CN115333954B - 虚假地址云端分析系统 - Google Patents
虚假地址云端分析系统 Download PDFInfo
- Publication number
- CN115333954B CN115333954B CN202210957517.4A CN202210957517A CN115333954B CN 115333954 B CN115333954 B CN 115333954B CN 202210957517 A CN202210957517 A CN 202210957517A CN 115333954 B CN115333954 B CN 115333954B
- Authority
- CN
- China
- Prior art keywords
- address
- information content
- average speed
- distance
- source client
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 37
- 230000005540 biological transmission Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000003062 neural network model Methods 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及一种虚假地址云端分析系统，包括：第一检测机构，设置在作为信息发布服务器的云计算节点处，用于检测最新发布成功的信息内容的发送时刻和接收时刻；第二检测机构，设置在云计算节点处，用于检测最新发布成功的信息内容的发送端均速和接收端均速；距离判断机构，用于基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速判断来源客户端到云计算节点的距离。通过本发明，能够在云计算服务器处采用智能化分析机制以基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速判断最新发布成功的信息内容被标记的IP地址的真实性，从而避免产生虚假宣传等不良行为。
Description
技术领域
本发明涉及云计算应用领域，尤其涉及一种虚假地址云端分析系统。
背景技术
云计算是建立在先进互联网技术基础之上的，其实现形式众多，主要通过以下形式完成：
(1)软件即服务。通常用户发出服务需求，云系统通过浏览器向用户提供资源和程序等。值得一提的是，利用浏览器应用传递服务信息不花费任何费用，供应商亦是如此，只要做好应用程序的维护工作即可。
(2)网络服务。开发者能够在API的基础上不断改进、开发出新的应用产品，大大提高单机程序中的操作性能。
(3)平台服务。一般服务于开发环境，协助中间商对程序进行升级与研发，同时完善用户下载功能，用户可通过互联网下载，具有快捷、高效的特点。
目前，通常采用云计算架构来实现信息发布管理方的信息发布服务器，然而这些云计算服务器通常简单地将发布信息的用户标记的IP地址与发布的信息一并传输给需要的其他客户端，而没有考虑到这些IP地址的真实性，导致引起其他客户端用户对一些诸如商品销售地址等信息的误判。
发明内容
为了解决上述问题，本发明提供了一种虚假地址云端分析系统，能够在云计算服务器处采用智能化分析机制以基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速判断最新发布成功的信息内容被标记的IP地址的真实性，从而避免诸如虚假宣传等不良行为，保证云计算服务器分发数据的可靠性。
根据本发明的一方面，提供了一种虚假地址云端分析系统，所述系统包括：
第一检测机构，设置在作为信息发布服务器的云计算节点处，用于检测最新发布成功的信息内容的发送时刻和接收时刻，并基于所述发送时刻和所述接收时刻计算最新发布成功的信息内容的传输时间长度，并将所述发送时刻和所述接收时刻之间的时间间隔作为传输时间区间；
第二检测机构，设置在云计算节点处，用于检测最新发布成功的信息内容的来源客户端的处理器芯片在所述传输时间区间的平均运算速度以及信息发布服务器在所述传输时间区间的平均运算速度以分别作为发送端均速和接收端均速输出；
距离判断机构，分别与所述第一检测机构和所述第二检测机构连接，用于基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离；
地址分析设备，与所述距离判断机构连接，用于基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性；
模型搭建设备，与所述距离判断机构连接，用于为所述距离判断机构提供多次训练后的神经网络模型；
其中，为所述距离判断机构提供多次训练后的神经网络模型包括：采用历史发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速作为神经网络模型的输入，采用历史发布成功的信息内容已核实的来源客户端到信息发布服务器的距离作为神经网络模型的输出，对神经网络模型执行一次训练；
其中，为所述距离判断机构提供多次训练后的神经网络模型包括：所述信息发布服务器管理的各个来源客户端涉及的各个地址整体占据的分布面积越广，选择的训练次数越多。
根据本发明的另一方面，还提供了一种虚假地址云端分析方法，所述方法包括使用如上述的虚假地址云端分析系统以基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的IP地址的真实性。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明第一实施例示出的虚假地址云端分析系统的结构方框图。
图2为根据本发明第二实施例示出的虚假地址云端分析系统的结构方框图。
具体实施方式
下面将参照附图对本发明的虚假地址云端分析系统的实施方案进行详细说明。
IP协议是为计算机网络相互连接进行通信而设计的协议。在因特网中，它是能使连接到网上的所有计算机网络实现相互通信的一套规则，规定了计算机在因特网上进行通信时应当遵守的规则。任何厂家生产的计算机系统，只要遵守IP协议就可以与因特网互连互通。各个厂家生产的网络系统和设备，如以太网、分组交换网等，它们相互之间不能互通，不能互通的主要原因是因为它们所传送数据的基本单元(技术上称之为“帧”)的格式不同。IP协议实际上是一套由软件程序组成的协议软件，它把各种不同“帧”统一转换成“IP数据报”格式，这种转换是因特网的一个最重要的特点，使所有各种计算机都能在因特网上实现互通，即具有“开放性”的特点。正是因为有了IP协议，因特网才得以迅速发展成为世界上最大的、开放的计算机通信网络。因此，IP协议也可以叫做“因特网协议”。
目前，通常采用云计算架构来实现信息发布管理方的信息发布服务器，然而这些云计算服务器通常简单地将发布信息的用户标记的IP地址与发布的信息一并传输给需要的其他客户端，而没有考虑到这些IP地址的真实性，导致引起其他客户端用户对一些诸如商品销售地址等信息的误判。
为了克服上述不足，本发明搭建了一种虚假地址云端分析系统，能够有效解决相应的技术问题。
本发明至少具备以下两处有益的技术效果：(1)基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到信息发布服务器的距离；(2)基于最新发布成功的信息内容的来源客户端到信息发布服务器的距离分析最新发布成功的信息内容的IP地址的真实性，并拒绝将虚假IP地址分发到请求最新发布成功的信息内容的每一个客户端，以保证分发数据的可靠性。
图1为根据本发明第一实施例示出的虚假地址云端分析系统的结构方框图，所述系统包括：
第一检测机构，设置在作为信息发布服务器的云计算节点处，用于检测最新发布成功的信息内容的发送时刻和接收时刻，并基于所述发送时刻和所述接收时刻计算最新发布成功的信息内容的传输时间长度，并将所述发送时刻和所述接收时刻之间的时间间隔作为传输时间区间；
第二检测机构，设置在云计算节点处，用于检测最新发布成功的信息内容的来源客户端的处理器芯片在所述传输时间区间的平均运算速度以及信息发布服务器在所述传输时间区间的平均运算速度以分别作为发送端均速和接收端均速输出；
距离判断机构，分别与所述第一检测机构和所述第二检测机构连接，用于基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离；
地址分析设备，与所述距离判断机构连接，用于基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性；
模型搭建设备，与所述距离判断机构连接，用于为所述距离判断机构提供多次训练后的神经网络模型；
其中，为所述距离判断机构提供多次训练后的神经网络模型包括：采用历史发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速作为神经网络模型的输入，采用历史发布成功的信息内容已核实的来源客户端到信息发布服务器的距离作为神经网络模型的输出，对神经网络模型执行一次训练；
其中，为所述距离判断机构提供多次训练后的神经网络模型包括：所述信息发布服务器管理的各个来源客户端涉及的各个地址整体占据的分布面积越广，选择的训练次数越多；
其中，所述信息发布服务器管理的各个来源客户端涉及的各个地址整体占据的分布面积代表所述信息发布服务器管理的客户的地理分布广度；
以及所述地理分布广度越广，选择的训练次数越多，以保证训练后的模型的可靠性以及后续预测结果的准确性。
接着，继续对本发明的虚假地址云端分析系统的具体结构进行进一步的说明。
图2为根据本发明第二实施例示出的虚假地址云端分析系统的结构方框图。
如图2所示，相比较于本发明第一实施例，本发明第二实施例示出的虚假地址云端分析系统还可以包括：
地址播放设备，设置在云计算节点处，用于在被来源客户端标记的IP发布地址为真实地址时，将所述真实地址与最新发布成功的信息内容一并分发到请求最新发布成功的信息内容的其他客户端；
其中，所述地址播放设备还用于在被来源客户端标记的IP发布地址为虚假地址时，停止将所述真实地址与最新发布成功的信息内容一并分发到请求最新发布成功的信息内容的其他客户端。
根据本发明任一实施例的所述虚假地址云端分析系统中：
基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速作为使用多次训练后的神经网络模型的多项输入；
其中，基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离作为多次训练后的神经网络模型的输出。
根据本发明任一实施例的所述虚假地址云端分析系统中：
基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性包括：在被来源客户端标记的IP发布地址到信息发布服务器所在地址的距离与接收到的实时参考距离之间的距离差值小于等于设定差值限量时，确定被来源客户端标记的IP发布地址为真实地址；
其中，基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性还包括：在被来源客户端标记的IP发布地址到信息发布服务器所在地址的距离与接收到的实时参考距离之间的距离差值大于所述设定差值限量时，确定被来源客户端标记的IP发布地址为虚假地址。
根据本发明任一实施例的所述虚假地址云端分析系统中：
基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：将最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速分别作为多次训练后的神经网络模型的四个输入端的四份输入数据。
同时，为了克服上述不足，本发明还搭建了一种虚假地址云端分析方法，所述方法包括使用如上述的虚假地址云端分析系统以基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的IP地址的真实性。
另外，在所述虚假地址云端分析系统中，基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速在输入到使用多次训练后的神经网络模型之前被执行十六进制的编码操作。
采用本发明的虚假地址云端分析系统，针对现有技术中信息内容发送端标榜虚假地址的技术问题，能够在云计算服务器处采用智能化分析机制以基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速判断最新发布成功的信息内容被标记的IP地址的真实性，从而避免产生虚假宣传等不良行为。
由此可见，本发明至少具备以下两处有益的技术效果：(1)基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到信息发布服务器的距离；(2)基于最新发布成功的信息内容的来源客户端到信息发布服务器的距离分析最新发布成功的信息内容的IP地址的真实性，并拒绝将虚假IP地址分发到请求最新发布成功的信息内容的每一个客户端，以保证分发数据的可靠性。
本领域的普通技术人员可知，可以对本发明以上描述的实施例以及其他实施例作出各种修改而不脱离本发明的范围。因此可以理解，本发明并不局限于上述公开的特定实施例，而覆盖了本申请权利要求定义的范围内的任何改变、修改或替换。
Claims (7)
1.一种虚假地址云端分析系统，其特征在于，所述系统包括：
第一检测机构，设置在作为信息发布服务器的云计算节点处，用于检测最新发布成功的信息内容的发送时刻和接收时刻，并基于所述发送时刻和所述接收时刻计算最新发布成功的信息内容的传输时间长度，并将所述发送时刻和所述接收时刻之间的时间间隔作为传输时间区间；
第二检测机构，设置在所述云计算节点处，用于检测最新发布成功的信息内容的来源客户端的处理器芯片在所述传输时间区间的平均运算速度以及信息发布服务器在所述传输时间区间的平均运算速度以分别作为发送端均速和接收端均速输出；
距离判断机构，分别与所述第一检测机构和所述第二检测机构连接，用于基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离；
地址分析设备，与所述距离判断机构连接，用于基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性；
其中，基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性包括：在被来源客户端标记的IP发布地址到信息发布服务器所在地址的距离与接收到的实时参考距离之间的距离差值小于等于设定差值限量时，确定被来源客户端标记的IP发布地址为真实地址；
其中，基于接收到的实时参考距离分析最新发布成功的信息内容被来源客户端标记的IP发布地址的真实性还包括：在被来源客户端标记的IP发布地址到信息发布服务器所在地址的距离与接收到的实时参考距离之间的距离差值大于所述设定差值限量时，确定被来源客户端标记的IP发布地址为虚假地址；
模型搭建设备，与所述距离判断机构连接，用于为所述距离判断机构提供多次训练后的神经网络模型；
其中，为所述距离判断机构提供多次训练后的神经网络模型包括：采用历史发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速作为神经网络模型的输入，采用历史发布成功的信息内容已核实的来源客户端到信息发布服务器的距离作为神经网络模型的输出，对神经网络模型执行一次训练；
其中，为所述距离判断机构提供多次训练后的神经网络模型包括：所述信息发布服务器管理的各个来源客户端涉及的各个地址整体占据的分布面积越广，选择的训练次数越多。
2.如权利要求1所述的虚假地址云端分析系统，其特征在于，所述系统还包括：
地址播放设备，设置在所述云计算节点处，用于在被来源客户端标记的IP发布地址为真实地址时，将所述真实地址与最新发布成功的信息内容一并分发到请求最新发布成功的信息内容的其他客户端。
3.如权利要求2所述的虚假地址云端分析系统，其特征在于：
所述地址播放设备还用于在被来源客户端标记的IP发布地址为虚假地址时，停止将所述真实地址与最新发布成功的信息内容一并分发到请求最新发布成功的信息内容的其他客户端。
4.如权利要求1-3任一所述的虚假地址云端分析系统，其特征在于：
基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速作为使用多次训练后的神经网络模型的多项输入。
5.如权利要求4所述的虚假地址云端分析系统，其特征在于：
基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离作为多次训练后的神经网络模型的输出。
6.如权利要求1-3任一所述的虚假地址云端分析系统，其特征在于：
基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的来源客户端到所述信息发布服务器的距离以作为实时参考距离包括：将最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速分别作为多次训练后的神经网络模型的四个输入端的四份输入数据。
7.一种虚假地址云端分析方法，所述方法包括使用如权利要求1-6任一所述的虚假地址云端分析系统以基于最新发布成功的信息内容对应的数据量、传输时间长度、发送端均速和接收端均速使用多次训练后的神经网络模型判断最新发布成功的信息内容的IP地址的真实性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210957517.4A CN115333954B (zh) | 2022-08-10 | 2022-08-10 | 虚假地址云端分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210957517.4A CN115333954B (zh) | 2022-08-10 | 2022-08-10 | 虚假地址云端分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115333954A CN115333954A (zh) | 2022-11-11 |
| CN115333954B true CN115333954B (zh) | 2024-03-15 |
Family
ID=83921285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210957517.4A Active CN115333954B (zh) | 2022-08-10 | 2022-08-10 | 虚假地址云端分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115333954B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111858937A (zh) * | 2016-12-14 | 2020-10-30 | 创新先进技术有限公司 | 一种虚假地址信息识别的方法及装置 |
| US11205236B1 (en) * | 2018-01-24 | 2021-12-21 | State Farm Mutual Automobile Insurance Company | System and method for facilitating real estate transactions by analyzing user-provided data |
