CN103929330A - 域名服务质量评估方法及系统 - Google Patents
域名服务质量评估方法及系统 Download PDFInfo
- Publication number
- CN103929330A CN103929330A CN201410163225.9A CN201410163225A CN103929330A CN 103929330 A CN103929330 A CN 103929330A CN 201410163225 A CN201410163225 A CN 201410163225A CN 103929330 A CN103929330 A CN 103929330A
- Authority
- CN
- China
- Prior art keywords
- index
- domain name
- weight
- data
- variance
- 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
Landscapes
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种域名服务质量评估方法,该方法包括基于层次分析法确定与域名服务质量相关的多个指标及各个指标的权重;对于待评估的每个域名,采集该域名的与所述多个指标中每个指标相关的数据并获取该域名在每个指标上的评分;以及基于域名在每个指标上的评分和每个指标的权重来计算该域名的综合评分。该方法基于层次分析法设置各指标的权重,并且基于所采集的域名数据对权重进行调整,使得权重更加准确的反应指标的重要程度,对于服务质量较好的域名和较差的域名之间的区分度更高。因此,可以更客观、更准确地反映域名服务的质量,能为用户过滤掉一些不安全的域名或者不良网站,还可以帮助用户选择出性能较好的域名。
Description
技术领域
本发明属于DNS管理,尤其涉及对于域名服务质量进行评估的方法。
背景技术
互联网技术的飞速发展使其成为人们获取信息的巨大信息源。据《第30次中国互联网发展状况统计报告》显示,截止到2012年7月,中国网站规模达到250万,域名总数则达到873万个,相比2011年增长了将近13%。随着域名规模的迅速增长,安全问题也变得越来越重要。当用户打开了携带木马的网页,或者浏览了钓鱼网站等恶意网站后,就会使本地计算机感染病毒,导致个人资料被泄漏,甚至造成严重的经济损失。
除了潜在的安全问题,域名规模过大对于用户来说也是一种“幸福的烦恼”。由于提供同类服务的网站有很多,用户在进行选择时很难对所有同类网站的各方面的性能进行评估。因此,通过合理的域名服务质量评价体系帮助用户规避恶意网站,并从海量的域名中选择出服务质量较高的供用户使用是非常必要的。
然而,在现有的域名服务质量评价体系中,有的只是考虑了少量指标,有的只是罗列出了各项指标的得分,或者人为指定各指标的权重,通过简单加权平均计算出了综合得分,这样的评估结果并不能客观反映域名的服务质量,从而不能为用户在选择时提供准确有效的指导和建议。
发明内容
因此,本发明的目的在于克服上述现有技术的缺陷,提供一种新的域名服务质量评估方法。
本发明的目的是通过以下技术方案实现的:
一方面,本发明提供了一种用于域名服务质量评估中调整指标权重方法,所述方法包括:
步骤1)对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重;
步骤2)对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分;
步骤3)对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重;其中,方差越小,则权重越低。
又一方面,本发明提供了一种域名服务质量评估方法,包括:
步骤1)对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重;
步骤2)对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分;
步骤3)对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重;其中,方差越小,则权重越低;
步骤4)基于域名在每个指标上的评分和经调整后的每个指标的权重来计算该域名的综合评分。
上述方法中,所述步骤1)所述多个指标可包括带宽、丢包率、吞吐率、抖动、计算速度、任务完成平均时间、任务完成成功率、易学性、用户平均遭遇攻击率、用户平均感染病毒率、数据安全性、容错性、稳定性、可维护性、数据备份能力、数据恢复能力、数据保护能力。
上述方法中,所述步骤2)可以包括对于待评估的每个域名:
采集该域名与所述多个指标中每个指标相关的数据;
如果在某个指标上所采集的数据的形式为具体值,则将其按比例映射到[0,1]区间中,从而获得该域名在该指标上的评分;
如果在某个指标上所采集的数据的形式为模糊表示,则通过建立隶属函数将其映射得到[0,1]区间中,从而获得该域名在该指标上的评分。
上述方法中,所述步骤3)中基于所得到的各指标对应的方差来调整各个指标的权重可以包括:当某个指标对应的方差小于设定阈值时,减小该指标的权重。
上述方法中,所述步骤3)中基于所得到的各指标对应的方差来调整各个指标的权重可以包括:
取所得到的方差中的最小值和最大值作为标准范围,将该标准范围划分为m个大小相同的子范围,各个子范围依次映射到整数1、2、…、m,m为自然数;
对于每个指标上评分的方差,判定其所属的子范围,取该子范围对应的整数x为该指标的权重的衰减因子,x取值为[1,m]之间的整数;
对于第i个指标,更新其权重为wi为第i个指标原有的权重;wi′为第i项指标经过更新后的权重;
取第i个指标的最终权重为:其中wj′为第j个指标经过更新后的权重,1≤j≤n,n代表指标的数量。
上述方法中,所述步骤4)中每个域名的综合评分可以等于该域名在每个指标上的评分构成的向量与各个指标的权重构成的向量的乘积。
上述方法中,所述步骤1)可以包括以树形层次结构组织所述多个指标,所述树形层次结构包括目标层、准则层、子准层和选择层,其中,所述目标层表示对域名服务质量的综合评分;所述选择层包括各个域名;所述准则层包括性能指标、可用性指标、安全性指标、可靠性指标、数据指标;
所述性能指标包含的子准则层指标包括带宽、丢包率、吞吐率、抖动、计算速度,所述可用性指标包含的子准则层指标包括任务完成平均时间、任务完成成功率、易学性,所述安全性指标包含的子准则层指标包括用户平均遭遇攻击率、用户平均感染病毒率、数据安全性,所述可靠性指标包含的子准则层指标包括容错性、稳定性、可维护性,所述数据指标包含的子准则层指标包括数据备份能力、数据恢复能力、数据保护能力。
又一方面,本发明提供了一种域名服务质量评估系统,包括:
用于对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重的装置;
用于对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分的装置;
用于对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重的装置;其中,方差越小,则权重越低;
用于基于域名在每个指标上的评分和经调整后的每个指标的权重来计算该域名的综合评分的装置。
与现有技术相比,本发明的优点在于:
对于给定的域名服务质量评价体系中的多个指标,基于层次分析法来设置各指标的权重,并且基于所采集的实际域名数据对权重进行调整,使得权重更加准确的反应指标的重要程度,由此构成的评价体系对于域名服务之间的性能差别更加敏感,对于服务质量较好的域名和较差的域名之间的区分度更高。采用该方法可以更客观、更准确地反映域名服务的质量,能为用户过滤掉一些不安全的域名或者不良网站,还可以帮助用户选择出性能较好的域名,从而使用户获得最佳的使用体验。
附图说明
以下参照附图对本发明实施例作进一步说明,其中:
图1为根据本发明实施例的域名服务质量评估方法的流程示意图。
具体实施方式
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图通过具体实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1给出了根据本发明一个实施例的域名服务质量评估方法的流程示意图。概括来讲,该方法包括:步骤1)对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重;步骤2)对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分;步骤3)对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重;步骤4)基于域名在每个指标上的评分和每个指标的权重来计算该域名的综合评分。
更具体地,在步骤1)对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重。假设给定的域名服务质量评价体系中的多个指标包括:带宽、丢包率、吞吐率、抖动、计算速度、任务完成平均时间、任务完成成功率、易学性、用户平均遭遇攻击率、用户平均感染病毒率、数据安全性、容错性、稳定性、可维护性、数据备份能力、数据恢复能力、数据保护能力。
首先,按照层次分析的思想将上述的多个指标整理为一个树形递阶层次结构。例如,将求解域名服务质量的问题分成多个独立的层次:目标层,准则层,选择层。其中,目标层指的是总目标,也就是求解对域名服务质量的综合评分;准则层指的是各项指标;选择层指的是各个域名。其中在准则层中,当准则数量过多,或者为了使逻辑更清晰,可以将准则层中的准则分成多个层次,从而形成树状的结构。具体指标层次结构设计如表1所示。
表1
也就是将该域名服务质量评价体系中的多个指标进一步分为几个方面,每个方面包括相应的指标。例如,性能方面(带宽、丢包率、吞吐率、抖动、计算速度);可用性方面(任务完成平均时间、任务完成成功率、易学性);安全性方面(用户平均遭遇攻击率、用户平均感染病毒率、数据安全性);可靠性方面(容错性、稳定性、可维护性);数据方面(数据备份能力、数据恢复能力、数据保护能力)。其中,带宽、丢包率、吞吐率、抖动、计算速度为处于性能指标下的处于同一层次的一组指标;而用户平均遭遇攻击率、用户平均感染病毒率、数据安全性为处于安全性指标下处于同一层次的一组指标,以此类推。
然后,基于层次分析法计算各指标的权重主要包括下列步骤:
(11)构造判断矩阵
首先,对每组处于同一层次的各项指标构建判断矩阵。判断矩阵描述了指标之间相对的重要程度。构建出的判断矩阵形式为其中判断矩阵中元素aij表示了相对于上一层次的指标而言,第i项指标相对于第j项指标的重要程度,其取值和意义如表2所示。
表2
由该判断矩阵定义可知,该矩阵应为正互反矩阵,即
(12)获取该层次下各指标相对于其上层指标的权重。
首先,将该n阶判断矩阵A按列进行归一化,即再将得到的矩阵按行相加,得到行向量为 最后将此向量进行归一化,即:
(13)进行一致性检验
在进行层次单排序之后,还要检验判断矩阵A的一致性。首先计算判断矩阵A的最大特征根λ。λ可以利用matlab等程序计算,也可以按照下述方法计算其近似值:在上述步骤2中,得到ω=(aw1,aw2,...,awn)T,则接下来则一致性检验方法为:首先计算一致性指标CI,CI的值越低,代表矩阵的一致性越高。但由于CI的值会随着矩阵阶数n增加而提高,因此引入平均随机一致性指标RI,其中λavg为n阶矩阵最大特征根的平均值。其中根据n的不同,该n阶矩阵的最大特征根的平均值的取值如下表所示。
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
最后,计算一致性比例CR,当CR≤0.1时,认为该矩阵的一致性是可以接受的。反之,如果一致性不能被接受,说明所设置的指标之间的相对重要程度中存在矛盾或不合理的地方,需要返回步骤(21)重新设置判断矩阵,也就是调整两个指标之间的相对重要程度。可见,通过层析分析法也可以使得所选择的指标更客观、更合理。
(14)计算各指标相对于域名服务质量的权重。
在计算出各项指标相对于上一层次的权重后,还要计算所有指标相对于总目标的权重。如表1所示,子准则层中指标的总权重等于其相对于准则层的权重乘以其相应的准则层指标相对于总目标的权重。
这样,按照上述步骤(11)-(14),就可以得到所述多个指标中每个指标的权重。
在步骤2),对于待评估的域名,对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分。可以通过现有的很多软件和工具来获取与域名相关的数据。例如可以使用Bandwidthd软件来获得数据包的传输速率等。但是所获取的各项指标上的数据形式不同,单位不统一,为获取域名在各项指标上的评分,需要对各项指标数据进行标准化或归一化处理,设立合理的映射规则。在一个实施例中,将其映射到[0,1]的单增区间,即数值越高代表性能越好,这样有利于运算。根据数据类型的不同,可以所采集的数据形式归为以下两类:具体值以及模糊表示。对于不同的数据形式,可制定不同的映射规则。对于每个指标的具体情况,可编写相应的可以准确将其表示出来的映射函数。下面只以几个示例来举例说明处理这两类数据形式的可行方式。
对于具体值形式的数据,最简单的处理方法为按比例将它们映射到标准区间内。其中要考虑原本数据单调性的意义。对于单增和单减的情况,分别用和将其映射为[0,1]的单增区间。其中tstd表示映射之后的标准值,t表示原值,tmin表示可能取值的最小值,tmax表示可能取值的最大值。若是越靠近某个中间值tbest代表性能越好,则分别用公式和将tbest两边的值进行映射。若是越远离某个中间值tworst代表性能越好,则改用公式和
对于模糊表示形式的数据,可针对每个指标编写隶属函数,该隶属函数为将模糊集合映射到[0,1]区间的函数。最简单的一种情况为根据选项的个数指定每个选项对应的数值。例如可以将某些指标(例如,易学性)的可选评价设置为从“非常差”到“非常好”共6个等级,则可分别指定将其隶属值设置为0,0.2,0.4,0.6,0.8,1。
以上示例仅是出于说明的目的,而非进行任何限制,本领域技术人员可以采用现有的各种方法对所采集的数据进行标准化或归一化处理,以获得域名在某个指标上的评分。
在经过标准化处理后,将该域名的各项指标数据存为矩阵C=(c1,c2,...,cn),其中ci代表该域名在第i项指标的评分。
在步骤3),对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重。对于某一项指标,如果其数据样本过于接近,则说明该项指标并不能很好的区分域名的性能,因此可以将该项指标权重降低,方差越小,权重越低。例如,可以在某个指标对应的方差小于设定阈值时,减小该指标的权重。
在又一个实施例中,基于所得到的各指标对应的方差来调整各个指标的权重可包括:取所得到的方差中的最小值和最大值作为标准范围,将该标准范围划分为m个大小相同的子范围,例如,取m等于5,则各个子范围可依次映射到整数1、2、3、4、5。然后根据对于每个指标评分的方差的值,判定其所属的子范围,取该子范围对应的整数x为该指标权重的衰减因子,x取值为[1,5]之间的整数。其中,方差越小,则该指标数据越为接近,衰减因子x越大。之后对于每一项指标i,更新其权重为由于在衰减后,指标权重和小于1,因此按照下述公式对所有指标权重进行调整:
其中为第i项指标的最终权重,wi′为第i项指标经过上述衰减后的权重,wj′为第j项指标经过上述衰减后的权重,1≤j≤n,n为指标的总数。由此可得到最终的权重向量ω。这样,通过基于层次分析法的方式来为各指标赋予权重,在每个指标上多个实际域名相关数据的统计来调整该指标的权重,可以更加准确的反应各个指标的重要程度。
在步骤4),基于域名在每个指标上的评分和每个指标的权重来计算该域名的综合评分。在经过上述步骤后,可以得到域名的指标权重向量W,以及该域名在各项指标上的评分向量C,则该域名的综合评分为两个向量的乘积,即
下面通过一个具体的示例来说明上述方法的执行过程。表3给出了采用层次分析法对某个域名评价体系所采用的多个指标进行划分后的指标体系结构。
表3
首先,计算表3中所示的指标的权重,包括构造判断矩阵,检验一致性并得到权重向量。
准则层各项指标相对于总目标的两两比较判断矩阵如下:
子准则层各项指标相对于其所属的准则层指标的两两比较判断矩阵如下:
接下来对各矩阵检验一致性,并计算权重向量。
准则层各项指标相对于总目标的判断矩阵A求解结果如下:
权重向量:ω=(0.4579,0.1260,0.4161)T。
最大特征根:λ=3.0092。
一致性检验:RI=0.58,因此矩阵A具有令人满意的一致性。
准则层指标相对于总目标的判断矩阵B1求解结果如下:
权重向量:ω=(0.5842,0.2318,0.1840)T。
最大特征根:λ=3.2174。
一致性检验:RI=0.58,因此矩阵B1具有令人满意的一致性。
准则层指标相对于总目标的判断矩阵B2求解结果如下:
权重向量:ω=(0.3333,0.6667)T。
最大特征根:λ=2。
一致性检验:由于二阶矩阵不存在一致性问题,所以矩阵B2不需要进行检验。
准则层指标相对于总目标的判断矩阵B3求解结果如下:
权重向量:ω=(0.6250,0.1365,0.2385)T。
最大特征根:λ=3.0183。
一致性检验:RI=0.58,因此矩阵B3具有令人满意的一致性。
因此,各项指标对于总目标的权重向量为:
ω=(0.2675,0.1061,0.0843,0.0420,0.0840,0.2601,0.0568,0.0992)T。
其次,对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分。在该示例中,假设要比较三个域名A、B、C之间的服务质量。通过根据上文所述的方法收集域名相关数据,获得这三个域名在各指标上的评分向量如下:
A=(0.93,0.82,0.81,0.65,0.80.0.70,0.82,0.91);
B=(0.95,0.73,0.90,0.82,0.83,0.81,0.90,0.91);
C=(0.95,0.77,0.75,0.77,0.82,0.74,0.80,0.85)。
接着,对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重。
对各域名在每项指标上的评分计算方差,有:
D(x1)=0.0094D(x2)=0.0368D(x3)=0.0616D(x4)=0.0713
D(x5)=0.0125D(x6)=0.0455D(x7)=0.0432D(x8)=0.0490
则各指标的衰减因子为(3,1,1,1,1,2,1,1)。按照上文所述的方法,经过调整后,最终的权重向量为:
ω=(0.1144,0.1361,0.1081,0.0539,0.0539,0.3336,0.0729,0.1272)T。
最后,分别计算上述三个域名的服务指令的综合评分如下:
A:
B:
C:
综上,可以得出A,B,C三项域名的综合性能排序为B>A>C。
与现有域名服务质量评价体系中简单指定指标权重的方法相比,本发明对于给定的域名服务质量评价体系中的多个指标,基于层次分析法来设置各指标的权重,并且基于所采集的实际域名数据对权重进行调整,使得权重更加准确的反应指标的重要程度,由此构成的评价体系对于域名服务之间的性能差别更加敏感,对于服务质量较好的域名和较差的域名之间的区分度更高。该方法可以更客观、更准确地反映域名服务的质量,能为用户过滤掉一些不安全的域名或者不良网站,还可以帮助用户选择出性能较好的域名,从而使用户获得最佳的使用体验。
在本发明的又一个实施例中,还提供了一种用于域名服务质量评估中调整指标权重方法,所述方法包括上文所述的步骤1)、步骤2)和步骤3)的任何实施例。与现有的域名服务评估中简单指定指标权重的方法相比,通过基于层次分析法的方式来为各指标赋予权重,并且通过对在每个指标上多个实际域名相关数据的分析来调整该指标的权重,可以更加客观、准确的反应各个指标的重要程度。
在本发明的又一个实施例中,还提供了一种域名服务质量评估系统,所述系统包括:用于对于给定的域名服务质量评价体系中的多个指标,如上文所述的基于层次分析法设置各个指标的权重的装置;用于对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并如上文所述计算该域名在每个指标上的评分的装置;用于对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及如上文所述基于所得到的各指标对应的方差来调整各个指标的权重的装置;其中,方差越小,则权重越低;以及用于基于域名在每个指标上的评分和经调整后的每个指标的权重来计算该域名的综合评分的装置。
虽然本发明已经通过优选实施例进行了描述,然而本发明并非局限于这里所描述的实施例,在不脱离本发明范围的情况下还包括所作出的各种改变以及变化。
Claims (9)
1.一种用于域名服务质量评估中调整指标权重方法,所述方法包括:
步骤1)对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重;
步骤2)对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分;
步骤3)对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重;其中,方差越小,则权重越低。
2.一种域名服务质量评估方法,所述方法包括:
步骤1)对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重;
步骤2)对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分;
步骤3)对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重;其中,方差越小,则权重越低;
步骤4)基于域名在每个指标上的评分和经调整后的每个指标的权重来计算该域名的综合评分。
3.根据权利要求1或2所述的方法,所述步骤1)所述多个指标包括带宽、丢包率、吞吐率、抖动、计算速度、任务完成平均时间、任务完成成功率、易学性、用户平均遭遇攻击率、用户平均感染病毒率、数据安全性、容错性、稳定性、可维护性、数据备份能力、数据恢复能力、数据保护能力。
4.根据权利要求1或2所述的方法,所述步骤2)包括对于待评估的每个域名:
采集该域名与所述多个指标中每个指标相关的数据;
如果在某个指标上所采集的数据的形式为具体值,则将其按比例映射到[0,1]区间中,从而获得该域名在该指标上的评分;
如果在某个指标上所采集的数据的形式为模糊表示,则通过建立隶属函数将其映射得到[0,1]区间中,从而获得该域名在该指标上的评分。
5.根据权利要求1或2所述的方法,所述步骤3)中基于所得到的各指标对应的方差来调整各个指标的权重包括:当某个指标对应的方差小于设定阈值时,减小该指标的权重。
6.根据权利要求1或2所述的方法,所述步骤3)中基于所得到的各指标对应的方差来调整各个指标的权重包括:
取所得到的方差中的最小值和最大值作为标准范围,将该标准范围划分为m个大小相同的子范围,各个子范围依次映射到整数1、2、…、m,m为自然数;
对于每个指标上评分的方差,判定其所属的子范围,取该子范围对应的整数x为该指标的权重的衰减因子,x取值为[1,m]之间的整数;
对于第i个指标,更新其权重为wi为第i个指标原有的权重;wi′为第i项指标经过更新后的权重;
取第i个指标的最终权重为:其中wj′为第j个指标经过更新后的权重,1≤j≤n,n代表指标的数量。
7.根据权利要求1或2所述的方法,所述步骤4)中每个域名的综合评分等于该域名在每个指标上的评分构成的向量与各个指标的权重构成的向量的乘积。
8.根据权利要求1或2所述的方法,所述步骤1)包括以树形层次结构组织所述多个指标,所述树形层次结构包括目标层、准则层、子准层和选择层,其中,所述目标层表示对域名服务质量的综合评分;所述选择层包括各个域名;所述准则层包括性能指标、可用性指标、安全性指标、可靠性指标、数据指标;
所述性能指标包含的子准则层指标包括带宽、丢包率、吞吐率、抖动、计算速度,所述可用性指标包含的子准则层指标包括任务完成平均时间、任务完成成功率、易学性,所述安全性指标包含的子准则层指标包括用户平均遭遇攻击率、用户平均感染病毒率、数据安全性,所述可靠性指标包含的子准则层指标包括容错性、稳定性、可维护性,所述数据指标包含的子准则层指标包括数据备份能力、数据恢复能力、数据保护能力。
9.一种域名服务质量评估系统,所述系统包括:
用于对于给定的域名服务质量评价体系中的多个指标,基于层次分析法设置各个指标的权重的装置;
用于对于待评估的每个域名,采集该域名与所述多个指标中每个指标相关的数据并计算该域名在每个指标上的评分的装置;
用于对于每个指标,统计待评估的所有域名在该指标上的评分的方差,以及基于所得到的各指标对应的方差来调整各个指标的权重的装置;其中,方差越小,则权重越低;
用于基于域名在每个指标上的评分和经调整后的每个指标的权重来计算该域名的综合评分的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410163225.9A CN103929330B (zh) | 2014-04-22 | 2014-04-22 | 域名服务质量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410163225.9A CN103929330B (zh) | 2014-04-22 | 2014-04-22 | 域名服务质量评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103929330A true CN103929330A (zh) | 2014-07-16 |
CN103929330B CN103929330B (zh) | 2017-11-03 |
Family
ID=51147414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410163225.9A Active CN103929330B (zh) | 2014-04-22 | 2014-04-22 | 域名服务质量评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103929330B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106656603A (zh) * | 2016-12-24 | 2017-05-10 | 桂林电子科技大学 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
CN106911536A (zh) * | 2017-04-14 | 2017-06-30 | 四川大学 | 一种基于模糊综合评价模型的dns健康度评估方法 |
CN107544968A (zh) * | 2016-06-23 | 2018-01-05 | 北京国双科技有限公司 | 一种确定网站可用性的方法及装置 |
CN108271046A (zh) * | 2017-12-25 | 2018-07-10 | 李文清 | 一种智能网络视频服务系统 |
CN108280103A (zh) * | 2017-02-10 | 2018-07-13 | 广州市动景计算机科技有限公司 | 网站指标统计方法、装置及服务器 |
CN108769286A (zh) * | 2018-05-25 | 2018-11-06 | Oppo(重庆)智能科技有限公司 | Dns服务器配置方法及相关产品 |
CN110825946A (zh) * | 2019-10-31 | 2020-02-21 | 北京邮电大学 | 网站评估方法、装置及电子设备 |
JP2020516187A (ja) * | 2017-04-01 | 2020-05-28 | エヌエスフォーカス インフォメーション テクノロジー カンパニー,リミテッドNsfocus Information Technology Co.,Ltd | Dnsを評価するための方法及び装置 |
CN111369084A (zh) * | 2018-12-25 | 2020-07-03 | 中国移动通信集团浙江有限公司 | 内容网络中资源质量评分方法 |
CN111444961A (zh) * | 2020-03-26 | 2020-07-24 | 国家计算机网络与信息安全管理中心黑龙江分中心 | 一种通过聚类算法判定互联网网站归属的方法 |
CN112104498A (zh) * | 2016-11-17 | 2020-12-18 | 贵州白山云科技股份有限公司 | 一种dns服务质量评定方法、装置、介质及设备 |
CN112714100A (zh) * | 2020-11-30 | 2021-04-27 | 互联网域名系统北京市工程研究中心有限公司 | 域名解析服务安全的预测方法和系统 |
CN113630629A (zh) * | 2021-08-05 | 2021-11-09 | 哈尔滨工业大学(威海) | 在线视频内嵌恶意域名获取及危害性评估的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656989A (zh) * | 2008-08-21 | 2010-02-24 | 华为技术有限公司 | 异构网络切换的方法和装置 |
CN102333214A (zh) * | 2011-07-22 | 2012-01-25 | 华为技术有限公司 | 用于异构网络的码流传输方法、装置及系统 |
US8341103B2 (en) * | 2009-07-24 | 2012-12-25 | Decision Lens, Inc. | Method and system for connecting analytic network process model (ANP) with feedback throughout the ANP model between sub-networks |
-
2014
- 2014-04-22 CN CN201410163225.9A patent/CN103929330B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656989A (zh) * | 2008-08-21 | 2010-02-24 | 华为技术有限公司 | 异构网络切换的方法和装置 |
US8341103B2 (en) * | 2009-07-24 | 2012-12-25 | Decision Lens, Inc. | Method and system for connecting analytic network process model (ANP) with feedback throughout the ANP model between sub-networks |
CN102333214A (zh) * | 2011-07-22 | 2012-01-25 | 华为技术有限公司 | 用于异构网络的码流传输方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
尹凌小等: "基于层次分析法的域名系统安全状况评估", 《科研信息化技术与应用》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544968A (zh) * | 2016-06-23 | 2018-01-05 | 北京国双科技有限公司 | 一种确定网站可用性的方法及装置 |
CN107544968B (zh) * | 2016-06-23 | 2019-12-24 | 北京国双科技有限公司 | 一种确定网站可用性的方法及装置 |
CN112104498B (zh) * | 2016-11-17 | 2023-04-07 | 贵州白山云科技股份有限公司 | 一种dns服务质量评定方法、装置、介质及设备 |
CN112104498A (zh) * | 2016-11-17 | 2020-12-18 | 贵州白山云科技股份有限公司 | 一种dns服务质量评定方法、装置、介质及设备 |
CN106656603A (zh) * | 2016-12-24 | 2017-05-10 | 桂林电子科技大学 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
CN108280103B (zh) * | 2017-02-10 | 2022-01-07 | 阿里巴巴(中国)有限公司 | 网站指标统计方法、装置及服务器 |
CN108280103A (zh) * | 2017-02-10 | 2018-07-13 | 广州市动景计算机科技有限公司 | 网站指标统计方法、装置及服务器 |
JP2020516187A (ja) * | 2017-04-01 | 2020-05-28 | エヌエスフォーカス インフォメーション テクノロジー カンパニー,リミテッドNsfocus Information Technology Co.,Ltd | Dnsを評価するための方法及び装置 |
CN106911536B (zh) * | 2017-04-14 | 2019-08-20 | 四川大学 | 一种基于模糊综合评价模型的dns健康度评估方法 |
CN106911536A (zh) * | 2017-04-14 | 2017-06-30 | 四川大学 | 一种基于模糊综合评价模型的dns健康度评估方法 |
CN108271046A (zh) * | 2017-12-25 | 2018-07-10 | 李文清 | 一种智能网络视频服务系统 |
CN108769286B (zh) * | 2018-05-25 | 2021-10-01 | Oppo(重庆)智能科技有限公司 | Dns服务器配置方法及相关产品 |
CN108769286A (zh) * | 2018-05-25 | 2018-11-06 | Oppo(重庆)智能科技有限公司 | Dns服务器配置方法及相关产品 |
CN111369084A (zh) * | 2018-12-25 | 2020-07-03 | 中国移动通信集团浙江有限公司 | 内容网络中资源质量评分方法 |
CN110825946A (zh) * | 2019-10-31 | 2020-02-21 | 北京邮电大学 | 网站评估方法、装置及电子设备 |
CN111444961A (zh) * | 2020-03-26 | 2020-07-24 | 国家计算机网络与信息安全管理中心黑龙江分中心 | 一种通过聚类算法判定互联网网站归属的方法 |
CN111444961B (zh) * | 2020-03-26 | 2023-08-18 | 国家计算机网络与信息安全管理中心黑龙江分中心 | 一种通过聚类算法判定互联网网站归属的方法 |
CN112714100A (zh) * | 2020-11-30 | 2021-04-27 | 互联网域名系统北京市工程研究中心有限公司 | 域名解析服务安全的预测方法和系统 |
CN112714100B (zh) * | 2020-11-30 | 2023-01-10 | 互联网域名系统北京市工程研究中心有限公司 | 域名解析服务安全的预测方法和系统 |
CN113630629A (zh) * | 2021-08-05 | 2021-11-09 | 哈尔滨工业大学(威海) | 在线视频内嵌恶意域名获取及危害性评估的方法 |
CN113630629B (zh) * | 2021-08-05 | 2023-05-02 | 哈尔滨工业大学(威海) | 在线视频内嵌恶意域名获取及危害性评估的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103929330B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103929330A (zh) | 域名服务质量评估方法及系统 | |
WO2022111327A1 (zh) | 风险等级的数据处理方法及装置、存储介质、电子设备 | |
US8417654B1 (en) | Decision tree refinement | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
JP2018538587A (ja) | リスク評価方法およびシステム | |
CN108833139B (zh) | 一种基于类别属性划分的ossec报警数据聚合方法 | |
CN105488023B (zh) | 一种文本相似度评估方法及装置 | |
CN110348238B (zh) | 一种面向应用的隐私保护分级方法及装置 | |
Nandurge et al. | Analyzing road accident data using machine learning paradigms | |
WO2021254027A1 (zh) | 一种可疑社团的识别方法、装置、存储介质和计算机设备 | |
CN105574544A (zh) | 一种数据处理方法和装置 | |
CN104320271B (zh) | 一种网络设备安全评估方法及装置 | |
WO2020100108A1 (en) | Systems and method for scoring entities and networks in a knowledge graph | |
CN105072214A (zh) | 基于域名特征的c&c域名识别方法 | |
CN103095728A (zh) | 一种基于行为数据融合的网络安全评分系统和方法 | |
TW202042132A (zh) | 一種異常交易節點的檢測方法及裝置 | |
CN110011976B (zh) | 一种网络攻击破坏能力量化评估方法及系统 | |
CN106209856A (zh) | 基于可信计算的大数据安全态势地图生成方法 | |
US20220277174A1 (en) | Evaluation method, non-transitory computer-readable storage medium, and information processing device | |
WO2022133889A1 (zh) | 基于设备监理的电站设备质量数据处理方法及装置 | |
CN106611339B (zh) | 种子用户筛选方法、产品的用户影响力评价方法及装置 | |
CN106066964B (zh) | 一种基于多级评价指标的网络攻击方案的评价方法 | |
CN112100618B (zh) | 一种病毒文件检测方法、系统、设备及计算机存储介质 | |
CN114679335A (zh) | 电力监控系统网络安全风险评估训练、评估方法及设备 | |
CN107766412A (zh) | 一种建立主题地图的方法、系统和装置 |
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 |