CN104615484A - 自适应沙盒构建方法及其系统 - Google Patents
自适应沙盒构建方法及其系统 Download PDFInfo
- Publication number
- CN104615484A CN104615484A CN201510080514.7A CN201510080514A CN104615484A CN 104615484 A CN104615484 A CN 104615484A CN 201510080514 A CN201510080514 A CN 201510080514A CN 104615484 A CN104615484 A CN 104615484A
- Authority
- CN
- China
- Prior art keywords
- environment
- emulation
- simulated environment
- gene
- cross platform
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了自适应沙盒构建方法及其系统。包括,解析跨平台系统数据,获得系统的基础信息;根据获得的基础信息构建样本仿真环境;计算样本仿真环境中个体的生存概率,筛选适应度强的个体作为父代,从而产生下一代,直至样本仿真环境能模拟跨平台系统。还可以包括根据交叉算子来筛选。本发明还提供一种用于自适应沙盒构建的系统本发明的方法通过解析跨平台系统数据,构建仿真环境样本,利用变异的遗传算法计算自适应仿真环境,有效解决了自动识别不同种类、不同版本操作系统并进行场景重现的技术难题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及自适应沙盒构建方法。
背景技术
随着信息技术的快速发展,越来越多的信息存储从传统的计算机扩展到移动智能终端及网络空间中。目前国内外仿真取证产品仅实现了单纯的计算机虚拟环境模拟,不支持移动智能终端的仿真,缺乏对网络空间的数据进行动态提取与分析的手段,且尚未实现仿真失败时的动态调整及仿真后对系统安全体系的突破。本方法通过对移动智能终端、计算机等电子设备存储的介质数据进行解析,重现出硬件、操作系统、网络、用户环境和应用程序五个层次现场场景,对介质存储信息的分析从静态分析扩展到针对运行态数据的动态分析,有效解决了自动识别不同种类、不同版本操作系统并进行场景重现的技术难题。
发明内容
本发明的目的在于提供一种自动识别不同种类、不同版本操作系统并进行场景重现的自适应沙盒构建方法。
为实现上述目的, 本发明提供自适应沙盒构建方法,其特征在于,包括,
解析跨平台系统数据,获得系统的基础信息;
构建样本仿真环境:根据获得的基础信息构建样本仿真环境;
筛选并得到样本仿真环境:计算样本仿真环境中个体的生存概率,筛选适应度强的个体作为父代,从而产生下一代 ,直至样本仿真环境能模拟跨平台系统。
所述筛选还包括根据交叉算子来筛选;所述交叉算子根据基因组黑名单的动态生成交叉率,间接剔除无法互容的基因组合,所述基因组黑名单是通过构建沙盒实验过程中收集的无法共存的基因组合,即事先准备一些跨平台系统,对仿真环境样本不断替换基因进行测试,在这过程中可以发现一些无法共存的基因组,所述动态生成交叉率,即为取生存率最高基因a为基准基因,通过基因黑名单查询已知无法契合该基因的所有基因b,通过降低基因b的生存概率,进而降低基因a和基因b组合概率,例如,个体A包含基因a和基因c,个体B包含基因b和基因d,当个体A和个体B进行交叉生成新个体C时,新个体C的基因组合存在基因a和基因b、基因a和基因d、基因c和基因b、基因c和基因d等4种组合情况,生成每一种组合的交叉率都为25%,但是通过所述动态生成交叉率后,干预了基因a和基因b的组合概率,则新个体C的基因组合变为基因a和基因d、基因c和基因b、基因c和基因d等3种情况,此时生成每一种组合的交叉率提升为33.3%,这样就间接剔除了无法互容的基因组合。
所述解析跨平台系统数据,获得系统的基础信息为通过定位跨平台系统位置,对跨平台系统位置的系统文件进行分析,从而获取跨平台系统所依赖的基础硬件信息以及跨平台系统中存在的用户信息;其中基础硬件信息包括系统类型、系统位置、系统名称。
所述跨平台系统为管理和控制计算机硬件与软件资源的系统软件;优选Android、Windows、Linux、MacOS。
所述构建样本仿真环境为基于系统的基础信息,对其可能存在的部分仿真环境进行组合构建。例如,硬件环境中的处理器个数可以为1个或者2个,硬盘类型可以为IDE或者SCSI等等,构建样本仿真环境时,可将硬件环境中的处理器个数设为1个、硬盘类型设为IDE作为一个环境样本。
所述仿真环境包括硬件环境仿真、系统环境仿真、网络环境仿真、用户环境仿真和应用环境仿真的一种或多种组合;其中,所述硬件环境仿真,包括处理器、内存、硬盘、网卡、显卡、虚拟硬件的不同类型的一种或多种组合;所述系统环境仿真,包括系统名、版本、类型、根目录、时间、驱动、服务等信息的仿真;所述网络环境仿真,包括TCP/IP、NetBEUI、IPX/SPX等网络协议的仿真;所述用户环境仿真,包括用户配置、用户名、用户痕迹等工作环境的仿真;所述应用环境仿真,包括网络协议应用程序、网络通信应用程序、本地应用程序、专用或特殊应用程序。
所述生存概率是指根据个体适应度情况,可得知个体的哪些基因适合仿真系统环境,哪些基因导致系统无法正常仿真等,通过计算适合仿真环境基因比例;
所述适应度强的个体为将所述仿真环境样本设定为初始种群,通过并行计算种群内不同个体的适应度选择出适应度强的个体;所述初始种群为所有仿真环境样本的集合的统称;所述并行计算是通过多线程调度系统多核资源,同时计算个体的适应度;具体为将个体适应度按高低进行排列,按照比例选取较高适应度的个体作为父代,该比例一般为50%左右,也可根据具体情况进行控制,例如当适应度成两极分化时,可直接选取其分化点作为比例,例如,当适应度在90%左右的占种群的30%,而其它70%的个体适应度基本在40%左右,则该比例可调整至30%。
所述将适应度强的个体作为父代产生下一代时,可将种群中的两个个体随机交换基因,新个体组合了父代个体的特性。
本发明还提供一种用于自适应沙盒构建的系统,其特征在于,包括:
解析模块,用于对跨平台系统数据进行解析从而获得系统的基础信息;
构建模块,用于根据获得的基础信息构建样本仿真环境;
计算模块,用于计算所构建的样本仿真环境中个体的生存概率;
筛选模块,用于根据个体的生存概率,或和交叉算子,来筛选适应度强的个体作为父代,从而产生下一代;
判断模块,用于判断仿真环境是否能模拟跨平台系统;
若仿真环境不能模拟跨平台系统,则继续筛选模块,直至仿真环境能模拟跨平台系统。
跨平台系统为管理和控制计算机硬件与软件资源的系统软件;优选Android、Windows、Linux、MacOS;
所述仿真环境包括硬件环境仿真、系统环境仿真、网络环境仿真、用户环境仿真和应用环境仿真的一种或多种组合;其中,所述硬件环境仿真,包括处理器、内存、硬盘、网卡、显卡、虚拟硬件的不同类型的一种或多种组合;所述系统环境仿真,包括系统名、版本、类型、根目录、时间、驱动、服务等信息的仿真;所述网络环境仿真,包括TCP/IP、NetBEUI、IPX/SPX等网络协议的仿真;所述用户环境仿真,包括用户配置、用户名、用户痕迹等工作环境的仿真;所述应用环境仿真,包括网络协议应用程序、网络通信应用程序、本地应用程序、专用或特殊应用程序。
本发明通过解析所述跨平台系统数据,构建所述仿真环境样本,利用所述变异的遗传算法计算自适应所述仿真环境,其中,所述变异的遗传算法,其特征在于,从代表问题可能潜在的解集的一个所述种群开始,其中所述种群内每个个体,实际上是染色体带有特征的实体,按照适者生存和优胜劣汰的原理,逐代演化产生越来越好的近似解,根据每一代的个体适应度进行组合交叉生成新种群,经过不断繁衍,当个体适应度为百分百时,算法将会得到最优解,即通过所述仿真环境能成功模拟跨平台系统。
根据本发明提供的具体实施例,本发明公开了以下技术效果:通过本发明提供的自适应沙盒构建方法,可以实现通过解析跨平台系统数据,构建仿真环境样本,利用变异的遗传算法计算自适应仿真环境,有效解决了自动识别不同种类、不同版本操作系统并进行场景重现的技术难题。
发明人在实现本发明的过程中发现,目前国内外仿真取证产品仅实现了单纯的计算机虚拟环境模拟,不支持移动智能终端的仿真,缺乏对网络空间的数据进行动态提取与分析的手段,且尚未实现仿真失败时的动态调整及仿真后对系统安全体系的突破,为了进一步提升仿真系统类型的兼容性,在本发明实施例中,提供了一种基于变异遗传算法的自适应沙盒构建方法,该方法包括:不同的仿真环境样本和变异的遗传算法。
具体实现时,本发明实施例将首先解析跨平台系统数据,其中,跨平台系统包括但不限于Android、Windows、Linux、MacOS等管理和控制计算机硬件与软件资源的系统软件,其中,通过对系统的启动区域进行解析,可以获知系统的基础信息,其中系统的基础信息包括但不限于系统类型、系统位置、系统名称等,其中,通过系统的基础信息可以定位系统位置,对系统位置的系统文件进行分析,可以获取系统所依赖的基础硬件信息以及系统中存在的用户信息。
在提供了上述解析跨平台系统数据的基础上,本发明实施例将提供构建仿真环境样本,的方法,其中,仿真环境包括但不限于硬件环境仿真、系统环境仿真、网络环境仿真、用户环境仿真和应用环境仿真的一种或多种组合。其中,硬件环境仿真,包括但不限于处理器、内存、硬盘、网卡、显卡等虚拟硬件的不同类型的一种或多种组合的仿真。其中,系统环境仿真,包括但不限于系统名、版本、类型、根目录、时间、驱动、服务等信息的仿真。其中,网络环境仿真,包括但不限于TCP/IP、NetBEUI、IPX/SPX等网络协议的仿真。其中,用户环境仿真,包括但不限于用户配置、用户名、用户痕迹等工作环境的仿真。其中,应用环境仿真,包括但不限于网络协议应用程序、网络通信应用程序、本地应用程序、专用或特殊应用程序等。其中,通过上述提供的系统数据,往往无法直接得到系统对应的仿真环境,所以需要基于系统数据,对其可能存在的部分仿真环境进行组合构建,例如,硬件环境中的处理器个数可以为1个或者2个,硬盘类型可以为IDE或者SCSI等等。
另外,在提供了上述仿真环境样本的基础上,本发明实施例还提供了通过这些仿真环境样本进行仿真环境自适应的变异的遗传算法,其中,将这些仿真环境样本设定为初始种群;其中,所述的初始种群,为所有仿真环境样本的集合的统称;通过并行计算种群内不同个体的适应度,可以选择出适应度强的个体;其中,所述并行计算,是通过多线程调度系统多核资源,同时计算个体的适应度,其中,所述个体的适应度,从初始种群中随机选取一个个体,即一个仿真环境样本,通过该仿真环境对系统尝试仿真,在仿真环境验证过程中设立触发点,每个触发点根据其重要程度设置权值,所触发的权值占所有权值的比例即为个体的适应度,基于适应度计算其生存概率,其中,所述计算生存概率,根据个体适应度情况,可得知个体的哪些基因适合仿真系统环境,哪些基因导致系统无法正常仿真等,通过计算适合仿真环境基因比例,即为生存概率,并根据生存概率不断将适应度强的个体作为父代产生下一代,直到仿真环境能成功模拟跨平台系统(即当成功模拟跨平台系统后,可与在正常计算机上一样,对系统进行操作)。其中,在将适应度强的个体作为父代产生下一代时,可将种群中的两个个体随机交换基因,新个体组合了父代个体的特性,例如,仿真环境A包含处理器1个、硬盘类型IDE等,仿真B包含处理器2个、硬盘类型SCSI等,其中,所述新个体的产生可以从仿真环境A和B中各取一部分基因形成新个体C,新个体C包含处理器1个,硬盘类型SCSI等,实际应用中,为了得到高适应的组合和保证算法效率,引入了交叉算子,交叉算子根据预先搜集的基因组黑名单,动态生成交叉率,间接剔出了许多已知的适应度不强的基因组合,有效提升了仿真环境自适应的进程,其中,所述动态生成交叉率,根据所述生存概率可得知个体的基因a更能适应系统仿真,通过基因黑名单查询已知无法契合该基因的所有基因b,通过降低基因b的生存概率,进而降低基因a和基因b组合概率,例如,个体A包含基因a和基因c,个体B包含基因b和基因d,当个体A和个体B进行交叉生成新个体C时,新个体C的基因组合存在基因a和基因b、基因a和基因d、基因c和基因b、基因c和基因d等4种组合情况,生成每一种组合的交叉率都为25%,但是通过所述动态生成交叉率后,干预了基因a和基因b的组合概率,则新个体C的基因组合变为基因a和基因d、基因c和基因b、基因c和基因d等3种情况,此时生成每一种组合的交叉率提升为33.3%。
本发明实施例涉及到的关键技术包括:跨平台系统解析技术;遗传智能修复技术;特征基因协助技术;沙盒通信技术;并行仿真协作技术等。其中,所述跨平台系统解析技术,通过解析启动信息和文件系统,有效获取系统信息的技术。其中,所述遗传智能修复技术,即为自适应仿真环境的变异遗传算法。其中,所述特征基因协助技术,即通过基因黑名单动态生成交叉率的技术。其中,所述沙盒通信技术,通过与沙盒的消息通信机制,能有效监控沙盒状态的技术。其中,所述并行仿真协作技术,通过多线程调度系统多核资源,有效提升仿真效率的技术。通过上述方法有效解决了自动识别不同种类、不同版本操作系统并进行场景重现的技术难题。适用于移动智能终端、计算机等不同平台系统的仿真。
附图说明
图1是本发明一实施例的系统结构示意图。
具体实施方式
为了实现本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的说明。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。
参见图1,本发明提供了一种系统,该系统100可适用于移动智能终端、计算机等不同平台系统的仿真。通过该系统100,有效解决了自动识别不同种类、不同版本操作系统并进行场景重现的技术难题。具体的,系统100包括:
模块10,用于对跨平台系统数据进行解析从而获得系统的基础信息;通过解析跨平台系统数据,获得系统的基础信息为通过定位跨平台系统位置,对跨平台系统位置的系统文件进行分析,从而获取跨平台系统所依赖的基础硬件信息以及跨平台系统中存在的用户信息;其中基础硬件信息包括系统类型、系统位置、系统名称。所述跨平台系统为管理和控制计算机硬件与软件资源的系统软件;优选Android、Windows、Linux、MacOS。
模块20,用于根据获得的基础信息构建样本仿真环境;通过上述提供的系统的基础信息,往往无法直接得到系统对应的仿真环境,所以需要基于系统的基础信息,对其可能存在的部分仿真环境进行组合构建。例如,硬件环境中的处理器个数可以为1个或者2个,硬盘类型可以为IDE或者SCSI等等,可将硬件环境中的处理器个数设为1个、硬盘类型设为IDE作为一个环境样本。所述仿真环境包括硬件环境仿真、系统环境仿真、网络环境仿真、用户环境仿真和应用环境仿真的一种或多种组合;其中,所述硬件环境仿真,包括处理器、内存、硬盘、网卡、显卡、虚拟硬件的不同类型的一种或多种组合;所述系统环境仿真,包括系统名、版本、类型、根目录、时间、驱动、服务等信息的仿真;所述网络环境仿真,包括TCP/IP、NetBEUI、IPX/SPX等网络协议的仿真;所述用户环境仿真,包括用户配置、用户名、用户痕迹等工作环境的仿真;所述应用环境仿真,包括网络协议应用程序、网络通信应用程序、本地应用程序、专用或特殊应用程序。
模块30,用于计算所构建的样本仿真环境中个体的生存概率;生存概率是指根据个体适应度情况,可得知个体适合仿真系统环境的基因,通过计算适合仿真环境基因比例,可得到该个体的生存概率,所述适合仿真系统环境的基因是指能成功仿真环境中一部分,例如,设基因A为硬盘类型IDE,包含基因A的样本仿真环境在仿真系统过程中,当基因A位置出错,即系统的硬盘类型无法为IDE时,则代表基因A不适合仿真当前系统;
所述适应度强的个体为将所述仿真环境样本设定为初始种群,通过并行计算种群内不同个体的适应度选择出适应度强的个体;所述初始种群为所有仿真环境样本的集合的统称;所述并行计算是通过多线程调度系统多核资源,同时计算个体的适应度;
所述个体的适应度,从初始种群中随机选取一个个体,即一个仿真环境样本,通过该仿真环境对系统尝试仿真,在仿真环境验证过程中设立触发点,每个触发点根据其重要程度设置权值,所触发的权值占所有权值的比例即为个体的适应度,基于适应度计算其生存概率,所述适应度强的个体,即将个体适应度按高低进行排列,按照比例选取较高适应度的个体作为父代,该比例一般为50%左右,也可根据具体情况进行控制,例如当适应度成两极分化时,可直接选取其分化点作为比例,例如,当适应度在90%左右的占种群的30%,而其它70%的个体适应度基本在40%左右,则该比例可调整至30%;
模块40,用于根据个体的生存概率,或和交叉算子,来筛选适应度强的个体作为父代,从而产生下一代;将适应度强的个体作为父代产生下一代时,可将种群中的两个个体随机交换基因,新个体组合了父代个体的特性。例如,仿真环境A包含处理器1个、硬盘类型IDE等,仿真B包含处理器2个、硬盘类型SCSI等,其中,所述新个体的产生可以从仿真环境A和B中各取一部分基因形成新个体C,新个体C包含处理器1个,硬盘类型SCSI等,实际应用中,为了得到高适应的组合和保证算法效率,引入了交叉算子,根据基因组黑名单的动态生成交叉率,间接剔除无法互容的基因组合,所述基因组黑名单是通过沙盒构建实验过程中收集的无法共存的基因组合;有效提升了仿真环境自适应的进程,其中,所述动态生成交叉率,即为取生存率最高基因a为基准基因,通过基因黑名单查询已知无法契合该基因的所有基因b,通过降低基因b的生存概率,进而降低基因a和基因b组合概率,例如,个体A包含基因a和基因c,个体B包含基因b和基因d,当个体A和个体B进行交叉生成新个体C时,新个体C的基因组合存在基因a和基因b、基因a和基因d、基因c和基因b、基因c和基因d等4种组合情况,生成每一种组合的交叉率都为25%,但是通过所述动态生成交叉率后,干预了基因a和基因b的组合概率,则新个体C的基因组合变为基因a和基因d、基因c和基因b、基因c和基因d等3种情况,此时生成每一种组合的交叉率提升为33.3%。
模块50,用于判断仿真环境是否能模拟跨平台系统;若仿真环境不能模拟跨平台系统,则继续筛选模块,直至仿真环境能模拟跨平台系统,即当成功模拟跨平台系统后,可与在正常计算机上一样,对系统进行操作。
通过以上的实施方式,本领域的技术人员可以清楚了解到本发明可以借助软件加必须的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术作出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,包括若干指令用以使得一台计算机设备执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处,相关之处参见方法实施例的部分说明即可。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种自适应沙盒构建方法,其特征在于,包括,
解析跨平台系统数据,获得系统的基础信息;
构建样本仿真环境:根据获得的基础信息构建样本仿真环境;
筛选并得到样本仿真环境:计算样本仿真环境中个体的生存概率,筛选适应度强的个体作为父代,从而产生下一代 ,直至样本仿真环境能模拟跨平台系统。
2.权利要求1所述自适应沙盒构建方法,其特征在于,所述筛选还包括根据交叉算子来筛选;所述交叉算子根据基因组黑名单的动态生成交叉率,间接剔除无法互容的基因组合,所述基因组黑名单是通过沙盒构建实验过程中收集的无法共存的基因组合。
3.权利要求1或2所述自适应沙盒构建方法,其特征在于,所述解析跨平台系统数据,获得系统的基础信息为通过定位跨平台系统位置,对跨平台系统位置的系统文件进行分析,从而获取跨平台系统所依赖的基础硬件信息以及跨平台系统中存在的用户信息;其中基础硬件信息包括系统类型、系统位置、系统名称。
4.权利要求1-3任一所述自适应沙盒构建方法,其特征在于,所述跨平台系统为管理和控制计算机硬件与软件资源的系统软件;优选Android、Windows、Linux、MacOS。
5.权利要求1或2所述自适应沙盒构建方法,其特征在于,所述构建样本仿真环境为基于系统的基础信息,对其可能存在的部分仿真环境进行组合构建;
所述仿真环境包括硬件环境仿真、系统环境仿真、网络环境仿真、用户环境仿真和应用环境仿真的一种或多种组合;其中,所述硬件环境仿真,包括处理器、内存、硬盘、网卡、显卡、虚拟硬件的不同类型的一种或多种组合;所述系统环境仿真,包括系统名、版本、类型、根目录、时间、驱动、服务等信息的仿真;所述网络环境仿真,包括TCP/IP、NetBEUI、IPX/SPX等网络协议的仿真;所述用户环境仿真,包括用户配置、用户名、用户痕迹等工作环境的仿真;所述应用环境仿真,包括网络协议应用程序、网络通信应用程序、本地应用程序、专用或特殊应用程序。
6.权利要求1或2所述自适应沙盒构建方法,其特征在于, 所述筛选并得到样本仿真环境中,
所述生存概率是指根据个体适应度情况,可得知个体的哪些基因适合仿真系统环境,哪些基因导致系统无法正常仿真等,通过计算适合仿真环境基因比例;
所述适应度强的个体为将所述仿真环境样本设定为初始种群,通过并行计算种群内不同个体的适应度选择出适应度强的个体;所述初始种群为所有仿真环境样本的集合的统称;所述并行计算是通过多线程调度系统多核资源,同时计算个体的适应度;
所述将适应度强的个体作为父代产生下一代时,可将种群中的两个个体随机交换基因,新个体组合了父代个体的特性。
7.一种用于自适应沙盒构建的系统,其特征在于,包括:
解析模块,用于对跨平台系统数据进行解析从而获得系统的基础信息;
构建模块,用于根据获得的基础信息构建样本仿真环境;
计算模块,用于计算所构建的样本仿真环境中个体的生存概率;
筛选模块,用于根据个体的生存概率,或和交叉算子,来筛选适应度强的个体作为父代,从而产生下一代;
判断模块,用于判断仿真环境是否能模拟跨平台系统;
若仿真环境不能模拟跨平台系统,则继续筛选模块,直至仿真环境能模拟跨平台系统。
8.权利要求7所述用于自适应沙盒构建的系统,其特征在于,所述跨平台系统为管理和控制计算机硬件与软件资源的系统软件;优选Android、Windows、Linux、MacOS;
所述仿真环境包括硬件环境仿真、系统环境仿真、网络环境仿真、用户环境仿真和应用环境仿真的一种或多种组合;其中,所述硬件环境仿真,包括处理器、内存、硬盘、网卡、显卡、虚拟硬件的不同类型的一种或多种组合;所述系统环境仿真,包括系统名、版本、类型、根目录、时间、驱动、服务等信息的仿真;所述网络环境仿真,包括TCP/IP、NetBEUI、IPX/SPX等网络协议的仿真;所述用户环境仿真,包括用户配置、用户名、用户痕迹等工作环境的仿真;所述应用环境仿真,包括网络协议应用程序、网络通信应用程序、本地应用程序、专用或特殊应用程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510080514.7A CN104615484B (zh) | 2015-02-13 | 2015-02-13 | 自适应沙盒构建方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510080514.7A CN104615484B (zh) | 2015-02-13 | 2015-02-13 | 自适应沙盒构建方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104615484A true CN104615484A (zh) | 2015-05-13 |
CN104615484B CN104615484B (zh) | 2017-11-07 |
Family
ID=53149940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510080514.7A Active CN104615484B (zh) | 2015-02-13 | 2015-02-13 | 自适应沙盒构建方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615484B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762826A (zh) * | 2018-04-23 | 2018-11-06 | 厦门市美亚柏科信息股份有限公司 | 进程隐藏方法及计算机可读存储介质 |
CN115510427A (zh) * | 2022-11-21 | 2022-12-23 | 博智安全科技股份有限公司 | 跨平台进程运行可信监控方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050005085A1 (en) * | 2003-07-04 | 2005-01-06 | Semiconductor Energy Laboratory Co., Ltd. | Microprocessor using genetic algorithm |
CN101645048A (zh) * | 2009-08-27 | 2010-02-10 | 公安部第三研究所 | 计算机虚拟化取证的实现方法 |
EP2437165A1 (en) * | 2010-09-13 | 2012-04-04 | British Telecommunications Public Limited Company | Distributing software applications to virtual machines using genetic algorithms with already optimized initial values |
CN103077261A (zh) * | 2012-11-23 | 2013-05-01 | 厦门美亚中敏电子科技有限公司 | 一种虚拟环境智能修复的计算机动态仿真方法 |
CN103544354A (zh) * | 2013-10-31 | 2014-01-29 | 厦门市美亚柏科信息股份有限公司 | 基于网络的并行计算机动态仿真方法和装置 |
CN103678046A (zh) * | 2014-01-06 | 2014-03-26 | 厦门市美亚柏科信息股份有限公司 | 一种针对受破坏数据的计算机动态仿真方法及装置 |
-
2015
- 2015-02-13 CN CN201510080514.7A patent/CN104615484B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050005085A1 (en) * | 2003-07-04 | 2005-01-06 | Semiconductor Energy Laboratory Co., Ltd. | Microprocessor using genetic algorithm |
CN101645048A (zh) * | 2009-08-27 | 2010-02-10 | 公安部第三研究所 | 计算机虚拟化取证的实现方法 |
EP2437165A1 (en) * | 2010-09-13 | 2012-04-04 | British Telecommunications Public Limited Company | Distributing software applications to virtual machines using genetic algorithms with already optimized initial values |
CN103077261A (zh) * | 2012-11-23 | 2013-05-01 | 厦门美亚中敏电子科技有限公司 | 一种虚拟环境智能修复的计算机动态仿真方法 |
CN103544354A (zh) * | 2013-10-31 | 2014-01-29 | 厦门市美亚柏科信息股份有限公司 | 基于网络的并行计算机动态仿真方法和装置 |
CN103678046A (zh) * | 2014-01-06 | 2014-03-26 | 厦门市美亚柏科信息股份有限公司 | 一种针对受破坏数据的计算机动态仿真方法及装置 |
Non-Patent Citations (2)
Title |
---|
易惠芳: "事件实时记录与分析技术研究与实现", 《万方数据库》 * |
蔡良伟 等: "遗传算法交叉操作的改进", 《系统工程与电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762826A (zh) * | 2018-04-23 | 2018-11-06 | 厦门市美亚柏科信息股份有限公司 | 进程隐藏方法及计算机可读存储介质 |
CN115510427A (zh) * | 2022-11-21 | 2022-12-23 | 博智安全科技股份有限公司 | 跨平台进程运行可信监控方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104615484B (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Durrani et al. | Volunteer computing: requirements, challenges, and solutions | |
KR101681855B1 (ko) | 공격에 대한 네트워크 복원성을 시뮬레이트하기 위한 방법 및 장치 | |
CN104317749B (zh) | 信息写入方法和装置 | |
Baillie et al. | Cyborg: An autonomous cyber operations research gym | |
CN108197486A (zh) | 大数据脱敏方法、系统、计算机可读介质及设备 | |
Yeh et al. | Predicting Spread Probability of Learning‐Effect Computer Virus | |
CN112968798B (zh) | 适用于电力工控靶场平台的虚实网络环境自动生成方法 | |
CN113010393A (zh) | 基于混沌工程的故障演练方法及装置 | |
CN112636982A (zh) | 网络对抗环境配置方法及用于网络对抗的实验云平台系统 | |
CN107545178A (zh) | 一种云应用的检测方法及云应用检测装置 | |
CN115116537B (zh) | 生物分子功能性动力学多转变路径的计算方法及系统 | |
CN102141911B (zh) | 利用uml时序图开发的方法和活动图生成工具 | |
CN104615484A (zh) | 自适应沙盒构建方法及其系统 | |
Berger et al. | Does my bft protocol implementation scale? | |
CN105354346B (zh) | 一种风电机组参数辨识方法 | |
CN113495094B (zh) | 分子质谱模型的训练方法、分子质谱模拟方法和计算机 | |
CN112422540B (zh) | 一种拟态waf中的执行体动态变换方法 | |
CN113206712B (zh) | 一种软件无线电符合性测试方法及系统 | |
Dai et al. | An improved straggler identification scheme for data-intensive computing on cloud platforms | |
Shahbazian et al. | Making well-informed software design decisions | |
CN110708342B (zh) | 恶意攻击对信息物理电力系统影响的量化方法及系统 | |
Weise et al. | Genetic programming techniques for sensor networks | |
CN113596061A (zh) | 基于区块链技术的网络安全漏洞响应方法及系统 | |
KR20160014174A (ko) | 에이전트 기반 마이크로 시뮬레이션 시스템 및 방법 | |
KR20200075407A (ko) | 원자력발전소 사이버 취약성 시험을 위한 가상 물리 시스템 및 그 방법 |
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 |