所述业务特征库中创建一个业务类别,并将所述第一报文信息对应的每种类别的业务特征记录在所述创建的业务类别对应的业务特征集合中。
优选的,所述第一判断模块具体用于:
对所述第一报文信息和每一个所述第二报文信息进行快速傅里叶变换,并进行乘积累加,之后进行反傅里叶变换得到所述第一报文信息和每一个所述第二报文信息之间的第一相似度。
优选的,所述装置还包括:
采集模块,用于通过高速数据采集卡从业务仿真终端中采集待检测的第一业务数据;
预处理模块,用于将所述第一业务数据中缺失预设字段的业务数据进行丢弃,并将所述第一业务数据放置于数据缓存队列中,等待进行对所述第一业务数据进行业务检测的流程。
本发明实施例提供的技术方案带来的有益效果是:
通过在对待检测的业务数据的报文头信息中未检测到业务类型时,通过检测待检测的业务数据中报文信息与预设时间段内检测出业务类型的业务数据对应的报文信息的相似度,并将相似度大于预设相似度的业务数据的业务类型作为待检测的业务数据的业务类型。降低了在未在业务数据的报文头信息中检测到业务类型时通过其他方式检测业务类型的计算量,提高了检测业务类型的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的检测业务类型的方法流程图;
图2是本发明实施例二提供的检测业务类型的方法流程图;
图3是本发明实施例三提供的检测业务类型的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种检测业务类型的方法,参见图1,方法流程包括:
101:获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型;
102:若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个;
103:计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;
104:若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
本发明实施例通过在对待检测的业务数据的报文头信息中未检测到业务类型时,通过检测待检测的业务数据中报文信息与预设时间段内检测出业务类型的业务数据对应的报文信息的相似度,并将相似度大于预设相似度的业务数据的业务类型作为待检测的业务数据的业务类型。降低了在未在业务数据的报文头信息中检测到业务类型时通过其他方式检测业务类型的计算量,提高了检测业务类型的效率。
实施例二
本发明实施例提供了一种检测业务类型的方法,参见图2,方法流程包括:
201:通过高速数据采集卡从业务仿真终端中采集待检测的第一业务数据;
本步骤完成对仿真业务的业务数据的预处理,首先开始通过业务仿真平台中的高速数据采集卡,获取各个业务仿真终端中的业务数据。
202:将所述第一业务数据中缺失预设字段的业务数据进行丢弃,并将所述第一业务数据放置于数据缓存队列中,等待进行对所述第一业务数据进行业务检测的流程。
获取到的业务数据即需要进行后续检测业务类型的第一业务数据。首先进行数据过滤,丢弃第一业务数据中缺失重要数据的业务数据,其中通过在第一业务数据中判断是否存在完整的预设字段的方式来确定是否确实重要数据。
数据过滤的步骤进行完毕后,将所有获取到的第一业务数据放置于数据缓存队列进行缓存。业务仿真平台会从该队列中按顺序的提取第一业务数据并逐一进行检测。
203:获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型。
其中,获取待检测的第一业务数据是从业务仿真平台的数据缓存队列中获取到的。
对于检测第一业务数据的业务类型的过程,首先通过判断第一业务数据的报文头信息开始,业务仿真平台中预先存储报文头信息与业务类型的对应关系。
其中,报文头信息与业务类型的对应关系可以包含两类:
第一类:业务仿真终端的地址与业务类型的对应关系。
具体的,报文头信息中保存有业务仿真终端的地址,通过解析出报文头信息中的业务仿真终端的地址,并在该第一类的对应关系中进行查找。
第二类:业务标识码与业务类型的对应关系。
具体的,报文头信息中保存有业务标识码,通过解析出报文头信息中的业务标识码,并在该第二类的对应关系中进行查找。
其中,具体在上述两类对应关系中查询和匹配的过程可以为:
报文头信息检测采用8比特的滑动窗口进行滑动检测。滑动窗口选定的第一业务数据比对与预先存储的上述两类杜英关系,即能对业务类型进行初步的识别。
上述两类对应关系可以共同进行在报文头信息检测该第一业务数据的业务类型,也仅使用其中一类对应关系进行检测,在此对于使用方式并不限定。
检测过程中会有未检测到第一业务数据的业务类型的情况发生,这种情况的原因有两种:
第一种情况,第一业务数据中的报文头信息在传输过程中丢失或内容不全,会造成无法检测到第一业务数据的业务类型的情况发生;
第二种情况,第一业务数据的业务类型为新的业务类型,在上述第一类和第二类的两种对应关系中都未存在的业务类型,因此会造成无法检测到第一业务数据的业务类型的情况发生。
上述两种情况发生后,需要进入后续的进一步的检测流程。
204:若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个。
其中报文信息为业务数据中的数据负载部分,通过将第一业务数据中的第一报文信息对比之前检测出业务类型的第二业务数据中的第二报文信息的相似度,可以确定第一业务数据的类型。
205:计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度。若大于或等于预设相似度,则执行步骤206;若小于预设相似度,则执行步骤207。
其中,相似度计算的方法为:
对所述第一报文信息和每一个所述第二报文信息进行快速傅里叶变换,并进行乘积累加,之后进行反傅里叶变换得到所述第一报文信息和每一个所述第二报文信息之间的第一相似度。
206:若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
207:若所述最大的第一相似度小于预设相似度,则在所述第一报文信息中获取预设的多种类别的业务特征。
此时,则进入第三种检测流程,即对业务特征进行检测的流程。
其中,预设的多种类别的业务特征可以包括但不限于以下内容:
业务数据的报文的控制信息符、数据帧结构、四元组信息、分组长度、业务传输速率、业务持续时间、业务包络等。其中,数据帧结构、四元组信息、分组长度可通过128bit滑动窗口快速检索;业务传输速率、业务持续时间可通过计时器得到;业务包络可设置汉宁窗和快速傅里叶变换得到。
208:在预先存储的业务特征库中的各业务类别对应的业务特征集合中,分别计算获取到的每种类别的业务特征与每种业务类别对应的第二相似度。
在业务仿真平台中预先存储有业务特征库,其中分别存储有各类别的业务特征对应的业务特征集合。在每个业务特征集合中都会存储有业务类型对应的所有收集到的业务特征。
通过将第一业务数据对应的每一种业务特征在每一个业务类别对应的业务特征集合中进行相似度计算,确定每一种业务特征与每一个业务类别对应的业务特征集合中的第二相似度。
209:根据所述每种类别的业务特征与每种业务类别对应的第二相似度,分别计算所述第一报文信息对应到每种业务类别的加权相似度之和。
将属于同一个业务类别对应的第一业务数据对应的每一种业务特征进行加权计算,求加权相似度之和。会得到第一业务数据对应的每种业务类别的加权相似度之和。
210:选取最大的加权相似度之和,并判断所述最大的加权相似度之和是否大于或等于预设加权相似度;如果最大的加权相似度之和大于或等于预设加权相似度则执行步骤211;如果最大的加权相似度之和小于预设加权相似度则执行步骤212。
211:如果所述最大的加权相似度之和大于或等于预设加权相似度,则将所述最大的加权相似度之和对应的业务类别作为所述第一业务数据的业务类型。
212:如果所述最大的加权相似度之和小于预设加权相似度,则在所述业务特征库中创建一个业务类别,并将所述第一报文信息对应的每种类别的业务特征记录在所述创建的业务类别对应的业务特征集合中。
此时,如果满足最大的加权相似度之和小于预设加权相似度,则确定第一业务数据未检测到业务类别,此时可以进入学习阶段,将此次未检测到的第一业务数据中的第一报文信息的业务特征进行记录,用于之后的检测业务数据时的识别。
本发明实施例通过在对待检测的业务数据的报文头信息中未检测到业务类型时,通过检测待检测的业务数据中报文信息与预设时间段内检测出业务类型的业务数据对应的报文信息的相似度,并将相似度大于预设相似度的业务数据的业务类型作为待检测的业务数据的业务类型。降低了在未在业务数据的报文头信息中检测到业务类型时通过其他方式检测业务类型的计算量,提高了检测业务类型的效率。
进一步的,未通过相似度计算确定业务数据的类型时,通过业务数据的业务特征与预先存储的各业务类型对应的业务特征进行相似度计算,并通过加权的方式计算业务数据的相似度之和,并将相似度之和大于预设相似度之和的预先存储的业务类型作为待检测的业务数据的业务类型。通过相似度之和的判断,更加精确的确定业务类型。
如果相似度之和小于预设相似度之和,则确定这个业务类型为新的业务,并存储该新的业务。实现了自动学习新的业务类型的过程。
实施例三
本发明实施例提供了一种检测业务类型的装置,参见图3,该装置包括:
查询模块301,用于获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型;
第一获取模块302,用于若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个;
第一判断模块303,用于计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;
第一确定模块304,用于若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
其中,所述装置还包括:
第二获取模块305,用于若所述最大的第一相似度小于预设相似度,则在所述第一报文信息中获取预设的多种类别的业务特征;
第一计算模块306,用于在预先存储的业务特征库中的各业务类别对应的业务特征集合中,分别计算获取到的每种类别的业务特征与每种业务类别对应的第二相似度;
第二计算模块307,用于根据所述每种类别的业务特征与每种业务类别对应的第二相似度,分别计算所述第一报文信息对应到每种业务类别的加权相似度之和;
第二判断模块308,用于选取最大的加权相似度之和,并判断所述最大的加权相似度之和是否大于或等于预设加权相似度;
第二确定模块309,用于如果所述最大的加权相似度之和大于或等于预设加权相似度,则将所述最大的加权相似度之和对应的业务类别作为所述第一业务数据的业务类型。
其中,所述装置还包括:
记录模块310,用于如果所述最大的加权相似度之和小于预设加权相似度,则在所述业务特征库中创建一个业务类别,并将所述第一报文信息对应的每种类别的业务特征记录在所述创建的业务类别对应的业务特征集合中。
其中,所述第一判断模块303具体用于:
对所述第一报文信息和每一个所述第二报文信息进行快速傅里叶变换,并进行乘积累加,之后进行反傅里叶变换得到所述第一报文信息和每一个所述第二报文信息之间的第一相似度。
其中,所述装置还包括:
采集模块311,用于通过高速数据采集卡从业务仿真终端中采集待检测的第一业务数据;
预处理模块312,用于将所述第一业务数据中缺失预设字段的业务数据进行丢弃,并将所述第一业务数据放置于数据缓存队列中,等待进行对所述第一业务数据进行业务检测的流程。
本发明实施例通过在对待检测的业务数据的报文头信息中未检测到业务类型时,通过检测待检测的业务数据中报文信息与预设时间段内检测出业务类型的业务数据对应的报文信息的相似度,并将相似度大于预设相似度的业务数据的业务类型作为待检测的业务数据的业务类型。降低了在未在业务数据的报文头信息中检测到业务类型时通过其他方式检测业务类型的计算量,提高了检测业务类型的效率。
进一步的,未通过相似度计算确定业务数据的类型时,通过业务数据的业务特征与预先存储的各业务类型对应的业务特征进行相似度计算,并通过加权的方式计算业务数据的相似度之和,并将相似度之和大于预设相似度之和的预先存储的业务类型作为待检测的业务数据的业务类型。通过相似度之和的判断,更加精确的确定业务类型。
如果相似度之和小于预设相似度之和,则确定这个业务类型为新的业务,并存储该新的业务。实现了自动学习新的业务类型的过程。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种检测业务类型的方法,其特征在于,所述方法包括:
获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型;
若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个;
计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;
若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
2.根据权利要求1所述的方法,其特征在于,所述判断计算后最大的第一相似度是否大于预设相似度之后,所述方法还包括:
若所述最大的第一相似度小于预设相似度,则在所述第一报文信息中获取预设的多种类别的业务特征;
在预先存储的业务特征库中的各业务类别对应的业务特征集合中,分别计算获取到的每种类别的业务特征与每种业务类别对应的第二相似度;
根据所述每种类别的业务特征与每种业务类别对应的第二相似度,分别计算所述第一报文信息对应到每种业务类别的加权相似度之和;
选取最大的加权相似度之和,并判断所述最大的加权相似度之和是否大于或等于预设加权相似度;
如果所述最大的加权相似度之和大于或等于预设加权相似度,则将所述最大的加权相似度之和对应的业务类别作为所述第一业务数据的业务类型。
3.根据权利要求2所述的方法,其特征在于,所述判断所述最大的加权相似度之和是否大于预设加权相似度之后,所述方法还包括:
如果所述最大的加权相似度之和小于预设加权相似度,则在所述业务特征库中创建一个业务类别,并将所述第一报文信息对应的每种类别的业务特征记录在所述创建的业务类别对应的业务特征集合中。
4.根据权利要求1所述的方法,其特征在于,所述计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,包括:
对所述第一报文信息和每一个所述第二报文信息进行快速傅里叶变换,并进行乘积累加,之后进行反傅里叶变换得到所述第一报文信息和每一个所述第二报文信息之间的第一相似度。
5.根据权利要求1所述的方法,其特征在于,所述获取待检测的第一业务数据中的报文头信息之前,所述方法还包括:
通过高速数据采集卡从业务仿真终端中采集待检测的第一业务数据;
将所述第一业务数据中缺失预设字段的业务数据进行丢弃,并将所述第一业务数据放置于数据缓存队列中,等待进行对所述第一业务数据进行业务检测的流程。
6.一种检测业务类型的装置,其特征在于,所述装置包括:
查询模块,用于获取待检测的第一业务数据中的报文头信息,并在预先存储的报文头信息与业务类型的对应关系中查询所述报文头信息对应的业务类型;
第一获取模块,用于若未查询到所述报文头信息对应的业务类型,则获取所述第一业务数据中的第一报文信息,并获取在当前时间之前预设时间段内的检测出业务类型的第二业务数据的第二报文信息,其中所述第二业务数据至少包括一个或多个;
第一判断模块,用于计算所述第一报文信息和每一个所述第二报文信息之间的第一相似度,并判断计算后最大的第一相似度是否大于或等于预设相似度;
第一确定模块,用于若所述最大的第一相似度大于或等于预设相似度,则将所述最大的第一相似度对应的第二报文信息对应的第二业务数据的业务类型确定为所述第一业务数据的业务类型。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于若所述最大的第一相似度小于预设相似度,则在所述第一报文信息中获取预设的多种类别的业务特征;
第一计算模块,用于在预先存储的业务特征库中的各业务类别对应的业务特征集合中,分别计算获取到的每种类别的业务特征与每种业务类别对应的第二相似度;
第二计算模块,用于根据所述每种类别的业务特征与每种业务类别对应的第二相似度,分别计算所述第一报文信息对应到每种业务类别的加权相似度之和;
第二判断模块,用于选取最大的加权相似度之和,并判断所述最大的加权相似度之和是否大于或等于预设加权相似度;
第二确定模块,用于如果所述最大的加权相似度之和大于或等于预设加权相似度,则将所述最大的加权相似度之和对应的业务类别作为所述第一业务数据的业务类型。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
记录模块,用于如果所述最大的加权相似度之和小于预设加权相似度,则在所述业务特征库中创建一个业务类别,并将所述第一报文信息对应的每种类别的业务特征记录在所述创建的业务类别对应的业务特征集合中。
9.根据权利要求6所述的装置,其特征在于,所述第一判断模块具体用于:
对所述第一报文信息和每一个所述第二报文信息进行快速傅里叶变换,并进行乘积累加,之后进行反傅里叶变换得到所述第一报文信息和每一个所述第二报文信息之间的第一相似度。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
采集模块,用于通过高速数据采集卡从业务仿真终端中采集待检测的第一业务数据;
预处理模块,用于将所述第一业务数据中缺失预设字段的业务数据进行丢弃,并将所述第一业务数据放置于数据缓存队列中,等待进行对所述第一业务数据进行业务检测的流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310745728.2A CN103701669B (zh) | 2013-12-30 | 2013-12-30 | 一种检测业务类型的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310745728.2A CN103701669B (zh) | 2013-12-30 | 2013-12-30 | 一种检测业务类型的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103701669A true CN103701669A (zh) | 2014-04-02 |
CN103701669B CN103701669B (zh) | 2017-06-20 |
Family
ID=50363072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310745728.2A Active CN103701669B (zh) | 2013-12-30 | 2013-12-30 | 一种检测业务类型的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103701669B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077769A (zh) * | 2017-01-10 | 2017-08-18 | 深圳怡化电脑股份有限公司 | 一种识别业务类型的方法及系统 |
CN110445636A (zh) * | 2019-07-03 | 2019-11-12 | 平安科技(深圳)有限公司 | 基于管理平台的微服务预警方法、装置和计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060050704A1 (en) * | 2004-07-14 | 2006-03-09 | Malloy Patrick J | Correlating packets |
CN102402681A (zh) * | 2010-09-16 | 2012-04-04 | 株式会社东芝 | 片材处理装置和片材处理方法 |
CN102547770A (zh) * | 2012-03-22 | 2012-07-04 | 北京邮电大学 | 一种基于灰度矩阵和加权平均的无线传播模型的实现方法及系统 |
CN103414600A (zh) * | 2013-07-19 | 2013-11-27 | 华为技术有限公司 | 近似匹配方法和相关设备及通信系统 |
-
2013
- 2013-12-30 CN CN201310745728.2A patent/CN103701669B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060050704A1 (en) * | 2004-07-14 | 2006-03-09 | Malloy Patrick J | Correlating packets |
CN102402681A (zh) * | 2010-09-16 | 2012-04-04 | 株式会社东芝 | 片材处理装置和片材处理方法 |
CN102547770A (zh) * | 2012-03-22 | 2012-07-04 | 北京邮电大学 | 一种基于灰度矩阵和加权平均的无线传播模型的实现方法及系统 |
CN103414600A (zh) * | 2013-07-19 | 2013-11-27 | 华为技术有限公司 | 近似匹配方法和相关设备及通信系统 |
Non-Patent Citations (1)
Title |
---|
W.D.KENWORTHY ET.AL: "Classifying ethernet data packets based on Raw bit Patterns", 《KNOWLEDGE DISCOVERY AND DATA MINING,2010.WKDD"10.THIRD INTERNATIONAL CONFERENCE ON》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077769A (zh) * | 2017-01-10 | 2017-08-18 | 深圳怡化电脑股份有限公司 | 一种识别业务类型的方法及系统 |
WO2018129657A1 (zh) * | 2017-01-10 | 2018-07-19 | 深圳怡化电脑股份有限公司 | 一种识别业务类型的方法及系统 |
CN110445636A (zh) * | 2019-07-03 | 2019-11-12 | 平安科技(深圳)有限公司 | 基于管理平台的微服务预警方法、装置和计算机设备 |
CN110445636B (zh) * | 2019-07-03 | 2022-03-18 | 平安科技(深圳)有限公司 | 基于管理平台的微服务预警方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103701669B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102045772B (zh) | 一种数据传输方法及装置 | |
CN107634915A (zh) | 数据传输方法、装置及储存介质 | |
US20200296022A1 (en) | Method and apparatus for detecting traffic | |
CN106600269A (zh) | 基于二维码的支付方法和平台 | |
CN102833130A (zh) | 一种基于多态并行处理的s模式ads_b系统的报头检测方法 | |
EP3163777A1 (en) | Multi-channel synchronisation method, synchronisation device and system, and computer storage medium | |
CN109660533B (zh) | 实时识别异常流量的方法、装置、计算机设备和存储介质 | |
CN106788888B (zh) | 弱网络环境下提高安卓移动终端通信成功率的方法及系统 | |
CN111107423A (zh) | 一种视频业务播放卡顿的识别方法和装置 | |
CN106255082A (zh) | 一种垃圾短信的识别方法及系统 | |
CN107969003B (zh) | 一种无线接入认证方法 | |
CN103856959A (zh) | 无线局域网络质量监控方法、设备和系统 | |
CN105785437A (zh) | 一种异常地震道的自动判别的方法及装置 | |
CN105469783A (zh) | 音频识别方法及装置 | |
CN104243225A (zh) | 一种基于深度包检测的流量识别方法 | |
CN101483557B (zh) | 一种用于深度报文检测设备的日志统计、保存方法和系统 | |
CN103701669A (zh) | 一种检测业务类型的方法及装置 | |
CN104883705A (zh) | 一种数据业务投诉的问题定位方法及装置 | |
CN116633823A (zh) | 异网宽带用户识别方法、装置、设备及存储介质 | |
CN107948022B (zh) | 一种对等网络流量的识别方法及识别装置 | |
CN106301486B (zh) | 近场通信中的帧位检测器 | |
CN104253712A (zh) | 一种利用深度包检测技术进行p2p网络识别的方法 | |
CN110533297B (zh) | 一种识别异常设备的方法及装置 | |
CN114245412A (zh) | 信道状态确定方法、装置和机器可读存储介质 | |
CN103581158A (zh) | 一种语音数据的处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |