CN112929375A - 一种基于大数据的计算机网络智能分析平台 - Google Patents
一种基于大数据的计算机网络智能分析平台 Download PDFInfo
- Publication number
- CN112929375A CN112929375A CN202110176746.8A CN202110176746A CN112929375A CN 112929375 A CN112929375 A CN 112929375A CN 202110176746 A CN202110176746 A CN 202110176746A CN 112929375 A CN112929375 A CN 112929375A
- Authority
- CN
- China
- Prior art keywords
- computer network
- network
- terminal
- signal
- load
- 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.)
- Withdrawn
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/105—Multiple levels of security
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
- H04L67/1004—Server selection for load balancing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于大数据的计算机网络智能分析平台,本发明涉及计算机网络智能分析技术领域,解决了现有技术中不能够对计算机网络的负载信息进行采集分析导致计算机网络过载异常的技术问题,对计算机网络的负载信息进行采集,通过公式获取到计算机网络负载分析系数Xi,若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端;对计算机网络的负载信息进行采集分析,准确判断计算机网络的负载,减少因过载导致网络异常,提高了计算机网络的工作效率。
Description
技术领域
本发明涉及计算机网络智能分析技术领域,具体为一种基于大数据的计算机网络智能分析平台。
背景技术
信息化时代背景下,人们对于信息处理提出了许多新的要求,作为信息处理主力的计算机技术也因此得到了突破性的发展,开始逐渐向着智能化及人性化的网络服务技术转变。将人工智能应用到计算机网络技术中,可以实现对于网络信息的智能化跟踪,对于提升网络信息安全管理水平有着非常积极的意义。
但是在现有技术中,不能够对计算机网络的负载信息进行采集分析,导致计算机网络过载异常。
发明内容
本发明的目的就在于提出一种基于大数据的计算机网络智能分析平台,通过负载采集单元对计算机网络的负载信息进行采集,从而对计算机网络的负载信息进行分析,通过公式获取到计算机网络负载分析系数Xi,若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,则判定对应计算机网络负载异常,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端;对计算机网络的负载信息进行采集分析,准确判断计算机网络的负载,减少因过载导致网络异常,提高了计算机网络的工作效率;
本发明的目的可以通过以下技术方案实现:
一种基于大数据的计算机网络智能分析平台,包括智能分析平台,网络采集单元,防护采集单元,终端采集单元,负载采集单元,注册登录单元以及数据库;
所述负载采集单元用于对计算机网络的负载信息进行采集,从而对计算机网络进行分析,计算机网络的负载信息包括人数数据、时长数据以及处理数据,人数数据为计算机网络中全天最大承受的在线人数,时长数据为计算机网络中在线人数的最长在线时长,处理数据为计算机网络中每分钟信息处理的最大数量,将计算机网络标记为i,i=1,2,……,n,n为正整数,具体采集分析过程如下:
步骤S1:获取到计算机网络中全天最大承受的在线人数,并将计算机网络中全天最大承受的在线人数标记为Ri;
步骤S2:获取到计算机网络中在线人数的最长在线时长,并将计算机网络中在线人数的最长在线时长标记为Si;
步骤S3:获取到计算机网络中每分钟信息处理的最大数量,并将计算机网络中每分钟信息处理的最大数量标记为Li;
步骤S5:将计算机网络负载分析系数Xi与计算机网络负载分析系数阈值进行比较:
若计算机网络负载分析系数Xi≥计算机网络负载分析系数阈值,则判定对应计算机网络负载正常,生成负载正常信号并将负载正常信号发送至智能分析平台,智能分析平台接收到负载正常信号后,将对应计算机网络标记为负载正常计算机网络,并将负载正常计算机网络发送至管理人员的手机终端;
若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,则判定对应计算机网络负载异常,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端。
进一步地,所述网络采集单元用于对计算机网络的网络信息进行采集,从而对计算机网络进行分析,计算机网络的网络信息包括网速数据、延迟数据以及处理数据,网速数据为计算机网络运行时的网速最大波动值,延迟数据为计算机网络运行时的最大缓冲延迟时长,处理数据为计算机网络运行时每分钟处理信息的最低数量,具体采集分析过程如下:
步骤SS1:获取到计算机网络运行时的网速最大波动值,并将计算机网络运行时的网速最大波动值标记为BDi;
步骤SS2:获取到计算机网络运行时的最大缓冲延迟时长,并将计算机网络运行时的最大缓冲延迟时长标记为YCi;
步骤SS3:获取到计算机网络运行时每分钟处理信息的最低数量,并将计算机网络运行时每分钟处理信息的最低数量标记为SLi;
步骤SS5:将计算机网络的网络采集分析系数WLi与网络采集分析系数阈值进行比较:
若计算机网络的网络采集分析系数WLi≥网络采集分析系数阈值,则判定对应计算机网络的网络运行正常,生成网络运行正常信号并将网络运行正常信号发送至智能分析平台,智能分析平台接收到网络运行正常信号后,将对应网络标记为运行稳定网络;
若计算机网络的网络采集分析系数WLi<网络采集分析系数阈值,则判定对应计算机网络的网络运行异常,生成网络运行异常信号并将网络运行异常信号发送至智能分析平台,智能分析平台接收到网络运行异常信号后,生成网络维护信号并将网络维护信号发送至维护人员的手机终端。
进一步地,所述防护采集单元用于对计算机网络的防护信息进行采集,从而对计算机网络的防护进行检测,计算机网络的防护信息包括数量数据、频率数据以及等级数据,数量数据为计算机网络中病毒查杀的工序数量,频率数据为计算机网络中病毒查杀的单月频率,等级数据为计算机网络中防护墙的等级数值,具体分析检测过程如下:
步骤T1:获取到计算机网络中病毒查杀的工序数量,并将计算机网络中病毒查杀的工序数量标记为GXSi;
步骤T2:获取到计算机网络中病毒查杀的单月频率,并将计算机网络中病毒查杀的单月频率标记为DPLi;
步骤T3:获取到计算机网络中防护墙的等级数值,并将计算机网络中防护墙的等级数值标记为DSZi;
步骤T5:将计算机网络的防护检测系数FHi与防护检测系数阈值进行比较:
若计算机网络的防护检测系数FHi≥防护检测系数阈值,则判定计算机网络的防护安全,生成防护安全信号并将防护安全信号发送至智能分析平台,智能分析平台接收到防护安全信号后,将对应计算机网络标记为安全网络;
若计算机网络的防护检测系数FHi<防护检测系数阈值,则判定计算机网络的防护不安全,生成防护不安全信号并将防护不安全信号发送至智能分析平台,智能分析平台接收到防护不安全信号后,生成防护整顿信号并将防护整顿信号发送至维护人员的手机终端。
进一步地,所述终端采集单元用于对计算机网络终端的运行数据进行分析,从而对计算机网络终端进行检测,计算机网络终端的运行数据为计算机网络终端全天的运行时长与停机时长的比值,计算机网络终端运行时产生的噪音分贝值以及计算机网络终端运行时的温度与周边环境温度的差值,将计算机网络终端标记为o,o=1,2,……,m,m为正整数,具体分析检测过程如下:
步骤TT1:获取到计算机网络终端全天的运行时长与停机时长的比值,并将计算机网络终端全天的运行时长与停机时长的比值标记为BZo;
步骤TT2:获取到计算机网络终端运行时产生的噪音分贝值,并将计算机网络终端运行时产生的噪音分贝值标记为FBo;
步骤TT3:获取到计算机网络终端运行时的温度与周边环境温度的差值,并将计算机网络终端运行时的温度与周边环境温度的差值标记为CZo;
步骤TT4:通过公式ZDo=α(BZo×s1+FBo×s2+CZo×s3)获取到计算机网络终端的分析检测系数ZDo,其中,s1、s2以及s3均为比例系数,且s1>s2>s3>0,α为误差修正因子,取值为2.0321535;
步骤TT5:将计算机网络终端的分析检测系数ZDo与终端的分析检测系数阈值进行比较:
若计算机网络终端的分析检测系数ZDo≥终端的分析检测系数阈值,则判定对应计算机网络终端运行异常,生成终端运行异常信号并将终端运行异常信号发送至智能分析平台,智能分析平台接收到终端运行异常信号后,生成终端调整信号并将终端调整信号发送至维护人员的手机终端;
若计算机网络终端的分析检测系数ZDo<终端的分析检测系数阈值,则判定对应计算机网络终端运行正常,生成终端运行正常信号并将终端运行正常信号发送至智能分析平台,智能分析平台接收到终端运行正常信号后,将对应计算机网络终端发送至管理人员的手机终端。
进一步地,所述注册登录单元用于管理人员和维护人员通过手机终端提交管理人员信息和维护人员信息进行注册,并将注册成功的管理人员信息和维护人员信息发送至数据库进行储存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,维护人员包括维护人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过负载采集单元对计算机网络的负载信息进行采集,从而对计算机网络的负载信息进行分析,通过公式获取到计算机网络负载分析系数Xi,若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,则判定对应计算机网络负载异常,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端;对计算机网络的负载信息进行采集分析,准确判断计算机网络的负载,减少因过载导致网络异常,提高了计算机网络的工作效率;
2、本发明中,通过网络采集单元对计算机网络的网络信息进行采集,从而对计算机网络进行分析,获取到计算机网络运行时的网络信息,通过公式获取到计算机网络的网络采集分析系数WLi,若计算机网络的网络采集分析系数WLi<网络采集分析系数阈值,则判定对应计算机网络的网络运行异常,生成网络运行异常信号并将网络运行异常信号发送至智能分析平台,智能分析平台接收到网络运行异常信号后,生成网络维护信号并将网络维护信号发送至维护人员的手机终端;对网络信息进行采集分析,提高了使用者的使用质量,从而提高了计算机网络的工作效率。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于大数据的计算机网络智能分析平台,包括智能分析平台,网络采集单元,防护采集单元,终端采集单元,负载采集单元,注册登录单元以及数据库;
注册登录单元用于管理人员和维护人员通过手机终端提交管理人员信息和维护人员信息进行注册,并将注册成功的管理人员信息和维护人员信息发送至数据库进行储存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,维护人员包括维护人员的姓名、年龄、入职时间以及本人实名认证的手机号码;
负载采集单元用于对计算机网络的负载信息进行采集,从而对计算机网络进行分析,计算机网络的负载信息包括人数数据、时长数据以及处理数据,人数数据为计算机网络中全天最大承受的在线人数,时长数据为计算机网络中在线人数的最长在线时长,处理数据为计算机网络中每分钟信息处理的最大数量,将计算机网络标记为i,i=1,2,……,n,n为正整数,具体采集分析过程如下:
步骤S1:获取到计算机网络中全天最大承受的在线人数,并将计算机网络中全天最大承受的在线人数标记为Ri;
步骤S2:获取到计算机网络中在线人数的最长在线时长,并将计算机网络中在线人数的最长在线时长标记为Si;
步骤S3:获取到计算机网络中每分钟信息处理的最大数量,并将计算机网络中每分钟信息处理的最大数量标记为Li;
步骤S5:将计算机网络负载分析系数Xi与计算机网络负载分析系数阈值进行比较:
若计算机网络负载分析系数Xi≥计算机网络负载分析系数阈值,则判定对应计算机网络负载正常,生成负载正常信号并将负载正常信号发送至智能分析平台,智能分析平台接收到负载正常信号后,将对应计算机网络标记为负载正常计算机网络,并将负载正常计算机网络发送至管理人员的手机终端;
若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,则判定对应计算机网络负载异常,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端;
网络采集单元用于对计算机网络的网络信息进行采集,从而对计算机网络进行分析,计算机网络的网络信息包括网速数据、延迟数据以及处理数据,网速数据为计算机网络运行时的网速最大波动值,延迟数据为计算机网络运行时的最大缓冲延迟时长,处理数据为计算机网络运行时每分钟处理信息的最低数量,具体采集分析过程如下:
步骤SS1:获取到计算机网络运行时的网速最大波动值,并将计算机网络运行时的网速最大波动值标记为BDi;
步骤SS2:获取到计算机网络运行时的最大缓冲延迟时长,并将计算机网络运行时的最大缓冲延迟时长标记为YCi;
步骤SS3:获取到计算机网络运行时每分钟处理信息的最低数量,并将计算机网络运行时每分钟处理信息的最低数量标记为SLi;
步骤SS5:将计算机网络的网络采集分析系数WLi与网络采集分析系数阈值进行比较:
若计算机网络的网络采集分析系数WLi≥网络采集分析系数阈值,则判定对应计算机网络的网络运行正常,生成网络运行正常信号并将网络运行正常信号发送至智能分析平台,智能分析平台接收到网络运行正常信号后,将对应网络标记为运行稳定网络;
若计算机网络的网络采集分析系数WLi<网络采集分析系数阈值,则判定对应计算机网络的网络运行异常,生成网络运行异常信号并将网络运行异常信号发送至智能分析平台,智能分析平台接收到网络运行异常信号后,生成网络维护信号并将网络维护信号发送至维护人员的手机终端;
防护采集单元用于对计算机网络的防护信息进行采集,从而对计算机网络的防护进行检测,计算机网络的防护信息包括数量数据、频率数据以及等级数据,数量数据为计算机网络中病毒查杀的工序数量,频率数据为计算机网络中病毒查杀的单月频率,等级数据为计算机网络中防护墙的等级数值,具体分析检测过程如下:
步骤T1:获取到计算机网络中病毒查杀的工序数量,并将计算机网络中病毒查杀的工序数量标记为GXSi;
步骤T2:获取到计算机网络中病毒查杀的单月频率,并将计算机网络中病毒查杀的单月频率标记为DPLi;
步骤T3:获取到计算机网络中防护墙的等级数值,并将计算机网络中防护墙的等级数值标记为DSZi;
步骤T5:将计算机网络的防护检测系数FHi与防护检测系数阈值进行比较:
若计算机网络的防护检测系数FHi≥防护检测系数阈值,则判定计算机网络的防护安全,生成防护安全信号并将防护安全信号发送至智能分析平台,智能分析平台接收到防护安全信号后,将对应计算机网络标记为安全网络;
若计算机网络的防护检测系数FHi<防护检测系数阈值,则判定计算机网络的防护不安全,生成防护不安全信号并将防护不安全信号发送至智能分析平台,智能分析平台接收到防护不安全信号后,生成防护整顿信号并将防护整顿信号发送至维护人员的手机终端;
终端采集单元用于对计算机网络终端的运行数据进行分析,从而对计算机网络终端进行检测,计算机网络终端的运行数据为计算机网络终端全天的运行时长与停机时长的比值,计算机网络终端运行时产生的噪音分贝值以及计算机网络终端运行时的温度与周边环境温度的差值,将计算机网络终端标记为o,o=1,2,……,m,m为正整数,具体分析检测过程如下:
步骤TT1:获取到计算机网络终端全天的运行时长与停机时长的比值,并将计算机网络终端全天的运行时长与停机时长的比值标记为BZo;
步骤TT2:获取到计算机网络终端运行时产生的噪音分贝值,并将计算机网络终端运行时产生的噪音分贝值标记为FBo;
步骤TT3:获取到计算机网络终端运行时的温度与周边环境温度的差值,并将计算机网络终端运行时的温度与周边环境温度的差值标记为CZo;
步骤TT4:通过公式ZDo=α(BZo×s1+FBo×s2+CZo×s3)获取到计算机网络终端的分析检测系数ZDo,其中,s1、s2以及s3均为比例系数,且s1>s2>s3>0,α为误差修正因子,取值为2.0321535;
步骤TT5:将计算机网络终端的分析检测系数ZDo与终端的分析检测系数阈值进行比较:
若计算机网络终端的分析检测系数ZDo≥终端的分析检测系数阈值,则判定对应计算机网络终端运行异常,生成终端运行异常信号并将终端运行异常信号发送至智能分析平台,智能分析平台接收到终端运行异常信号后,生成终端调整信号并将终端调整信号发送至维护人员的手机终端;
若计算机网络终端的分析检测系数ZDo<终端的分析检测系数阈值,则判定对应计算机网络终端运行正常,生成终端运行正常信号并将终端运行正常信号发送至智能分析平台,智能分析平台接收到终端运行正常信号后,将对应计算机网络终端发送至管理人员的手机终端。
本发明工作原理:一种基于大数据的计算机网络智能分析平台,在工作时,通过负载采集单元对计算机网络的负载信息进行采集,从而对计算机网络的负载信息,通过公式获取到计算机网络负载分析系数Xi,若计算机网络负载分析系数Xi≥计算机网络负载分析系数阈值,则判定对应计算机网络负载正常,生成负载正常信号并将负载正常信号发送至智能分析平台,智能分析平台接收到负载正常信号后,将对应计算机网络标记为负载正常计算机网络,并将负载正常计算机网络发送至管理人员的手机终端;若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,则判定对应计算机网络负载异常,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种基于大数据的计算机网络智能分析平台,其特征在于,包括智能分析平台,网络采集单元,防护采集单元,终端采集单元,负载采集单元,注册登录单元以及数据库;
所述负载采集单元用于对计算机网络的负载信息进行采集,从而对计算机网络进行分析,计算机网络的负载信息包括人数数据、时长数据以及处理数据,人数数据为计算机网络中全天最大承受的在线人数,时长数据为计算机网络中在线人数的最长在线时长,处理数据为计算机网络中每分钟信息处理的最大数量,将计算机网络标记为i,i=1,2,……,n,n为正整数,具体采集分析过程如下:
步骤S1:获取到计算机网络中全天最大承受的在线人数,并将计算机网络中全天最大承受的在线人数标记为Ri;
步骤S2:获取到计算机网络中在线人数的最长在线时长,并将计算机网络中在线人数的最长在线时长标记为Si;
步骤S3:获取到计算机网络中每分钟信息处理的最大数量,并将计算机网络中每分钟信息处理的最大数量标记为Li;
步骤S5:将计算机网络负载分析系数Xi与计算机网络负载分析系数阈值进行比较:
若计算机网络负载分析系数Xi≥计算机网络负载分析系数阈值,则判定对应计算机网络负载正常,生成负载正常信号并将负载正常信号发送至智能分析平台,智能分析平台接收到负载正常信号后,将对应计算机网络标记为负载正常计算机网络,并将负载正常计算机网络发送至管理人员的手机终端;
若计算机网络负载分析系数Xi<计算机网络负载分析系数阈值,则判定对应计算机网络负载异常,生成负载异常信号并将负载异常信号发送至智能分析平台,智能分析平台接收到负载异常信号后,生成维护信号并将维护信号和对应计算机网络发送至维护人员的手机终端。
2.根据权利要求1所述的一种基于大数据的计算机网络智能分析平台,其特征在于,所述网络采集单元用于对计算机网络的网络信息进行采集,从而对计算机网络进行分析,计算机网络的网络信息包括网速数据、延迟数据以及处理数据,网速数据为计算机网络运行时的网速最大波动值,延迟数据为计算机网络运行时的最大缓冲延迟时长,处理数据为计算机网络运行时每分钟处理信息的最低数量,具体采集分析过程如下:
步骤SS1:获取到计算机网络运行时的网速最大波动值,并将计算机网络运行时的网速最大波动值标记为BDi;
步骤SS2:获取到计算机网络运行时的最大缓冲延迟时长,并将计算机网络运行时的最大缓冲延迟时长标记为YCi;
步骤SS3:获取到计算机网络运行时每分钟处理信息的最低数量,并将计算机网络运行时每分钟处理信息的最低数量标记为SLi;
步骤SS5:将计算机网络的网络采集分析系数WLi与网络采集分析系数阈值进行比较:
若计算机网络的网络采集分析系数WLi≥网络采集分析系数阈值,则判定对应计算机网络的网络运行正常,生成网络运行正常信号并将网络运行正常信号发送至智能分析平台,智能分析平台接收到网络运行正常信号后,将对应网络标记为运行稳定网络;
若计算机网络的网络采集分析系数WLi<网络采集分析系数阈值,则判定对应计算机网络的网络运行异常,生成网络运行异常信号并将网络运行异常信号发送至智能分析平台,智能分析平台接收到网络运行异常信号后,生成网络维护信号并将网络维护信号发送至维护人员的手机终端。
3.根据权利要求1所述的一种基于大数据的计算机网络智能分析平台,其特征在于,所述防护采集单元用于对计算机网络的防护信息进行采集,从而对计算机网络的防护进行检测,计算机网络的防护信息包括数量数据、频率数据以及等级数据,数量数据为计算机网络中病毒查杀的工序数量,频率数据为计算机网络中病毒查杀的单月频率,等级数据为计算机网络中防护墙的等级数值,具体分析检测过程如下:
步骤T1:获取到计算机网络中病毒查杀的工序数量,并将计算机网络中病毒查杀的工序数量标记为GXSi;
步骤T2:获取到计算机网络中病毒查杀的单月频率,并将计算机网络中病毒查杀的单月频率标记为DPLi;
步骤T3:获取到计算机网络中防护墙的等级数值,并将计算机网络中防护墙的等级数值标记为DSZi;
步骤T5:将计算机网络的防护检测系数FHi与防护检测系数阈值进行比较:
若计算机网络的防护检测系数FHi≥防护检测系数阈值,则判定计算机网络的防护安全,生成防护安全信号并将防护安全信号发送至智能分析平台,智能分析平台接收到防护安全信号后,将对应计算机网络标记为安全网络;
若计算机网络的防护检测系数FHi<防护检测系数阈值,则判定计算机网络的防护不安全,生成防护不安全信号并将防护不安全信号发送至智能分析平台,智能分析平台接收到防护不安全信号后,生成防护整顿信号并将防护整顿信号发送至维护人员的手机终端。
4.根据权利要求1所述的一种基于大数据的计算机网络智能分析平台,其特征在于,所述终端采集单元用于对计算机网络终端的运行数据进行分析,从而对计算机网络终端进行检测,计算机网络终端的运行数据为计算机网络终端全天的运行时长与停机时长的比值,计算机网络终端运行时产生的噪音分贝值以及计算机网络终端运行时的温度与周边环境温度的差值,将计算机网络终端标记为o,o=1,2,……,m,m为正整数,具体分析检测过程如下:
步骤TT1:获取到计算机网络终端全天的运行时长与停机时长的比值,并将计算机网络终端全天的运行时长与停机时长的比值标记为BZo;
步骤TT2:获取到计算机网络终端运行时产生的噪音分贝值,并将计算机网络终端运行时产生的噪音分贝值标记为FBo;
步骤TT3:获取到计算机网络终端运行时的温度与周边环境温度的差值,并将计算机网络终端运行时的温度与周边环境温度的差值标记为CZo;
步骤TT4:通过公式ZDo=α(BZo×s1+FBo×s2+CZo×s3)获取到计算机网络终端的分析检测系数ZDo,其中,s1、s2以及s3均为比例系数,且s1>s2>s3>0,α为误差修正因子,取值为2.0321535;
步骤TT5:将计算机网络终端的分析检测系数ZDo与终端的分析检测系数阈值进行比较:
若计算机网络终端的分析检测系数ZDo≥终端的分析检测系数阈值,则判定对应计算机网络终端运行异常,生成终端运行异常信号并将终端运行异常信号发送至智能分析平台,智能分析平台接收到终端运行异常信号后,生成终端调整信号并将终端调整信号发送至维护人员的手机终端;
若计算机网络终端的分析检测系数ZDo<终端的分析检测系数阈值,则判定对应计算机网络终端运行正常,生成终端运行正常信号并将终端运行正常信号发送至智能分析平台,智能分析平台接收到终端运行正常信号后,将对应计算机网络终端发送至管理人员的手机终端。
5.根据权利要求1所述的一种基于大数据的计算机网络智能分析平台,其特征在于,所述注册登录单元用于管理人员和维护人员通过手机终端提交管理人员信息和维护人员信息进行注册,并将注册成功的管理人员信息和维护人员信息发送至数据库进行储存,管理人员信息包括管理人员的姓名、年龄、入职时间以及本人实名认证的手机号码,维护人员包括维护人员的姓名、年龄、入职时间以及本人实名认证的手机号码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176746.8A CN112929375A (zh) | 2021-02-07 | 2021-02-07 | 一种基于大数据的计算机网络智能分析平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110176746.8A CN112929375A (zh) | 2021-02-07 | 2021-02-07 | 一种基于大数据的计算机网络智能分析平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112929375A true CN112929375A (zh) | 2021-06-08 |
Family
ID=76171339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110176746.8A Withdrawn CN112929375A (zh) | 2021-02-07 | 2021-02-07 | 一种基于大数据的计算机网络智能分析平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112929375A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113965487A (zh) * | 2021-10-22 | 2022-01-21 | 深圳市光网世纪科技有限公司 | 一种基于网络流量数据的故障诊断系统 |
CN114070713A (zh) * | 2021-12-04 | 2022-02-18 | 国网山西省电力公司电力科学研究院 | 智慧物联体系物联终端通信网络状态监测系统 |
CN114187126A (zh) * | 2021-11-08 | 2022-03-15 | 杭州萝卜智能技术有限公司 | 一种基于数据分析的网络舆情管控系统 |
CN114296009A (zh) * | 2022-03-10 | 2022-04-08 | 山东汇能电气有限公司 | 一种变压器运行智能分析系统 |
CN115296903A (zh) * | 2022-08-04 | 2022-11-04 | 国家信息中心 | 一种基于隐私计算的数据安全监管方法 |
CN117318796A (zh) * | 2023-11-10 | 2023-12-29 | 速度科技股份有限公司 | 一种基于卫星通信的边缘数据计算评测系统 |
-
2021
- 2021-02-07 CN CN202110176746.8A patent/CN112929375A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113965487A (zh) * | 2021-10-22 | 2022-01-21 | 深圳市光网世纪科技有限公司 | 一种基于网络流量数据的故障诊断系统 |
CN113965487B (zh) * | 2021-10-22 | 2023-07-18 | 深圳市光网世纪科技有限公司 | 一种基于网络流量数据的故障诊断系统 |
CN114187126A (zh) * | 2021-11-08 | 2022-03-15 | 杭州萝卜智能技术有限公司 | 一种基于数据分析的网络舆情管控系统 |
CN114187126B (zh) * | 2021-11-08 | 2022-08-19 | 杭州萝卜智能技术有限公司 | 一种基于数据分析的网络舆情管控系统 |
CN114070713A (zh) * | 2021-12-04 | 2022-02-18 | 国网山西省电力公司电力科学研究院 | 智慧物联体系物联终端通信网络状态监测系统 |
CN114296009A (zh) * | 2022-03-10 | 2022-04-08 | 山东汇能电气有限公司 | 一种变压器运行智能分析系统 |
CN114296009B (zh) * | 2022-03-10 | 2022-05-24 | 山东汇能电气有限公司 | 一种变压器运行智能分析系统 |
CN115296903A (zh) * | 2022-08-04 | 2022-11-04 | 国家信息中心 | 一种基于隐私计算的数据安全监管方法 |
CN117318796A (zh) * | 2023-11-10 | 2023-12-29 | 速度科技股份有限公司 | 一种基于卫星通信的边缘数据计算评测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112929375A (zh) | 一种基于大数据的计算机网络智能分析平台 | |
CN110880984B (zh) | 基于模型的流量异常监测方法、装置、设备及存储介质 | |
US6973415B1 (en) | System and method for monitoring and modeling system performance | |
CN108964995A (zh) | 基于时间轴事件的日志关联分析方法 | |
CN113869630B (zh) | 一种基于大数据的煤质检测信息管理系统 | |
CN116611712B (zh) | 基于语义推断的电网工作票评估系统 | |
KR101953558B1 (ko) | 스마트 기기 결함 관리 장치 및 방법 | |
CN116644825B (zh) | 一种基于大数据的门诊信息查询预约管理系统 | |
CN113835417A (zh) | 一种基于5g通信网络故障检测与诊断方法 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN113965487B (zh) | 一种基于网络流量数据的故障诊断系统 | |
CN113071966A (zh) | 电梯故障预测方法、装置、设备及存储介质 | |
CN113982850A (zh) | 融合高低频信号的风机综合健康分析方法及系统 | |
CN113934536B (zh) | 面向边缘计算的数据采集方法 | |
CN116668039A (zh) | 基于人工智能的计算机远程登录识别系统及方法 | |
CN111611519A (zh) | 一种个人异常行为检测方法及装置 | |
CN116471052A (zh) | 一种基于云计算的关联权重型网络安全防护系统 | |
CN113763217B (zh) | 一种基于智慧校园的网络监管方法及系统 | |
CN116319081B (zh) | 一种基于大数据云平台的电子签章安全管理系统 | |
CN113743725A (zh) | 基于边缘计算的登高作业人员的登高资质检测方法及系统 | |
CN116126807A (zh) | 一种日志分析方法及相关装置 | |
CN111767179A (zh) | 一种基于云平台的计算机硬件维管系统 | |
CN113115107B (zh) | 一种基于5g网络的手持视频采集终端系统 | |
CN112328436B (zh) | 一种基于并行处理的数据处理方法 | |
CN113888866B (zh) | 一种具有多级预警功能的道路车辆管理系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210608 |