| CN114066606A (zh) * | 2021-11-17 | 2022-02-18 | 四川新网银行股份有限公司 | 一种基于文本转义为gps距离的资料虚假识别系统及方法 |
-
2022
- 2022-08-10 CN CN202210957517.4A patent/CN115333954B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111858937A (zh) * | 2016-12-14 | 2020-10-30 | 创新先进技术有限公司 | 一种虚假地址信息识别的方法及装置 |
| US11205236B1 (en) * | 2018-01-24 | 2021-12-21 | State Farm Mutual Automobile Insurance Company | System and method for facilitating real estate transactions by analyzing user-provided data |
| CN114066606A (zh) * | 2021-11-17 | 2022-02-18 | 四川新网银行股份有限公司 | 一种基于文本转义为gps距离的资料虚假识别系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115333954A (zh) | 2022-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8135829B2 (en) | Utilizing a single agent on a non-origin node for measuring the roundtrip response time of web pages with embedded HTML frames | |
| CN107493183B (zh) | 一种故障定位方法及装置 | |
| KR100800353B1 (ko) | 분산 데이터 처리 시스템에서의 테스트 방법, 데이터 처리시스템 및 컴퓨터 판독가능 기록 매체 | |
| CN107528818B (zh) | 媒体文件的数据处理方法和装置 | |
| CN108696399B (zh) | 业务服务的测试方法和装置 | |
| CN113590497A (zh) | 业务服务的测试方法、装置、电子设备及存储介质 | |
| US20090157864A1 (en) | Grid computing control method for testing application program capacity of server and service method thereof | |
| GB2518052A (en) | Group server performance correction via actions to server subset | |
| CN113221163B (zh) | 一种训练模型的方法及系统 | |
| CN114095567B (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
| CN113259479B (zh) | 一种数据处理方法以及设备 | |
| CN108540505B (zh) | 一种内容更新方法及装置 | |
| CN109150621A (zh) | 监控业务流程的方法、装置、计算机设备及存储介质 | |
| US7580365B2 (en) | System and method utilizing a single agent on a non-origin node for measuring the roundtrip response time over a public or private network with HTTP/HTTPS network protocol | |
| US20100082359A1 (en) | Multi-Granular Age Range Products For Use in Online Marketing | |
| CN109194545B (zh) | 一种网络试验平台流量生成系统、方法、装置及电子设备 | |
| CN115333954B (zh) | 虚假地址云端分析系统 | |
| CN113129002A (zh) | 一种数据处理方法以及设备 | |
| US9680697B2 (en) | Dynamic product installation based on user feedback | |
| CN108804501A (zh) | 一种检测有效信息的方法及装置 | |
| KR20030060849A (ko) | 인터넷 사용자의 웹 사이트에서의 Traffic path를분석하는 시스템과 그 방법 | |
| CN108965386B (zh) | 一种共享接入终端的识别方法及装置 | |
| CN114465919B (zh) | 一种网络服务测试方法、系统、电子设备及存储介质 | |
| CN113778780B (zh) | 应用稳定性的确定方法、装置、电子设备和存储介质 | |
| CN114584627A (zh) | 一种具有网络监控功能的中台调度系统及方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240206 Address after: 3rd Floor, No. 86, Tianming Road, Jinshui District, Zhengzhou City, Henan Province 450000 Applicant after: Henan Longyi Information Technology Co.,Ltd. Country or region after: China Address before: School of Computer and Artificial Intelligence, Southwest Jiaotong University, No. 999 Xi'an Road, Pidu District, Chengdu, Sichuan 611756 Applicant before: Ming Shuying Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |