CN107316056B - 一种网络安防等级自动化评定系统、自动评定方法 - Google Patents
一种网络安防等级自动化评定系统、自动评定方法 Download PDFInfo
- Publication number
- CN107316056B CN107316056B CN201710389937.6A CN201710389937A CN107316056B CN 107316056 B CN107316056 B CN 107316056B CN 201710389937 A CN201710389937 A CN 201710389937A CN 107316056 B CN107316056 B CN 107316056B
- Authority
- CN
- China
- Prior art keywords
- network security
- security
- level
- configuration
- network
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims description 31
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种网络安防等级自动化评定系统和方法,所述网络安防等级自动化评定系统包括:配置可调的网络安防设备和网络安防控制中心;所述配置可调的网络安防设备根据配置的调整,调整工作状态、工作参数;以及定期上报自身信息到网络安防控制中心;所述的网络安防控制中心管理、控制所在计算机网络内多个网络安防设备,接收网络安防设备的定期信息上报,更新全网安防状态,并对当前网络安防等级进行自动评定,给出当前网络的安防等级。本发明的系统和方法均无需人为干预,提高了评定精度,实现了定量、有根据的安防等级评定。
Description
技术领域
本发明涉及网络安防技术领域,尤其涉及一种网络安防等级自动化评定系统和一种安防等级自动评定方法。
背景技术
随着计算机网络技术的发展,计算机网络在军队中的应用越来越广泛,与此同时,计算机网络的安全性也得到了越来越高的重视,越来越多的计算机网络安防设备被应用在了军队计算机网络中。与此同时,对计算机网络的安防状态进行评价成为了一个复杂问题,在不同计算机网络中存在不同的网络安防设备,每个设备具有不同的安防配置,如何根据这些信息对当前网络安防等级进行评定,已经成为目前计算机网络安全方面研究的重要问题。
目前主流的计算机网络安防等级评定方法、标准存在以下问题:
1.缺少针对计算机网络的安防等级评定标准。目前主流的安防等级评定标准主要针对完整的大型信息系统,缺少单独针对信息系统中计算机网络部分的专用安防等级的评定标准,从而造成等级评定不合理、不具体等问题。
2.安防等级评定不灵活,区分度低。目前的安防等级评定标准的评定方法,主要通过规定标准安防等级的“标准配置”,符合该标准配置的系统便符合相应的安防等级。但在计算机网络中,由于安防设备数量多、配置情况复杂多变,网络安防配置调整变化后可能与变化前归属于同一安防等级,或某些配置项高于标准配置,而其余配置项低于标准配置,现有安防等级评定标准无法对此类安防配置变化给出合理、准确的评价结果。
3.安防等级评定依赖人为评定。由于计算机网络配置复杂,变化种类多,目前的安防等级评定过程往往需要人的参与,根据当前的配置情况给出安防等级评定结果,依赖于专家经验,难以自动化进行。因此无法适应于配置频繁变动的计算机网络。
综上所述,现有计算机网络安防评定方法缺乏标准、评价不灵活、依赖人为评定等问题。因此,有必要提供一种网络安防等级自动化评定系统和安防等级自动评定方法,实现定量、自动化、精确的等级评定。
发明内容
鉴于上述的分析,本发明旨在提供一种网络安防等级自动化评定系统和一种安防等级自动评定方法,用以解决现有的计算机网络安防等级评定不灵活、依赖人为评定的问题。
本发明的目的主要是通过以下技术方案实现的:
提供一种网络安防等级自动化评定系统,具体包括:配置可调的网络安防设备和网络安防控制中心。
所述配置可调的网络安防设备根据配置的调整,调整工作状态、工作参数;以及定期上报自身信息到网络安防控制中心;
所述网络安防控制中心管理、控制所在计算机网络内多个网络安防设备,接收网络安防设备的定期信息上报,更新全网安防状态,并对当前网络安防等级进行自动评定,给出当前网络的安防等级。
进一步的,网络安防控制中心根据设定的自动评定方法和自身储存的安防等级评定标准对当前网络安防等级进行自动评定。
所述自动评定方法是根据特征向量距离对特征向量进行分类。
所述特征向量距离具体是当前网络安防配置特征向量与各等级的基准安防配置的偏差值。
所述安防等级评定标准包括安防设备特征项、特征值、评定权重,以及标准安防等级配置。
本发明还提供了一种网络安防等级自动化评定方法,包括步骤:
步骤S1:网络安防设备上报自身运行状态和/或配置信息到网络安防控制中心;
步骤S2:网络安防控制中心根据上报信息,结合安防等级评定标准,对当前网络安防等级进行自动评定。
其中,步骤S1之后还包括:网络安防控制中心根据上报的信息更新全网安防配置状态。
步骤S2之后还包括:当网络安防设备上报的信息发生变化,或间隔固定时间后,重新开始执行步骤S1到步骤S2,以更新
进一步的,步骤S2还包括:
网络安防控制中心根据上报的信息,提取其中符合安防等级评定标准的特征项,并根据安防等级评定标准得出该特征项的特征值;
整合提取出的每个安防特征项及其特征值,得到当前网络安防状态的特征向量;
基于分类算法计算当前网络安防状态与各等级的基准安防配置的偏差值;
根据偏差值大小判定当前网络安防等级所属等级。
优选的,将偏差值绝对值的最小值所对应的等级作为当前安防等级。
本发明有益效果如下:
相比于现有的安防等级评定方法,本发明提供的安防等级自动评定方法及使用该方法的网络安防等级自动划分系统,能对计算机网络的安防评定更加精确,能够适应于计算机网络中安防设备配置的频繁变化,及时对当前网络安防等级进行评定,无需人为干预。同时,在安防等级评定基础上,本发明的评定方法能够给出当前安防等级与标准等级的偏差值,作为评价当前安防等级的详细参数,实现了定量、有根据的安防等级评定。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为网络安防设备与安防控制中心示意图;
图2为网络安防等级自动化评定方法的流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
下面结合具体实施实例对本发明的技术方案做进一步详细说明。在此,本发明的示意性实施用例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明的一个具体实施例,公开了一种网络安防等级自动化评定系统,包括:
配置可调的网络安防设备和网络安防控制中心。
所述配置可调的网络安防设备为计算机网络中,功能、参数、状态可根据配置调整变化的网络安防硬件、软件。安防设备具有多种工作状态,可根据配置的调整,调整相关的工作状态、工作参数。同时,网络安防设备能定期上报自身安防配置信息到网络安防控制中心。
所述的网络安防控制中心能够管理、控制所在计算机网络内多个安防设备,接收网络安防设备的定期信息上报,根据网络安防设备的上报内容,更新储存在控制中心的全网安防状态,并根据设定的自动评定方法和自身储存的的安防等级评定标准对当前网络安防等级进行自动评定,给出当前网络的安防等级,评定过程无需人为干预。
所述的安防等级评定标准是:针对当前需要进行安防等级评定的计算机网络,结合网络节点数量、安防设备数量、安防设备配置数量,人为给出的安防等级评定标准。该标准规定了若干标准安防等级下的标准安防设备配置,以及各配置项的权重等参数、判定标准,以提供给自动分类方法进行安防等级评价。
所述的自动分类方法基于分类算法进行,包括且不限于基于K-MEANS算法、KNN(最近邻)算法等,根据特征向量距离对特征向量进行分类。网络安防等级自动化评定方法具体为:
根据安防等级评定标准,提取当前网络安防配置中符合标准的特征项及其特征值,构成当前网络安防配置特征向量;
在考虑到权重的情况下,将当前网络安防配置特征向量与安防等级评定标准中各等级的基准安防配置对应特征向量进行计算,获得与各等级的基准安防配置的偏差值(表示特征向量之间的距离);
根据计算出的偏差值,结合安防等级评定标准,给出针对当前安防配置的判定结果。
所述安防等级评定标准是根据所需评定的计算机网络中安防设备具体部署情况,提前制定出的安防等级评定标准,其中包含2个部分:
第一部分为安防设备特征项、特征值、评定权重。其中,安防设备特征项为每个安防设备在评定过程中需要参与评定的配置项,每个安防设备的特征项均在最终整体安防配置特征向量中占有一个特征维度;特征值为该配置项取不同的配置状态时,对特征维度的取值;评定权重为该特征维度在自动评定的偏差值计算中占有的比重。
第二部分为标准安防等级配置。该配置规定了若干标准安防等级,及其对应的基准配置,每个基准配置对应一种唯一确定的全网安防设备配置情况。
所述安防评定标准,将全网安防配置抽象为一个安防特征向量,向量中每一维度的取值代表了网络对应安防设备的配置情况。通过将当前安防配置对应的特征向量与标准配置下的特征向量进行对比,基于权重计算偏差值,进一步判断出当前安防配置符合的安防等级。
本实例的网络有3个网络安防设备A、B、C和一个网络安防控制中心,如图1所示,系统支持本发明的网络安防等级自动化评定方法。
其中,设备A具有配置等级A1、A2、A3,特征权重为0.5;设备B具有配置等级B1、B2,特征权重为1;设备C具有配置等级C1、C2、C3、C4,特征权重为1.5;
安防中心储存的安防等级评定标准中规定了3个标准安防等级配置,分别为一级(A1、B1、C1)、二级(A2、B1、C3)、三级(A3、B2、C4),判定标准为偏差绝对值较小者对应的等级,偏差绝对值相同时取等级较低者。
本发明的另一个具体实施例,公开了一种网络安防等级自动化评定方法,如图2所示,工作流程包括:
步骤S1:网络安防设备上报自身运行状态和/或配置信息到网络安防控制中心;
步骤S2:网络安防控制中心根据上报的信息更新全网安防配置状态;
步骤S3:网络安防控制中心根据上报的信息,结合自动评定方法和自身储存的安防等级评定标准,对当前网络安防等级进行自动评定;
具体的,步骤S3中的自动评定方法是一种安防等级自动评定方法,用于上述网络安防等级自动化评定系统的自动化评定方法中。在本实例中以对安防配置(A1、B1、C2)进行安防等级评定为例进行详细说明,自动评定方法进一步包括如下步骤:
步骤31,配置可调的网络安防设备定期上报自身运行/配置情况到网络安防控制中心。
具体的,设备A上报自身配置信息A1到网络安防控制中心,设备B上报自身配置信息B1到网络安防控制中心,设备C上报自身配置信息C2到网络安防控制中心。
步骤32,网络安防控制中心定期根据上报的网络安防设备的信息,提取其中符合安防等级评定标准的特征项,并根据安防等级评定标准得出该特征项的特征值。
具体的,网络安防控制中心根据3台网络安防设备(A、B、C)上报的配置信息,根据安防等级评定标准,提取出安防特征项A1、B1、C2,并得到对应特征值1、1、2。
步骤33,整合提取出的每个安防特征项及其特征值,得到当前网络安防状态的特征向量,并将当前网络安防状态的特征向量与安防等级评定标准中各等级的基准安防配置所对应的特征向量做比较,基于K-MEANS、KNN等分类算法计算当前网络安防状态与各等级的基准安防配置的偏差值,根据偏差值大小判定当前网络安防等级所属等级,并给出与该等级的偏差值。其中,所述偏差值的计算中考虑了各特征项的权重。
具体的,
整合提取出的每个安防特征项及其特征值,得到当前网络安防状态的特征向量(1,1,2);
将当前网络安防状态的特征向量(1,1,2)与3级基准安防配置所对应的特征向量(1,1,1)、(2,1,3)、(3,2,4)一起,基于K-MEANS算法计算偏差值。其中,特征向量(1,1,1)、(2,1,3)、(3,2,4)分别代表一级基准配置、二级基准配置、三级基准配置。A、B、C网络安防设备的权重分别为0.5、1、1.5,在偏差值计算中考虑了网络安防设备的特征权重。
计算结果为:
与一级基准配置的偏差值为0.5*(1-1)+1*(1-1)+1.5*(2-1)=1.5
与二级基准配置的偏差值为0.5*(1-2)+1*(1-1)+1.5*(2-3)=-2
与三级基准配置的偏差值为0.5*(1-3)+1*(1-2)+1.5*(2-4)=-5
根据偏差值比较,将偏差值绝对值的最小值所对应的等级作为当前安防等级,这表示当前配置的特征向量与每个“标准配置”的特征向量会有一个距离,将距离当前配置最近的等级,最为评定结果。上述实施例中当前安防等级为一级,偏差值1.5。
步骤S4:当网络安防设备上报的信息发生变化,或间隔固定时间后,重新开始执行步骤S1到步骤S3,以更新网络安防等级的评定结果。
综上所述,本发明实施例提供了一种网络安防等级自动化评定系统和一种安防等级自动评定方法,在网络安防等级自动化评定系统中配置了可调整可上报的安防设备、安防控制中心,安防控制中心中设置了与安防等级一一对应的标准安防配置、以及基于分类算法的安防等级评定方法,如此实现了对计算机网络安防的精确评定,能够适应于计算机网络中安防设备配置的频繁变化,实现了定量、有根据的安防等级评定,无需人为干预。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种网络安防等级自动化评定系统,其特征在于,包括:配置可调的网络安防设备和网络安防控制中心;
所述配置可调的网络安防设备根据配置的调整,调整工作状态、工作参数;以及定期上报自身安防配置信息到网络安防控制中心;
所述网络安防控制中心管理、控制所在计算机网络内多个网络安防设备,接收网络安防设备的定期信息上报,更新全网安防状态,并对当前网络安防等级进行自动评定,给出当前网络的安防等级;
网络安防控制中心根据设定的自动评定方法和自身储存的安防等级评定标准对当前网络安防等级进行自动评定;
根据安防等级评定标准,提取当前网络安防配置中符合标准的特征项及其特征值,构成当前网络安防配置特征向量;
在考虑权重的情况下,将当前网络安防配置特征向量与安防等级评定标准中的各等级的基准安防配置对应特征向量进行计算,获得与各等级的基准安防配置的偏差值;将偏差绝对值的最小值所对应的等级作为当前安防等级。
2.根据权利要求1所述的网络安防等级自动化评定系统,其特征在于,自动评定方法是根据特征向量距离对特征向量进行分类。
3.根据权利要求2所述的网络安防等级自动化评定系统,其特征在于,特征向量距离具体是当前网络安防配置特征向量与各等级的基准安防配置的偏差值。
4.根据权利要求1所述的网络安防等级自动化评定系统,其特征在于,所述安防等级评定标准包括安防设备特征项、特征值、评定权重,以及标准安防等级配置。
5.一种网络安防等级自动化评定方法,其特征在于,包括步骤:
步骤S1:网络安防设备上报自身运行状态和/或配置信息到网络安防控制中心;
步骤S2:网络安防控制中心根据上报信息,结合安防等级评定标准,对当前网络安防等级进行自动评定;进一步包括:
网络安防控制中心根据上报的信息,提取其中符合安防等级评定标准的特征项,并根据安防等级评定标准得出该特征项的特征值;
整合提取出的每个安防特征项及其特征值,得到当前网络安防状态的特征向量;
基于分类算法计算当前网络安防状态与各等级的基准安防配置的偏差值;
根据偏差值大小判定当前网络安防等级所属等级。
6.根据权利要求5所述的一种网络安防等级自动化评定方法,其特征在于,步骤S1之后还包括:网络安防控制中心根据上报的信息更新全网安防配置状态。
7.根据权利要求6所述的一种网络安防等级自动化评定方法,其特征在于,步骤S2之后还包括:当网络安防设备上报的信息发生变化,或间隔固定时间后,重新开始执行步骤S1到步骤S2,以更新网络安防等级的评定结果,以及重新更新全网安防配置状态。
8.根据权利要求7所述的一种网络安防等级自动化评定方法,其特征在于,将偏差值绝对值的最小值所对应的等级作为当前安防等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710389937.6A CN107316056B (zh) | 2017-05-27 | 2017-05-27 | 一种网络安防等级自动化评定系统、自动评定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710389937.6A CN107316056B (zh) | 2017-05-27 | 2017-05-27 | 一种网络安防等级自动化评定系统、自动评定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316056A CN107316056A (zh) | 2017-11-03 |
CN107316056B true CN107316056B (zh) | 2020-04-28 |
Family
ID=60183906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710389937.6A Active CN107316056B (zh) | 2017-05-27 | 2017-05-27 | 一种网络安防等级自动化评定系统、自动评定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316056B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111813639B (zh) * | 2019-04-09 | 2022-07-15 | Oppo广东移动通信有限公司 | 设备运行等级的评定方法、装置、存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103973679A (zh) * | 2014-04-29 | 2014-08-06 | 重庆邮电大学 | 一种基于安全等级的传感网安全测评系统 |
CN104144166A (zh) * | 2014-08-18 | 2014-11-12 | 中国人民解放军信息工程大学 | 面向可重构服务承载网的安全管控模型建立方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7310669B2 (en) * | 2005-01-19 | 2007-12-18 | Lockdown Networks, Inc. | Network appliance for vulnerability assessment auditing over multiple networks |
US20060191007A1 (en) * | 2005-02-24 | 2006-08-24 | Sanjiva Thielamay | Security force automation |
-
2017
- 2017-05-27 CN CN201710389937.6A patent/CN107316056B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103973679A (zh) * | 2014-04-29 | 2014-08-06 | 重庆邮电大学 | 一种基于安全等级的传感网安全测评系统 |
CN104144166A (zh) * | 2014-08-18 | 2014-11-12 | 中国人民解放军信息工程大学 | 面向可重构服务承载网的安全管控模型建立方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107316056A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106250905B (zh) | 一种结合高校建筑结构特征的实时能耗异常检测方法 | |
CN108470022B (zh) | 一种基于运维管理的智能工单质检方法 | |
CN110289994B (zh) | 一种集群容量调整方法及装置 | |
CN109543890B (zh) | 基于负载预测均衡的电网费控优化调度方法、装置及系统 | |
CN107330464A (zh) | 数据处理方法和装置 | |
CN108717460A (zh) | 一种在区块链中达成共识的方法及装置 | |
CN115422788B (zh) | 一种配电网线损分析管理方法、装置、存储介质及系统 | |
CN104539601A (zh) | 动态网络攻击过程可靠性分析方法及系统 | |
CN108989092A (zh) | 一种无线网络预测方法、电子设备及存储介质 | |
Xue et al. | Adaptive ultra-short-term wind power prediction based on risk assessment | |
CN107316056B (zh) | 一种网络安防等级自动化评定系统、自动评定方法 | |
CN109800477B (zh) | 锂离子电池三因素不一致性预测方法及装置 | |
CN117149746B (zh) | 基于云原生和存算分离的数据仓库管理系统 | |
CN117170980A (zh) | 一种服务器硬件异常预警方法、装置、设备及存储介质 | |
CN109961160A (zh) | 一种基于潮流参数的电网未来运行趋势预估方法及系统 | |
CN109840536A (zh) | 一种电网供电可靠性水平聚类方法及系统 | |
CN115550373B (zh) | 基于云平台管控的联合试验任务环境负载均衡建模方法 | |
US20230419172A1 (en) | Managing training of a machine learning model | |
CN110647381B (zh) | 一种虚拟机资源均衡和部署优化方法 | |
Bakshi et al. | MCDM based project selection by F-AHP & VIKOR | |
CN113837486A (zh) | 一种基于rnn-rbm的配网馈线长期负荷预测方法 | |
CN109981325B (zh) | 一种告警阈值的设定方法、装置、计算设备及介质 | |
CN112738724A (zh) | 一种区域目标人群的精准识别方法、装置、设备和介质 | |
CN112258338A (zh) | 一种基于最近邻算法的基站费用自动化稽核方法 | |
CN108664580A (zh) | 一种MongoDB数据库中细粒度的负载均衡方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |