CN113743106A - Sv报文重复过滤方法、装置、计算机设备和存储介质 - Google Patents
Sv报文重复过滤方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113743106A CN113743106A CN202111115385.2A CN202111115385A CN113743106A CN 113743106 A CN113743106 A CN 113743106A CN 202111115385 A CN202111115385 A CN 202111115385A CN 113743106 A CN113743106 A CN 113743106A
- Authority
- CN
- China
- Prior art keywords
- message
- characteristic value
- received
- information
- processing equipment
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及一种SV报文重复过滤方法、装置、计算机设备和存储介质。所述方法包括:对接收到的报文进行识别;若识别到所述报文为订阅报文,则提取所述报文中的特征信息;根据所述报文的特征信息,确定所述报文的报文特征值;若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。采用本方法,使得发送至报文处理设备的报文中不存在重复报文,避免了报文处理设备对重复报文进行处理,导致资源消耗较大的缺陷,使得报文处理设备仅对不存在重复的订阅报文进行处理,进而降低了报文处理设备的资源消耗。
Description
技术领域
本申请涉及通信技术领域,特别是涉及一种SV报文重复过滤方法、装置、计算机设备和存储介质。
背景技术
智能变电站中以组网传输方式进行网络数据通信,一次侧数据经互感器传递到采集回路后送入合并单元中,通过合并单元将接收到的数据组成特定规范的报文,比如SV报文,并将该报文以组网传输方式发送至报文处理设备进行处理,比如处理器。
但是,报文处理设备无法对接收到的报文进行识别,导致报文处理设备对重复报文进行处理,进而造成报文处理设备的资源消耗较大。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低报文处理设备的资源消耗的SV报文重复过滤方法、装置、计算机设备和存储介质。
一种SV报文重复过滤方法,所述方法包括:
对接收到的报文进行识别;
若识别到所述报文为订阅报文,则提取所述报文中的特征信息;
根据所述报文的特征信息,确定所述报文的报文特征值;
若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。
在其中一个实施例中,所述对接收到的报文进行识别,包括:
获取接收到的报文的目的地址信息;
当所述目的地址信息与所述报文处理设备的地址信息匹配,则确认所述报文为订阅报文。
在其中一个实施例中,所述提取所述报文中的特征信息,包括:
将所述报文输入预先训练的特征信息提取模型中,通过所述特征信息提取模型对所述报文进行特征信息提取处理,得到所述报文中的特征信息;所述特征信息包括目的地址信息、报文标识和报文接收端口号。
在其中一个实施例中,所述根据所述报文的特征信息,确定所述报文的报文特征值,包括:
将所述报文的特征信息输入报文特征值统计模型中,通过所述报文特征值统计模型对所述报文的特征信息进行统计,得到所述报文的报文特征值。
在其中一个实施例中,在若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤之前,还包括:
获取预设时间段内所述报文处理设备接收到的报文;
获取所述报文处理设备接收到的报文中的特征信息;
根据所述报文处理设备接收到的报文中的特征信息,确定所述报文处理设备接收到的报文的报文特征值,作为所述预设报文特征值。
在其中一个实施例中,在根据所述报文的特征信息,确定所述报文的报文特征值之后,还包括:
若识别到所述预设报文特征值中不包括所述报文特征值,则确定所述报文与所述报文处理设备接收到的报文不存在重复;
根据所述报文特征值,对所述预设报文特征值进行更新。
在其中一个实施例中,在确定所述报文与所述报文处理设备接收到的报文不存在重复之后,还包括:
提取所述报文中的目标信息;
将所述报文中的目标信息,发送至所述报文处理设备。
一种SV报文重复过滤装置,所述装置包括:
报文识别模块,用于对接收到的报文进行识别;
信息提取模块,用于若识别到所述报文为订阅报文,则提取所述报文中的特征信息;
特征值确定模块,用于根据所述报文的特征信息,确定所述报文的报文特征值;
报文过滤模块,用于若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
对接收到的报文进行识别;
若识别到所述报文为订阅报文,则提取所述报文中的特征信息;
根据所述报文的特征信息,确定所述报文的报文特征值;
若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对接收到的报文进行识别;
若识别到所述报文为订阅报文,则提取所述报文中的特征信息;
根据所述报文的特征信息,确定所述报文的报文特征值;
若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。
上述SV报文重复过滤方法、装置、计算机设备和存储介质,通过对接收到的报文进行识别;若识别到报文为订阅报文,则提取报文中的特征信息;根据报文的特征信息,确定报文的报文特征值;若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备接收到的报文的报文特征值;这样,先判断接收到的报文是否为订阅报文,在接收到的报文为订阅报文的情况下,根据报文的特征值,判断报文是否与报文处理设备接收到的报文存在重复,若存在重复,则对报文进行过滤,使得发送至报文处理设备的报文中不存在重复报文,避免了报文处理设备对重复报文进行处理,导致报文处理设备的资源消耗较大的缺陷,使得报文处理设备仅对不存在重复的订阅报文进行处理,进而降低了报文处理设备的资源消耗。
附图说明
图1为一个实施例中SV报文重复过滤方法的应用环境图;
图2为一个实施例中SV报文重复过滤方法的流程示意图;
图3为另一个实施例中SV报文重复过滤方法的流程示意图;
图4为又一个实施例中SV报文重复过滤方法的流程示意图;
图5为一个实施例中SV报文重复过滤装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的SV报文重复过滤方法,可以应用于如图1所示的应用环境中。其中,报文过滤设备102通过网络与报文处理设备104进行通信。具体地,参考图1,报文过滤设备102对接收到的报文进行识别;若识别到报文为订阅报文,则提取报文中的特征信息;根据报文的特征信息,确定报文的报文特征值;若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备104接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备104接收到的报文的报文特征值。进一步地,报文过滤设备102若识别到预设报文特征值中不包括报文特征值,则确定报文与报文处理设备接收到的报文不存在重复,并将该报文发送至报文处理设备104,通过报文处理设备104对该报文进行处理。其中,报文过滤设备102是指对接收到的报文进行重复过滤的设备,可以但不限于是各种可编程器件,比如FPGA(Field Programmable Gate Array,现场可编程门阵列),报文处理设备104可以但不限于是各种处理器,比如CPU(Central Processing Unit,中央处理器)。
在一个实施例中,如图2所示,提供了一种SV报文重复过滤方法,以该方法应用于图1中的报文过滤设备为例进行说明,包括以下步骤:
步骤S201,对接收到的报文进行识别。
其中,报文是指通过网络(比如以太网)发送的报文,比如SV(Sampled Value,采样值)报文。
其中,对接收到的报文进行识别,主要是识别接收到的报文是否为订阅报文。
需要说明的是,报文过滤设备对接收到的报文进行重复过滤之后,才可以发送至报文处理设备。
步骤S202,若识别到报文为订阅报文,则提取报文中的特征信息。
其中,订阅报文是指目的地址信息与报文处理设备的地址信息相同的报文,具体是指需要发送至报文处理设备的报文;在实际场景中,订阅报文用于表示接收到的报文为报文处理设备所订阅的报文。
其中,特征信息用于表示报文中的特定信息,比如目的地址信息、报文标识和报文接收端口号;目的地址信息是指目的MAC(Medium Access Control,物理)地址,报文标识是指报文APPID。
具体地,与报文处理设备连接的报文过滤设备,通过订阅报文识别指令对接收到的报文进行识别,以判断接收到的报文是否为订阅报文,若接收到的报文为订阅报文,则通过特征信息提取指令,提取报文中的特征信息。
举例说明,与CPU连接的FPGA对接收到的SV报文进行识别,以判断接收到的SV报文是否为订阅报文,若是,则提取该SV报文中的目的MAC地址、报文APPID、报文接收端口号,作为该SV报文中的特征信息。
步骤S203,根据报文的特征信息,确定报文的报文特征值。
其中,报文的报文特征值是一种用于衡量该报文是否为重复报文的特征值,比如报文的报文特征值与报文处理设备接收到的某个报文的报文特征值相同,则确认该报文为重复报文。
具体地,报文过滤设备根据报文特征值统计指令,对报文的特征信息进行统计,得到该报文的报文特征值。
步骤S204,若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备接收到的报文的报文特征值。
其中,预设报文特征值中包括报文特征值,是指报文特征值与预设报文特征值中的某个报文特征值相同。报文与报文处理设备接收到的报文存在重复,是指报文处理设备已经接收过该报文,进而说明该报文为重复报文。
其中,预设报文特征值,是指报文处理设备接收到的报文的报文特征值所组成的集合,具体是指报文处理设备最近一段时间内接收到的报文的报文特征值所组成的集合。需要说明的是,在实际场景中,预设报文特征值是指特征值校验名单,包括多个报文特征值。
具体地,报文过滤设备获取报文处理设备接收到的报文的报文特征值,作为预设报文特征值;判断预设报文特征值中是否包括步骤S203得到的报文的报文特征值,若识别到预设报文特征值中包括该报文的报文特征值,说明报文处理设备接收到的报文中包括该报文,进而说明该报文与报文处理设备接收到的报文存在重复,并将该报文进行丢弃或者删除。
举例说明,假设接收到的报文A的报文特征值为A1,而预设报文特征值中包括A1,说明报文处理设备接收到的报文中包括报文A,进而说明报文A与报文处理设备接收到的报文存在重复,则通过报文过滤设备将报文A进行丢弃,无需再将报文A发送至报文处理设备。
上述SV报文重复过滤方法中,通过对接收到的报文进行识别;若识别到报文为订阅报文,则提取报文中的特征信息;根据报文的特征信息,确定报文的报文特征值;若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备接收到的报文的报文特征值;这样,先判断接收到的报文是否为订阅报文,在接收到的报文为订阅报文的情况下,根据报文的特征值,判断报文是否与报文处理设备接收到的报文存在重复,若存在重复,则对报文进行过滤,使得发送至报文处理设备的报文中不存在重复报文,避免了报文处理设备对重复报文进行处理,导致报文处理设备的资源消耗较大的缺陷,使得报文处理设备仅对不存在重复的订阅报文进行处理,进而降低了报文处理设备的资源消耗。
在一个实施例中,上述步骤S201,对接收到的报文进行识别,具体包括:获取接收到的报文的目的地址信息;当目的地址信息与报文处理设备的地址信息匹配,则确认报文为订阅报文。
其中,报文处理设备的地址信息是指报文处理设备的物理地址,比如MAC地址。
具体地,报文过滤设备获取接收到的报文的报文信息,从接收到的报文的报文信息中,获取与目的地址信息标识符对应的信息,作为接收到的报文的目的地址信息;将目的地址信息与报文处理设备的地址信息进行匹配,若目的地址信息与报文处理设备的地址信息匹配,说明该报文为发送至报文处理设备的报文,进而确认该报文为订阅报文。
例如,报文过滤设备识别到接收到的报文A的目的MAC地址与报文处理设备的MAC地址匹配,则确认报文A为订阅报文。
在本实施例中,通过对接收到的报文的目的地址信息进行识别,以判断该报文是否为报文处理设备的订阅报文,避免了将不属于报文处理设备的订阅报文的报文发送至报文处理设备进行处理,导致资源消耗较大的缺陷,进一步降低了报文处理设备的资源消耗。
在一个实施例中,上述步骤S202,提取报文中的特征信息,具体包括:将报文输入预先训练的特征信息提取模型中,通过特征信息提取模型对报文进行特征信息提取处理,得到报文中的特征信息;特征信息包括目的地址信息、报文标识和报文接收端口号。
其中,特征信息提取模型是一种用于提取出报文中的特征信息的模型,比如卷积神经网络模型、深度学习模型等。
具体地,报文过滤设备将报文输入预先训练的特征信息提取模型中进行特征信息提取处理,得到报文中的目的地址信息、报文标识和报文接收端口号;将报文中的目的地址信息、报文标识和报文接收端口号,均作为报文中的特征信息。
在本实施例中,通过特征信息提取模型获取报文中的特征信息,有利于后续根据报文中的特征信息,确定报文的报文特征值,根据报文的报文特征值判断该报文是否为重复报文,避免将重复报文发送至报文处理设备进行处理,导致资源消耗较大的缺陷。
在一个实施例中,上述步骤S203,根据报文的特征信息,确定报文的报文特征值,具体包括:将报文的特征信息输入报文特征值统计模型中,通过报文特征值统计模型对报文的特征信息进行统计,得到报文的报文特征值。
其中,报文特征值是一种用于表征报文唯一性的数值,比如报文标识码。
其中,报文特征值统计模型,是一种用于对报文的特征信息进行统计,得到报文的报文特征值的模型,比如卷积神经网络模型。
具体地,报文过滤设备将报文中的目的地址信息、报文标识和报文接收端口号输入到报文特征值统计模型中,通过报文特征值统计模型对报文中的目的地址信息、报文标识和报文接收端口号进行特征值计算,得到报文的报文特征值。
在本实施例中,通过报文特征值统计模型,统计报文的报文特征值,有利于后续根据报文的报文特征值,对重复报文进行过滤,从而实现了对重复报文进行过滤的目的。
在一个实施例中,上述步骤S204,在若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤之前,还包括:获取预设时间段内报文处理设备接收到的报文;获取报文处理设备接收到的报文中的特征信息;根据报文处理设备接收到的报文中的特征信息,确定报文处理设备接收到的报文的报文特征值,作为预设报文特征值。
其中,预设时间段是指预先设定的时间段,比如最近半小时、最近半天、最近一天等。
具体地,报文过滤设备将预设时间段内发送至报文处理设备的报文,作为预设时间段内报文处理设备接收到的报文;将每个报文输入预先训练的特征信息提取模型中,通过特征信息提取模型对每个报文进行特征信息提取处理,得到每个报文中的特征信息;将每个报文的特征信息输入报文特征值统计模型中,通过报文特征值统计模型对每个报文的特征信息进行统计,得到每个报文的报文特征值,作为预设报文特征值。
举例说明,比如最近半个小时内报文处理设备接收到的报文的报文特征值分别为A1、A2、A3、A4,则最近半个小时内的预设报文特征值为(A1,A2,A3,A4)。
在本实施例中,通过获取预设时间段内报文处理设备接收到的报文的报文特征值,作为预设报文特征值,有利于后续根据预设报文特征值,判断接收到的报文是否为重复报文,有利于提高重复报文的识别准确率。
在一个实施例中,在根据报文的特征信息,确定报文的报文特征值之后,还包括:若识别到预设报文特征值中不包括报文特征值,则确定报文与报文处理设备接收到的报文不存在重复;根据报文特征值,对预设报文特征值进行更新。
其中,预设报文特征值中不包括报文特征值,是指报文特征值与预设报文特征值中的所有报文特征值均不相同。报文与报文处理设备接收到的报文不存在重复,是指报文处理设备没有接收过该报文,进而说明该报文不是重复报文。
其中,对预设报文特征值进行更新,是指将与报文处理设备接收到的报文不存在重复的报文的报文特征值,添加到预设报文特征值中,并更新预设报文特征值中包括的报文特征值的生存时间,以过滤在一定时间范围内接收到的重复报文。
具体地,报文过滤设备若识别到预设报文特征值中不包括报文特征值,说明报文处理设备接收到的报文中不包括该报文,进而说明该报文与报文处理设备接收到的报文不存在重复,并将报文特征值添加到预设报文特征值中,同时更新预设报文特征值中包括的报文特征值的生存时间。
举例说明,假设预设报文特征值表示的是30分钟内报文处理设备接收到的报文的报文特征值所组成的集合,这些报文为报文A、报文B、报文C、报文D,对应的生存时间分别为15分钟、20分钟、10分钟、25分钟,过了5分钟之后,报文过滤设备接收到的报文E与报文A、报文B、报文C、报文D均不重复,则将报文E的报文特征值添加到预设报文特征值中,并更新预设报文特征值中包括的报文A、报文B、报文C、报文D的报文特征值的生存时间,即预设报文特征值中包括的报文A、报文B、报文C、报文D、报文E的报文特征值的生存时间分别为10分钟、15分钟、5分钟、20分钟、30分钟。
在本实施例中,在确定报文与报文处理设备接收到的报文不存在重复之后,根据接收到的报文的报文特征值,对预设报文特征值进行更新,有利于后续根据更新后的预设报文特征值,过滤在一定时间范围内接收到的重复报文。
在一个实施例中,在确定报文与报文处理设备接收到的报文不存在重复之后,还包括:提取报文中的目标信息;将报文中的目标信息,发送至报文处理设备。
其中,目标信息是指报文中的有效信息,比如报文所携带的采样参数。
具体地,报文过滤设备获取报文中的信息,从报文中的信息提取出与目标信息标识符对应的信息,作为报文中的目标信息;将报文中的目标信息发送至报文处理设备,通过报文处理设备对报文中的目标信息进行处理,得到对应的处理结果。
举例说明,报文过滤设备获取SV报文中的有效信息和其他端口获得的采样值信息,然后将SV报文中的有效信息和其他端口获得的采样值信息进行同步处理后发送至CPU。
在本实施例中,在确定报文与报文处理设备接收到的报文不存在重复之后,将报文中的目标信息,发送至报文处理设备,使得报文处理设备仅对报文中的目标信息进行处理,无需对报文中的其他信息进行处理,进一步降低了报文处理设备的资源消耗。
在一个实施例中,如图3所示,提供了另一种SV报文重复过滤方法,以该方法应用于图1中的报文过滤设备为例进行说明,包括以下步骤:
步骤S301,获取接收到的报文的目的地址信息;当目的地址信息与报文处理设备的地址信息匹配,则确认报文为订阅报文。
步骤S302,将报文输入预先训练的特征信息提取模型中,通过特征信息提取模型对报文进行特征信息提取处理,得到报文中的特征信息;特征信息包括目的地址信息、报文标识和报文接收端口号。
步骤S303,将报文的特征信息输入报文特征值统计模型中,通过报文特征值统计模型对报文的特征信息进行统计,得到报文的报文特征值。
步骤S304,获取预设时间段内报文处理设备接收到的报文;获取报文处理设备接收到的报文中的特征信息;根据报文处理设备接收到的报文中的特征信息,确定报文处理设备接收到的报文的报文特征值,作为预设报文特征值。
步骤S305,若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤。
步骤S306,若识别到预设报文特征值中不包括报文特征值,则确定报文与报文处理设备接收到的报文不存在重复;提取报文中的目标信息,将报文中的目标信息,发送至报文处理设备;根据报文特征值,对预设报文特征值进行更新。
上述SV报文重复过滤方法,先判断接收到的报文是否为订阅报文,在接收到的报文为订阅报文的情况下,根据报文的特征值,判断报文是否与报文处理设备接收到的报文存在重复,若存在重复,则对报文进行过滤,使得发送至报文处理设备的报文中不存在重复报文,避免了报文处理设备对重复报文进行处理,导致报文处理设备的资源消耗较大的缺陷,使得报文处理设备仅对不存在重复的订阅报文进行处理,进而降低了报文处理设备的资源消耗。
为了更清晰阐明本申请实施例提供的报文重复过滤方法,以下以一个具体的实施例对该重复报文过滤方法进行具体说明。在一个实施例中,如图4所示,本申请还提供了又一种SV报文重复过滤方法,通过FPGA对通过以太网发送的SV报文进行重复过滤后,再发送至CPU进行处理,具体包括以下内容:
为减小处理器的计算负荷,需要在前级FPGA侧完成重复报文过滤以及报文整合,实现SV报文的有效信息提取与上送。具体地,参考图4,SV报文接收过滤主要分为两个部分;第一部分,对接收到的SV报文进行识别,此阶段称为SV报文的订阅,该阶段主要根据报文的MAC地址与配置的SV接收模式,确认此SV报文是否接收;第二部分,对订阅到的SV报文进行重复报文丢弃,SV报文中的特定信息包括目的MAC地址、报文APPID、SV报文接收端口号等,对SV报文中的这些特定信息进行报文特征值计算,并且在报文特征值中加入了接收端口号信息,保证了FPGA能正确识别出SV报文A/B网只上送第一帧报文,重复的报文将直接丢弃。
为保证重复报文过滤的有效性与实时性,重复过滤算法中将维护一个特征值校验名单,该名单会根据接收的报文情况进行动态更新,并且该名单中的特征值数据具有独立的生存时间,该算法可以有效过滤在一定时间范围内收到的重复报文。SV报文经过订阅接收与重复报文过滤后,将报文有效信息与其他端口获得的采样值信息一同流向采样值同步模块,经过同步处理后上送至处理器。
上述SV报文重复过滤方法,可以达到以下技术效果:(1)有效的抑制了SV重复报文对报文处理设备的干扰,实现SV报文的有效信息提取与上送;(2)大大减少了CPU的资源消耗,降低了芯片功耗。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种SV报文重复过滤装置,包括:报文识别模块501、信息提取模块502、特征值确定模块503和报文过滤模块504,其中:
报文识别模块501,用于对接收到的报文进行识别。
信息提取模块502,用于若识别到报文为订阅报文,则提取报文中的特征信息。
特征值确定模块503,用于根据报文的特征信息,确定报文的报文特征值。
报文过滤模块504,用于若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备接收到的报文的报文特征值。
在一个实施例中,报文识别模块501,还用于获取接收到的报文的目的地址信息;当目的地址信息与报文处理设备的地址信息匹配,则确认报文为订阅报文。
在一个实施例中,信息提取模块502,还用于将报文输入预先训练的特征信息提取模型中,通过特征信息提取模型对报文进行特征信息提取处理,得到报文中的特征信息;特征信息包括目的地址信息、报文标识和报文接收端口号。
在一个实施例中,特征值确定模块503,还用于将报文的特征信息输入报文特征值统计模型中,通过报文特征值统计模型对报文的特征信息进行统计,得到报文的报文特征值。
在一个实施例中,SV报文重复过滤装置还包括预设报文特征值确定模块,用于获取预设时间段内报文处理设备接收到的报文;获取报文处理设备接收到的报文中的特征信息;根据报文处理设备接收到的报文中的特征信息,确定报文处理设备接收到的报文的报文特征值,作为预设报文特征值。
在一个实施例中,SV报文重复过滤装置还包括特征值更新模块,用于若识别到预设报文特征值中不包括报文特征值,则确定报文与报文处理设备接收到的报文不存在重复;根据报文特征值,对预设报文特征值进行更新。
在一个实施例中,SV报文重复过滤装置还包括信息发送模块,用于在确定报文与报文处理设备接收到的报文不存在重复之后,提取报文中的目标信息;将报文中的目标信息,发送至报文处理设备。
关于SV报文重复过滤装置的具体限定可以参见上文中对于SV报文重复过滤方法的限定,在此不再赘述。上述SV报文重复过滤装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种SV报文重复过滤方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对接收到的报文进行识别;
若识别到报文为订阅报文,则提取报文中的特征信息;
根据报文的特征信息,确定报文的报文特征值;
若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备接收到的报文的报文特征值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取接收到的报文的目的地址信息;当目的地址信息与报文处理设备的地址信息匹配,则确认报文为订阅报文。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将报文输入预先训练的特征信息提取模型中,通过特征信息提取模型对报文进行特征信息提取处理,得到报文中的特征信息;特征信息包括目的地址信息、报文标识和报文接收端口号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将报文的特征信息输入报文特征值统计模型中,通过报文特征值统计模型对报文的特征信息进行统计,得到报文的报文特征值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设时间段内报文处理设备接收到的报文;获取报文处理设备接收到的报文中的特征信息;根据报文处理设备接收到的报文中的特征信息,确定报文处理设备接收到的报文的报文特征值,作为预设报文特征值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若识别到预设报文特征值中不包括报文特征值,则确定报文与报文处理设备接收到的报文不存在重复;根据报文特征值,对预设报文特征值进行更新。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:提取报文中的目标信息;将报文中的目标信息,发送至报文处理设备。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对接收到的报文进行识别;
若识别到报文为订阅报文,则提取报文中的特征信息;
根据报文的特征信息,确定报文的报文特征值;
若识别到预设报文特征值中包括报文特征值,则确定报文与报文处理设备接收到的报文存在重复,并将报文进行过滤;预设报文特征值为报文处理设备接收到的报文的报文特征值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取接收到的报文的目的地址信息;当目的地址信息与报文处理设备的地址信息匹配,则确认报文为订阅报文。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将报文输入预先训练的特征信息提取模型中,通过特征信息提取模型对报文进行特征信息提取处理,得到报文中的特征信息;特征信息包括目的地址信息、报文标识和报文接收端口号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将报文的特征信息输入报文特征值统计模型中,通过报文特征值统计模型对报文的特征信息进行统计,得到报文的报文特征值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设时间段内报文处理设备接收到的报文;获取报文处理设备接收到的报文中的特征信息;根据报文处理设备接收到的报文中的特征信息,确定报文处理设备接收到的报文的报文特征值,作为预设报文特征值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若识别到预设报文特征值中不包括报文特征值,则确定报文与报文处理设备接收到的报文不存在重复;根据报文特征值,对预设报文特征值进行更新。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:提取报文中的目标信息;将报文中的目标信息,发送至报文处理设备。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种SV报文重复过滤方法,其特征在于,所述方法包括:
对接收到的报文进行识别;
若识别到所述报文为订阅报文,则提取所述报文中的特征信息;
根据所述报文的特征信息,确定所述报文的报文特征值;
若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。
2.根据权利要求1所述的方法,其特征在于,所述对接收到的报文进行识别,包括:
获取接收到的报文的目的地址信息;
当所述目的地址信息与所述报文处理设备的地址信息匹配,则确认所述报文为订阅报文。
3.根据权利要求1所述的方法,其特征在于,所述提取所述报文中的特征信息,包括:
将所述报文输入预先训练的特征信息提取模型中,通过所述特征信息提取模型对所述报文进行特征信息提取处理,得到所述报文中的特征信息;所述特征信息包括目的地址信息、报文标识和报文接收端口号。
4.根据权利要求1所述的方法,其特征在于,所述根据所述报文的特征信息,确定所述报文的报文特征值,包括:
将所述报文的特征信息输入报文特征值统计模型中,通过所述报文特征值统计模型对所述报文的特征信息进行统计,得到所述报文的报文特征值。
5.根据权利要求1至4任一项所述的方法,其特征在于,在若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤之前,还包括:
获取预设时间段内所述报文处理设备接收到的报文;
获取所述报文处理设备接收到的报文中的特征信息;
根据所述报文处理设备接收到的报文中的特征信息,确定所述报文处理设备接收到的报文的报文特征值,作为所述预设报文特征值。
6.根据权利要求5所述的方法,其特征在于,在根据所述报文的特征信息,确定所述报文的报文特征值之后,还包括:
若识别到所述预设报文特征值中不包括所述报文特征值,则确定所述报文与所述报文处理设备接收到的报文不存在重复;
根据所述报文特征值,对所述预设报文特征值进行更新。
7.根据权利要求6所述的方法,其特征在于,在确定所述报文与所述报文处理设备接收到的报文不存在重复之后,还包括:
提取所述报文中的目标信息;
将所述报文中的目标信息,发送至所述报文处理设备。
8.一种SV报文重复过滤装置,其特征在于,所述装置包括:
报文识别模块,用于对接收到的报文进行识别;
信息提取模块,用于若识别到所述报文为订阅报文,则提取所述报文中的特征信息;
特征值确定模块,用于根据所述报文的特征信息,确定所述报文的报文特征值;
报文过滤模块,用于若识别到预设报文特征值中包括所述报文特征值,则确定所述报文与报文处理设备接收到的报文存在重复,并将所述报文进行过滤;所述预设报文特征值为所述报文处理设备接收到的报文的报文特征值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115385.2A CN113743106A (zh) | 2021-09-23 | 2021-09-23 | Sv报文重复过滤方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111115385.2A CN113743106A (zh) | 2021-09-23 | 2021-09-23 | Sv报文重复过滤方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743106A true CN113743106A (zh) | 2021-12-03 |
Family
ID=78740635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111115385.2A Pending CN113743106A (zh) | 2021-09-23 | 2021-09-23 | Sv报文重复过滤方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743106A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103378654A (zh) * | 2012-04-27 | 2013-10-30 | 南京南瑞继保电气有限公司 | 智能变电站过程层网络报文过滤方法 |
CN104753781A (zh) * | 2015-03-19 | 2015-07-01 | 西电通用电气自动化有限公司 | 一种智能变电站过程层设备的网络风暴抑制方法 |
CN105357137A (zh) * | 2015-09-24 | 2016-02-24 | 上海思源弘瑞自动化有限公司 | 报文过滤方法及所适用的fpga、智能变电站 |
WO2016107210A1 (zh) * | 2014-12-30 | 2016-07-07 | 国电南瑞科技股份有限公司 | 具有报文多级滤清及业务分类控制的冗余工业以太网系统 |
CN110855632A (zh) * | 2019-10-24 | 2020-02-28 | 新华三信息安全技术有限公司 | 报文检测方法、装置、网络设备和计算机可读存储介质 |
CN111901356A (zh) * | 2020-08-05 | 2020-11-06 | 湖南能创科技有限责任公司 | 智能变电站过程层网络风暴抑制方法、装置和电子设备 |
-
2021
- 2021-09-23 CN CN202111115385.2A patent/CN113743106A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103378654A (zh) * | 2012-04-27 | 2013-10-30 | 南京南瑞继保电气有限公司 | 智能变电站过程层网络报文过滤方法 |
WO2016107210A1 (zh) * | 2014-12-30 | 2016-07-07 | 国电南瑞科技股份有限公司 | 具有报文多级滤清及业务分类控制的冗余工业以太网系统 |
CN104753781A (zh) * | 2015-03-19 | 2015-07-01 | 西电通用电气自动化有限公司 | 一种智能变电站过程层设备的网络风暴抑制方法 |
CN105357137A (zh) * | 2015-09-24 | 2016-02-24 | 上海思源弘瑞自动化有限公司 | 报文过滤方法及所适用的fpga、智能变电站 |
CN110855632A (zh) * | 2019-10-24 | 2020-02-28 | 新华三信息安全技术有限公司 | 报文检测方法、装置、网络设备和计算机可读存储介质 |
CN111901356A (zh) * | 2020-08-05 | 2020-11-06 | 湖南能创科技有限责任公司 | 智能变电站过程层网络风暴抑制方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107438832B (zh) | 一种数据刷新方法、装置及计算机可读存储介质 | |
CN109743312B (zh) | 一种配置文件的数据动态解析方法、系统、终端及介质 | |
CN113255953B (zh) | Rru欠压风险预测方法、装置、系统、设备及介质 | |
CN113111115A (zh) | 一种数据信息管理系统及其方法 | |
CN112148504A (zh) | 目标消息的处理方法及装置、存储介质及电子装置 | |
CN113434293A (zh) | 处理重复请求的方法和装置、存储介质及电子装置 | |
CN106708417B (zh) | 缓存数据的管理方法及装置 | |
FI124815B (fi) | Puheludatatietueiden prosessointi | |
CN110503180A (zh) | 模型处理方法、装置以及电子设备 | |
CN110601909B (zh) | 网络维护方法、装置、计算机设备和存储介质 | |
CN112367215B (zh) | 基于机器学习的网络流量协议识别方法和装置 | |
CN113743106A (zh) | Sv报文重复过滤方法、装置、计算机设备和存储介质 | |
CN115174237B (zh) | 一种物联网系统恶意流量的检测方法、装置和电子设备 | |
CN110048905B (zh) | 物联网设备通信模式识别方法及装置 | |
CN111315026B (zh) | 信道的选择方法、装置、网关及计算机可读存储介质 | |
CN115952398A (zh) | 基于物联网的数据上传统计计算方法、系统和存储介质 | |
CN111711946B (zh) | 一种加密无线网络下的IoT设备识别方法及识别系统 | |
CN110768934A (zh) | 网络访问规则的检查方法和装置 | |
CN114422277A (zh) | 防御网络攻击的方法、装置、电子设备和计算机可读介质 | |
CN112055058A (zh) | 数据的存储方法、装置及计算机可读存储介质 | |
CN114268451A (zh) | 电力监控网络安全缓冲区构建方法、装置、设备和介质 | |
CN113238911A (zh) | 告警处理方法及装置 | |
CN111242147A (zh) | 一种亲密联系人和频繁活跃区域识别的方法及装置 | |
CN113194075B (zh) | 访问请求的处理方法、装置、设备及存储介质 | |
CN109542662B (zh) | 一种内存管理方法、装置、服务器及存储介质 |
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 |