CN115225582B - 一种基于动态知识图谱的动环平台协议适配方法及装置 - Google Patents
一种基于动态知识图谱的动环平台协议适配方法及装置 Download PDFInfo
- Publication number
- CN115225582B CN115225582B CN202210652802.5A CN202210652802A CN115225582B CN 115225582 B CN115225582 B CN 115225582B CN 202210652802 A CN202210652802 A CN 202210652802A CN 115225582 B CN115225582 B CN 115225582B
- Authority
- CN
- China
- Prior art keywords
- protocol
- data
- knowledge graph
- dynamic
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000006978 adaptation Effects 0.000 title claims abstract description 22
- 230000006854 communication Effects 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000003014 reinforcing effect Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 7
- 230000003993 interaction Effects 0.000 abstract description 6
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/18—Protocol analysers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2483—Traffic characterised by specific attributes, e.g. priority or QoS involving identification of individual flows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Probability & Statistics with Applications (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于动态知识图谱的动环平台协议适配方法,包括:预先基于动环平台内的协议库,构建动态知识图谱;获取设备之间在通信过程中产生的数据流,并对数据流进行预处理,以获取数据流中的实体特征;基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型;根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重;基于更新后的实体特征和特征权重确定目标协议的标识信息;根据目标协议的标识信息从协议库中按对应类型协议对数据流进行适配。本申请的方法将知识图谱应用于动环场景中,快速确定出设备间通信所需的协议,提升数据交互效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于动态知识图谱的动环平台协议适配方法及装置。
背景技术
随着大规模数据中心的兴建,数据中心涉及的设备种类数量愈加繁多。其中,动环监控平台由于部署了大量的传感器、监控器,且这些设备周期性的数据采集、存储、交互往往数据量巨大,而不同设备之间的通信涉及不同的应用协议,这些协议往往趋向多样复杂,甚至经过版本升级而迭代演进,导致数据进行交互时,识别设备间需要的不同种类的协议类型需要会花费大量时间,进而导致设备通信效率下降,因此一种能快速识别设备间通信所需协议的方法是必不可少的。
发明内容
本发明实施例提供一种基于动态知识图谱的动环平台协议适配方法及装置,用以将知识图谱应用于动环场景中,快速确定出设备间通信所需的协议,提升数据交互效率。
本发明实施例提供一种基于动态知识图谱的动环平台协议适配方法,包括如下步骤:
预先基于动环平台内的协议库,构建动态知识图谱;
获取设备之间在通信过程中产生的数据流,并对数据流进行预处理,以获取数据流中的实体特征;
基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型;
根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重;
基于更新后的实体特征和特征权重确定目标协议的标识信息;
根据目标协议的标识信息从协议库中按对应类型协议对数据流进行适配。
在一些实施例中,构建动态知识图谱包括:
基于Bi-LSTM-CRF方法对平台协议进行特征提取;
将提取的协议数据的特征进行分类,以获得多个实体特征;
根据协议中对应的实体特征的规定,将相应的十六进制数据转为十进制数据作为协议特征参考值,并为每个特征类实体与协议类实体之间的关系赋予初始权重。
在一些实施例中,对数据流进行预处理,以获取数据流中的实体特征包括:
根据设备之间在通信过程中的数据流否加密对数据流进行分类;
分别根据加密流量以及非加密流量提取对应的数据流特征。
在一些实施例中,基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型包括:
基于提取的数据流特征查询动态知识图谱中协议的权重,并确定数据检测值,满足:
其中,Sk表示标识为k的数据检测值,表示加密流量的数据流特征,/>表示非加密流量的数据流特征,/>表示标识为k的协议中的A类特征,/>表示标识为k的协议的A类特征权重,/>表示标识为k的协议中的B类特征,/>表示标识为k的协议的B类特征权重,当数据为加密流量时t=1,否则t=0;
基于所确定的数据检测值,使用argmin函数进行分类,满足:
k*表示预测的协议标识。
在一些实施例中,根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重包括:
通过如下方式确定特征偏移值以及判别标志:
其中为偏移补偿,αk*为偏移容忍度,δk*为偏移阈值,Rec表示判别标志,/>表示标识为k*协议中的A类特征,/>表示标识为k*协议中的B类特征,/>表示标识为k*协议中的第6个A类特征,/>表示标识为k*协议中的第1个B类特征,/>表示数据流中的第1个B类特征,/>表示数据流中的第6个A类特征;
若Rec为1表示数据协议类型识别成功,通过如下方式进行反馈更新:
表示更新后特征权重,/>表示更新后的特征值,m、n表示遍历标量。
在一些实施例中,若Rec为0,则该数据不属于动环平台下任一类型协议,所述方法还包括:
在动态知识图谱中添加一协议类型的实体节点,其子特征参考值为当前检测出的数据检测值,子特征初始权重重新赋值且权重之和为1,以完成反馈强化。
本申请还提出一种基于动态知识图谱的动环平台协议适配装置,包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述器执行时实现前述的基于动态知识图谱的动环平台协议适配方法的步骤。
本申请还提出一种计算机可读存储介质,所述计算机可读存储介质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前述的基于动态知识图谱的动环平台协议适配方法的步骤。
本发明实施例通过预先基于动环平台内的协议库,构建动态知识图谱,并基于提取的数据流的特征来进行推理,由此能够快速确定出适配的协议,从而提升动环场景下的数据交互效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例动环平台协议适配方法的基本流程图;
图2为本申请实施例动环平台协议适配方法的整体流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种基于动态知识图谱的动环平台协议适配方法,如图1、图2所示,包括如下步骤:
在步骤S101中,预先基于动环平台内的协议库,构建动态知识图谱。在一些实施例中,构建动态知识图谱包括:基于Bi-LSTM-CRF方法对平台协议进行特征提取;将提取的协议数据的特征进行分类,以获得多个实体特征。例如一些具体的示例中,利用基于深度学习的Bi-LSTM-CRF方法对库内的每一种协议进行特征提取,即构建多协议实体节点的知识图谱,考虑到实际传输数据可能加密,协议数据的特征分为A,B两类,其中A类:源端口号、目的端口号、源IP地址、目的IP地址、特征字符串、包长特征、频繁字符串共7个特征,并命名为B类:数据流持续时间、数据包到达时间间隔、连接请求次数、失败连接数、非常用端口使用数,共5个特征,并命名为/>其中。
然后,根据协议中对应的实体特征的规定,将相应的十六进制数据转为十进制数据作为协议特征参考值,并为每个特征类实体与协议类实体之间的关系赋予初始权重
其中表示ID号为k的协议中的第m个A类特征,/>表示ID号为k的协议中的第n个B类特征,m、n为遍历的标量。协议库中的协议类型总数为K,初始权重为随机赋值,且m=(1,2,...,7),n=(1,2,...,5),k=(1,2,...,K)。
终端设备间传输的信息数据需先通过应用层、传输层、网际层、网络接口层逐层封装,最终到达终端设备,而应用层的协议是根据需求而定制,因此种类繁多且私密。本申请识别的协议对象为应用层协议,在应用数据开始传输前,在步骤S102中,获取设备之间在通信过程中产生的数据流,并对数据流进行预处理,以获取数据流中的实体特征。在一些实施例中,对数据流进行预处理,以获取数据流中的实体特征包括:根据设备之间在通信过程中的数据流否加密对数据流进行分类;分别根据加密流量以及非加密流量提取对应的数据流特征。
具体的,本示例中包括I)未加密流量和II)加密流量,对两种不同类型的数据流提取不同的特征。
对于I类数据流,利用深度报文检测方法深层次提取其中的源端口号、目的端口号、源IP地址、目的IP地址、特征字符串、包长特征、频繁字符串等7个特征,并命名为
对于II类数据流,利用深度报文检测方法浅层次对设备间通信行为分析宏观统计特征,提取数据流持续时间、数据包到达时间间隔、连接请求次数、失败连接数、非常用端口使用数等5个特征,,命名为所有特征值均用十进制表示以参与后续计算。
在步骤S103中,基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型。
在步骤S104中,根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重。
执行步骤S103、S104进行迭代后,在步骤S105中,基于更新后的实体特征和特征权重确定目标协议的标识信息。
在步骤S106中,根据目标协议的标识信息从协议库中按对应类型协议对数据流进行适配。
本发明实施例通过预先基于动环平台内的协议库,构建动态知识图谱,并基于提取的数据流的特征来进行推理,由此能够快速确定出适配的协议,从而提升动环场景下的数据交互效率。
在一些实施例中,基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型包括:
基于提取的数据流特征查询动态知识图谱中协议的权重,并确定数据检测值,满足:
其中,Sk表示标识为k的数据检测值,表示加密流量的数据流特征,/>表示非加密流量的数据流特征,/>表示标识为k的协议中的A类特征,/>表示标识为k的协议的A类特征权重,/>表示标识为k的协议中的B类特征,/>表示标识为k的协议的B类特征权重,[·]T为矩阵转置操作,当数据为加密流量时t=1,否则t=0。
基于所确定的数据检测值,使用argmin函数进行分类,满足:
k*表示预测的协议标识(本示例中为ID号)。在总数为K的协议库中,ID号为k*的协议即初步判断为对应数据所需的协议类型。
在一些实施例中,根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重包括:
通过如下方式确定特征偏移值以及判别标志:
其中为偏移补偿,αk*为偏移容忍度,δk*为偏移阈值,Rec表示判别标志,/>表示标识为k*协议中的A类特征,/>表示标识为k*协议中的B类特征,/>表示标识为k*协议中的第6个A类特征,/>表示标识为k*协议中的第1个B类特征,/>表示数据流中的第1个B类特征,/>表示数据流中的第6个A类特征。
若Rec为1表示数据协议类型识别成功,通过如下方式进行反馈更新:
表示更新后特征权重,/>表示更新后的特征值,m、n表示遍历标量。
在一些实施例中,若Rec为0,则该数据不属于动环平台下任一类型协议,所述方法还包括:
在动态知识图谱中添加一协议类型的实体节点,其子特征参考值为当前检测出的数据检测值,子特征初始权重重新赋值且权重之和为1,以完成反馈强化。
在步骤S106中,根据目标协议的标识信息从协议库中按对应类型协议对数据流进行适配。具体的可以根据识别出的协议ID号从协议库中按对应类型协议对数据流进行封装适配,从而实现设备1与设备2快速建立通信连接。
本申请还提出一种基于动态知识图谱的动环平台协议适配装置,包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述器执行时实现前述的基于动态知识图谱的动环平台协议适配方法的步骤。
本申请还提出一种计算机可读存储介质,所述计算机可读存储介质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前述的基于动态知识图谱的动环平台协议适配方法的步骤。
本发明实施例通过预先基于动环平台内的协议库,构建动态知识图谱,并基于提取的数据流的特征来进行推理,由此能够快速确定出适配的协议,从而提升动环场景下的数据交互效率。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (4)
1.一种基于动态知识图谱的动环平台协议适配方法,其特征在于,包括如下步骤:
预先基于动环平台内的协议库,构建动态知识图谱;
获取设备之间在通信过程中产生的数据流,并对数据流进行预处理,以获取数据流中的实体特征;
基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型;
根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重;
基于更新后的实体特征和特征权重确定目标协议的标识信息;
根据目标协议的标识信息从协议库中按对应类型协议对数据流进行适配;
构建动态知识图谱包括:
基于Bi-LSTM-CRF方法对平台协议进行特征提取;
将提取的协议数据的特征进行分类,以获得多个实体特征;
根据协议中对应的实体特征的规定,将相应的十六进制数据转为十进制数据作为协议特征参考值,并为每个特征类实体与协议类实体之间的关系赋予初始权重;
对数据流进行预处理,以获取数据流中的实体特征包括:
根据设备之间在通信过程中的数据流否加密对数据流进行分类;
分别根据加密流量以及非加密流量提取对应的数据流特征;
基于获取的实体特征以及所述动态知识图谱进行推理,以预测出协议类型包括:
基于提取的数据流特征查询动态知识图谱中协议的权重,并确定数据检测值,满足:
其中,Sk表示标识为k的数据检测值,WA`表示加密流量的数据流特征,WB`表示非加密流量的数据流特征,表示标识为k的协议中的A类特征,/>表示标识为k的协议的A类特征权重,/>表示标识为k的协议中的B类特征,/>表示标识为k的协议的B类特征权重,当数据为加密流量时t=1,否则t=0;
基于所确定的数据检测值,使用argmin函数进行分类,满足:
k*表示预测的协议标识;
根据预测的协议类型对知识图谱反馈强化,更新对应的实体特征和特征权重包括:
通过如下方式确定特征偏移值以及判别标志:
其中C(W`A6,W`B1,k*)为偏移补偿,为偏移容忍度,/>为偏移阈值,Rec表示判别标志,/>表示标识为k*协议中的A类特征,/>表示标识为k*协议中的B类特征,/>表示标识为k*协议中的第6个A类特征,/>表示标识为k*协议中的第1个B类特征,W`B1表示数据流中的第1个B类特征,W`A6表示数据流中的第6个A类特征;
若Rec为1表示数据协议类型识别成功,通过如下方式进行反馈更新:
表示更新后特征权重,/>表示更新后的特征值,m、n表示遍历标量。
2.如权利要求1所述的基于动态知识图谱的动环平台协议适配方法,其特征在于,若Rec为0,则该数据不属于动环平台下任一类型协议,所述方法还包括:
在动态知识图谱中添加一协议类型的实体节点,其子特征参考值为当前检测出的数据检测值,子特征初始权重重新赋值且权重之和为1,以完成反馈强化。
3.一种基于动态知识图谱的动环平台协议适配装置,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1或2所述的基于动态知识图谱的动环平台协议适配方法的步骤。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1或2所述的基于动态知识图谱的动环平台协议适配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652802.5A CN115225582B (zh) | 2022-06-10 | 2022-06-10 | 一种基于动态知识图谱的动环平台协议适配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652802.5A CN115225582B (zh) | 2022-06-10 | 2022-06-10 | 一种基于动态知识图谱的动环平台协议适配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115225582A CN115225582A (zh) | 2022-10-21 |
CN115225582B true CN115225582B (zh) | 2024-03-08 |
Family
ID=83608322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210652802.5A Active CN115225582B (zh) | 2022-06-10 | 2022-06-10 | 一种基于动态知识图谱的动环平台协议适配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115225582B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102546625A (zh) * | 2011-12-31 | 2012-07-04 | 深圳市永达电子股份有限公司 | 半监督聚类集成的协议识别系统 |
CN104468273A (zh) * | 2014-12-12 | 2015-03-25 | 北京百度网讯科技有限公司 | 识别流量数据的应用类型的方法及系统 |
US10142359B1 (en) * | 2016-04-22 | 2018-11-27 | Awake Security, Inc. | System and method for identifying security entities in a computing environment |
CN109145122A (zh) * | 2018-08-02 | 2019-01-04 | 北京仿真中心 | 一种产品知识图谱构建和查询方法及系统 |
US10339420B1 (en) * | 2018-08-30 | 2019-07-02 | Accenture Global Solutions Limited | Entity recognition using multiple data streams to supplement missing information associated with an entity |
CN110765272A (zh) * | 2019-09-12 | 2020-02-07 | 平安医疗健康管理股份有限公司 | 基于知识图谱的签约方法、装置、计算机设备及计算机存储介质 |
KR102185379B1 (ko) * | 2020-01-21 | 2020-12-01 | 한국과학기술원 | 호환되지 않는 IoT 프로토콜 업데이트를 위한 런타임 메시지 추론 장치 및 방법 |
CN112714032A (zh) * | 2021-03-29 | 2021-04-27 | 网络通信与安全紫金山实验室 | 无线网络协议知识图谱构建分析方法、系统、设备及介质 |
CN112994984A (zh) * | 2021-04-15 | 2021-06-18 | 紫光恒越技术有限公司 | 识别协议及内容的方法、存储设备、安全网关、服务器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11222052B2 (en) * | 2011-02-22 | 2022-01-11 | Refinitiv Us Organization Llc | Machine learning-based relationship association and related discovery and |
WO2016181318A1 (en) * | 2015-05-12 | 2016-11-17 | Navix International Limited | Lesion assessment by dielectric property analysis |
-
2022
- 2022-06-10 CN CN202210652802.5A patent/CN115225582B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102546625A (zh) * | 2011-12-31 | 2012-07-04 | 深圳市永达电子股份有限公司 | 半监督聚类集成的协议识别系统 |
CN104468273A (zh) * | 2014-12-12 | 2015-03-25 | 北京百度网讯科技有限公司 | 识别流量数据的应用类型的方法及系统 |
US10142359B1 (en) * | 2016-04-22 | 2018-11-27 | Awake Security, Inc. | System and method for identifying security entities in a computing environment |
CN109145122A (zh) * | 2018-08-02 | 2019-01-04 | 北京仿真中心 | 一种产品知识图谱构建和查询方法及系统 |
US10339420B1 (en) * | 2018-08-30 | 2019-07-02 | Accenture Global Solutions Limited | Entity recognition using multiple data streams to supplement missing information associated with an entity |
CN110765272A (zh) * | 2019-09-12 | 2020-02-07 | 平安医疗健康管理股份有限公司 | 基于知识图谱的签约方法、装置、计算机设备及计算机存储介质 |
KR102185379B1 (ko) * | 2020-01-21 | 2020-12-01 | 한국과학기술원 | 호환되지 않는 IoT 프로토콜 업데이트를 위한 런타임 메시지 추론 장치 및 방법 |
CN112714032A (zh) * | 2021-03-29 | 2021-04-27 | 网络通信与安全紫金山实验室 | 无线网络协议知识图谱构建分析方法、系统、设备及介质 |
CN112994984A (zh) * | 2021-04-15 | 2021-06-18 | 紫光恒越技术有限公司 | 识别协议及内容的方法、存储设备、安全网关、服务器 |
Non-Patent Citations (2)
Title |
---|
The research of development Strategy of Library Knowledge Management Based on Knowledge Supply Chain;Zhong Liu;2010 International conference on E-Product E-Service and E-Entertainment;全文 * |
基于车载异构网络的多属性垂直切换算法研究;陈泽冰;中国优秀硕士学位论文数据库;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115225582A (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110730140B (zh) | 基于时空特性相结合的深度学习流量分类方法 | |
US20200053155A1 (en) | Artificial intelligence based hierarchical service awareness engine | |
CN111191767B (zh) | 一种基于向量化的恶意流量攻击类型的判断方法 | |
US11729086B2 (en) | Methods and systems for internet speed testing | |
US20050223101A1 (en) | Computer-implemented method, system and program product for resolving prerequisites for native applications utilizing an open service gateway initiative ( OSGi) framework | |
CN111144470A (zh) | 一种基于深度自编码器的未知网络流量识别方法及系统 | |
CN111224941A (zh) | 一种威胁类型识别方法及装置 | |
CN115516840A (zh) | 一种信息处理方法、设备、系统、介质、芯片及程序 | |
CN109698798B (zh) | 一种应用的识别方法、装置、服务器和存储介质 | |
CN111107181B (zh) | Nat规则匹配方法、装置、电子设备及存储介质 | |
CN115225582B (zh) | 一种基于动态知识图谱的动环平台协议适配方法及装置 | |
CN109656997B (zh) | 工业互联网大数据服务平台系统和服务方法 | |
CN106302229A (zh) | 在虚拟接入网中创建分片和删除分片的方法和装置 | |
CN107040475B (zh) | 资源调度方法和装置 | |
CN109992960B (zh) | 一种伪造参数检测方法、装置、电子设备及存储介质 | |
CN105357100A (zh) | 即时通信群组成员的优先级获取方法及装置 | |
Kulik et al. | Industrial internet of things classification and analysis performed on a model network | |
TWI703846B (zh) | Url異常定位方法、裝置、伺服器及儲存媒體 | |
JP7290183B2 (ja) | データ処理の方法、ニューラルネットワークの学習方法及びデバイス | |
CN112699000A (zh) | 数据处理方法、装置、可读存储介质和电子设备 | |
CN115834176A (zh) | 一种基于沙箱流量构建异构图的恶意域名检测方法 | |
CN113141403B (zh) | 一种日志传输方法和装置 | |
CN114866310A (zh) | 一种恶意加密流量检测方法、终端设备及存储介质 | |
WO2020075662A1 (ja) | データ分類装置、データ分類方法、および、データ分類プログラム | |
CN116320053A (zh) | 协议传输接口参数的适配方法、装置、设备和介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |