CN115567323B - 一种改进型神经网络模型的网络信息分析方法 - Google Patents

一种改进型神经网络模型的网络信息分析方法 Download PDF

Info

Publication number
CN115567323B
CN115567323B CN202211463010.XA CN202211463010A CN115567323B CN 115567323 B CN115567323 B CN 115567323B CN 202211463010 A CN202211463010 A CN 202211463010A CN 115567323 B CN115567323 B CN 115567323B
Authority
CN
China
Prior art keywords
network
information data
transmission channel
data transmission
information
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
Application number
CN202211463010.XA
Other languages
English (en)
Other versions
CN115567323A (zh
Inventor
侯胜旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdaogladtrust Management Co ltd
Original Assignee
Hefei Guiqian Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Guiqian Information Technology Co ltd filed Critical Hefei Guiqian Information Technology Co ltd
Priority to CN202211463010.XA priority Critical patent/CN115567323B/zh
Publication of CN115567323A publication Critical patent/CN115567323A/zh
Application granted granted Critical
Publication of CN115567323B publication Critical patent/CN115567323B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/604—Tools and structures for managing or administering access control systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • 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
    • 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
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及数据识别技术领域，具体涉及一种改进型神经网络模型的网络信息分析方法，包括：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，将网络信息数据在信息数据传输通道中读取；本发明能够对网络环境进行分析，并进一步的网络对应的网络密度进行评价，达到对网络环境及其信息数据传输安全分析的初步判定，并且采用建立云端数据库及威胁数据库的方式，对网络中传输的信息数据进行比对，从而确保对网络中的信息数据进行精准的判定，使网络环境安全稳定。

Description

一种改进型神经网络模型的网络信息分析方法
技术领域
本发明涉及数据识别技术领域，具体涉及一种改进型神经网络模型的网络信息分析方法。
背景技术
计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。
随着网络在人们日常生活中的普及，网络用户实时的在网络中发送信息数据与其他网络用户完成共享，但在这些网络信息中，常常会夹杂一些不利于网络健康和谐的信息数据，这些信息在网络用户所用网络中不断共享传输，进而导致这些信息数据无法被完全抹除，更进一步的影响到其他网络用户的网络使用安全及使用体验。
发明内容
解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种改进型神经网络模型的网络信息分析方法，解决了上述背景技术中提出的技术问题。
技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种改进型神经网络模型的网络信息分析方法，包括以下步骤：
步骤1：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；
步骤2：获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，网络信息数据同步在信息数据传输通道中被读取；
步骤3：建立云端数据库，在信息数据传输通道对网络信息数据读取后，对完成读取的网络信息数据向云端数据库发送；
步骤4：分析信息数据传输通道应用网络密度，根据网络密度对当前网络进行安全评价；
步骤5：构建威胁数据库，设置数据反馈周期，根据信息数据反馈周期及信息数据格式进行打包向威胁数据库中发送；
步骤6：获取步骤5的下级子步骤54的判定结果，对判定结果进行记载，根据记载数据、云端数据库及威胁数据库中储存数据构建人工神经网络，应用人工神经网络对信息数据传输通道中的接收的信息数据进行实时处理。
更进一步地，所述步骤1中分析的网络环境属性包括：局域网、城域网、广域网、个域网及无线网；
其中，为个域网、局域网或无线网配置的信息数据传输通道中网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于两组，为城域网、广域网配置的网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于四组。
更进一步地，所述步骤2在信息数据传输通道中读取实时接收的网络信息数据时，同步对网络信息数据的格式进行识别，对识别到格式的网络信息数据在信息数据传输通道中向下一网络链路节点传输；
其中，网络信息数据的格式识别操作在信息数据传输通道中的各网络链路节点中执行，每一网络链路节点可识别若干格式的信息数据，网络信息数据在信息数据传输通道中传输时依次在信息数据传输通道中的各网络连接节点组成路径中进行格式识别，对未识别的网络信息数据进行舍弃，对识别的网络信息数据进行储存。
更进一步地，所述步骤3中建立的云端数据库与步骤1中构建的信息数据传输通道中由网络链路节点组成路径中的最后一组网络链路节点相连接。
更进一步地，所述步骤4中信息数据传输通道应用网络的密度分析通过如下公式进行计算，公式为：
无向图： ；
有向图：；
式中：d为网络密度，取值范围为0~1；
n为网络中所包含的网络链路节点数；
l为网络中所包含的网络链路节点连接数。
更进一步地，用户通过手动编辑设定安全等级评价阈值，步骤4在根据网络密度对当前网络进行安全评价时，参考安全等级评价阈值对当前网络密度进行安全判定。
更进一步地，所述步骤5中构建的威胁数据库中包含数据内容为：敏感文字及敏感图像数据的特征图像，且敏感文字及敏感图像数据的特征图像通过用户向威胁数据库中输入；
所述步骤5下级设置有子步骤，包括以下步骤：
步骤51：对打包的信息数据进行文字识别及图像数据的特征提取，将识别的文字及图像数据特征与威胁数据库中储存的敏感文字及敏感图像数据特征图像进行比对；
步骤52：计算打包信息数据中敏感文字及敏感图像数据特征图像的占比率；
步骤53：设置占比率判定阈值，接收步骤52中计算的打包信息数据中敏感文字及敏感图像数据特征图像的占比率，根据占比率判定阈值判定信息数据是否安全；
步骤54：对判定结果为是的信息数据开放数据共享权限，对判定结果为否信息数据进行删除。
更进一步地，所述步骤5在向威胁数据库发送打包的信息数据时，同步获取步骤4中信息数据应用网络的网络密度安全评价结果，步骤53中占比率判定阈值设置有两组，两组所述占比率判定阈值分别应用于步骤4中对网络安全评价判定不同结果。
更进一步地，所述步骤6中构建的人工神经网络模型为：
；
式中：为输出值；
f（·）为激励函数；
为输入信号；
为阈值；
为连接权值；
I为i的最大取值项。
有益效果
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
1、本发明提供一种改进型神经网络模型的网络信息分析方法，通过该方法中的步骤执行，能够对网络环境进行分析，并进一步的网络对应的网络密度进行评价，达到对网络环境及其信息数据传输安全分析的初步判定，并且采用建立云端数据库及威胁数据库的方式，对网络中传输的信息数据进行比对，从而确保对网络中的信息数据进行精准的判定，使网络环境安全稳定。
2、本发明中方法在步骤的执行过程中还通过构建信息数据传输通道的方式来对网络中的信息数据做初步的筛选处理，其对信息数据在构建的信息数据传输通道中的各链路节点进行读取的方式，有效的对信息数据进行了格式分类，并以此避免了含杂病毒的信息数据进一步传输，且以此降低了在对信息数据进行比对使得比对数据负担。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一种改进型神经网络模型的网络信息分析方法的结构示意图；
图2为本发明中方法的步骤51-步骤55的流程示意图；
图3为本发明中最小单位神经网络的分布结构展示示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例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他实施例，都属于本发明保护的范围。
下面结合实施例对本发明作进一步的描述。
实施例1
本实施例的一种改进型神经网络模型的网络信息分析方法，如图1所示，包括以下步骤：
步骤1：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；
步骤2：获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，网络信息数据同步在信息数据传输通道中被读取；
步骤3：建立云端数据库，在信息数据传输通道对网络信息数据读取后，对完成读取的网络信息数据向云端数据库发送；
步骤4：分析信息数据传输通道应用网络密度，根据网络密度对当前网络进行安全评价；
步骤5：构建威胁数据库，设置数据反馈周期，根据信息数据反馈周期及信息数据格式进行打包向威胁数据库中发送；
步骤6：获取步骤5的下级子步骤54的判定结果，对判定结果进行记载，根据记载数据、云端数据库及威胁数据库中储存数据构建人工神经网络，应用人工神经网络对信息数据传输通道中的接收的信息数据进行实时处理。
实施例2
如图1所示，步骤1中分析的网络环境属性包括：局域网、城域网、广域网、个域网及无线网；
其中，为个域网、局域网或无线网配置的信息数据传输通道中网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于两组，为城域网、广域网配置的网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于四组。
如图1所示，步骤2在信息数据传输通道中读取实时接收的网络信息数据时，同步对网络信息数据的格式进行识别，对识别到格式的网络信息数据在信息数据传输通道中向下一网络链路节点传输；
其中，网络信息数据的格式识别操作在信息数据传输通道中的各网络链路节点中执行，每一网络链路节点可识别若干格式的信息数据，网络信息数据在信息数据传输通道中传输时依次在信息数据传输通道中的各网络连接节点组成路径中进行格式识别，对未识别的网络信息数据进行舍弃，对识别的网络信息数据进行储存。
如图1所示，步骤3中建立的云端数据库与步骤1中构建的信息数据传输通道中由网络链路节点组成路径中的最后一组网络链路节点相连接。
如图1所示，步骤4中信息数据传输通道应用网络的密度分析通过如下公式进行计算，公式为：
无向图： ；
有向图：；
式中：d为网络密度，取值范围为0~1；
n为网络中所包含的网络链路节点数；
l为网络中所包含的网络链路节点连接数。
如图1所示，用户通过手动编辑设定安全等级评价阈值，步骤4在根据网络密度对当前网络进行安全评价时，参考安全等级评价阈值对当前网络密度进行安全判定。
实施例3
如图1所示，步骤5中构建的威胁数据库中包含数据内容为：敏感文字及敏感图像数据的特征图像，且敏感文字及敏感图像数据的特征图像通过用户向威胁数据库中输入；
步骤5下级设置有子步骤，包括以下步骤：
步骤51：对打包的信息数据进行文字识别及图像数据的特征提取，将识别的文字及图像数据特征与威胁数据库中储存的敏感文字及敏感图像数据特征图像进行比对；
步骤52：计算打包信息数据中敏感文字及敏感图像数据特征图像的占比率；
步骤53：设置占比率判定阈值，接收步骤52中计算的打包信息数据中敏感文字及敏感图像数据特征图像的占比率，根据占比率判定阈值判定信息数据是否安全；
步骤54：对判定结果为是的信息数据开放数据共享权限，对判定结果为否信息数据进行删除。
如图1所示，步骤5在向威胁数据库发送打包的信息数据时，同步获取步骤4中信息数据应用网络的网络密度安全评价结果，步骤53中占比率判定阈值设置有两组，两组占比率判定阈值分别应用于步骤4中对网络安全评价判定不同结果。
如图1所示，步骤6中构建的人工神经网络模型为：
；
式中：为输出值；
f（·）为激励函数；
为输入信号；
为阈值；
为连接权值；
I为i的最大取值项。
神经网络是由多个神经元以某种特定的方式连接而成。神经元自身都有一激励函数，不同层神经元之间存在作用于传递信号上的加权值，称之为权重，而整个模型的输出由权重值、连接方式以及激励函数共同决定，神经元作为构成神经网络的最小单元，是决定模型性能的关键因素之一，在这里我们将步骤6中构建的神经元作为人工神经网络模型所使用。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种改进型神经网络模型的网络信息分析方法，其特征在于，包括以下步骤：
步骤1：分析网络环境属性，构建信息数据传输通道，根据网络环境属性配置信息数据传输通道；
步骤2：获取当前网络环境属性，根据网络环境属性应用信息数据传输通道，通过信息数据传输通道实时接收网络中发出的网络信息数据，网络信息数据同步在信息数据传输通道中被读取；
步骤3：建立云端数据库，在信息数据传输通道对网络信息数据读取后，对完成读取的网络信息数据向云端数据库发送；
步骤4：分析信息数据传输通道应用网络密度，根据网络密度对当前网络进行安全评价；
步骤5：构建威胁数据库，设置数据反馈周期，根据信息数据反馈周期及信息数据格式进行打包向威胁数据库中发送；
步骤6：获取步骤5的下级子步骤54的判定结果，对判定结果进行记载，根据记载数据、云端数据库及威胁数据库中储存数据构建人工神经网络，应用人工神经网络对信息数据传输通道中的接收的信息数据进行实时处理；
所述步骤5中构建的威胁数据库中包含数据内容为：敏感文字及敏感图像数据的特征图像，且敏感文字及敏感图像数据的特征图像通过用户向威胁数据库中输入；
所述步骤5下级设置有子步骤，包括以下步骤：
步骤51：对打包的信息数据进行文字识别及图像数据的特征提取，将识别的文字及图像数据特征与威胁数据库中储存的敏感文字及敏感图像数据特征图像进行比对；
步骤52：计算打包信息数据中敏感文字及敏感图像数据特征图像的占比率；
步骤53：设置占比率判定阈值，接收步骤52中计算的打包信息数据中敏感文字及敏感图像数据特征图像的占比率，根据占比率判定阈值判定信息数据是否安全；
步骤54：对判定结果为是的信息数据开放数据共享权限，对判定结果为否信息数据进行删除。
2.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤1中分析的网络环境属性包括：局域网、城域网、广域网、个域网及无线网；
其中，为个域网、局域网或无线网配置的信息数据传输通道中网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于两组，为城域网、广域网配置的网络链路节点数量根据用户端手动编辑设定，且网络链路节点数量不少于四组。
3.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤2在信息数据传输通道中读取实时接收的网络信息数据时，同步对网络信息数据的格式进行识别，对识别到格式的网络信息数据在信息数据传输通道中向下一网络链路节点传输；
其中，网络信息数据的格式识别操作在信息数据传输通道中的各网络链路节点中执行，每一网络链路节点可识别若干格式的信息数据，网络信息数据在信息数据传输通道中传输时依次在信息数据传输通道中的各网络连接节点组成路径中进行格式识别，对未识别的网络信息数据进行舍弃，对识别的网络信息数据进行储存。
4.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤3中建立的云端数据库与步骤1中构建的信息数据传输通道中由网络链路节点组成路径中的最后一组网络链路节点相连接。
5.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤4中信息数据传输通道应用网络的密度分析通过如下公式进行计算，公式为：
无向图： ；
有向图：；
式中：d为网络密度，取值范围为0~1；
n为网络中所包含的网络链路节点数；
l为网络中所包含的网络链路节点连接数。
6.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，用户通过手动编辑设定安全等级评价阈值，步骤4在根据网络密度对当前网络进行安全评价时，参考安全等级评价阈值对当前网络密度进行安全判定。
7.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤5在向威胁数据库发送打包的信息数据时，同步获取步骤4中信息数据应用网络的网络密度安全评价结果，步骤53中占比率判定阈值设置有两组，两组所述占比率判定阈值分别应用于步骤4中对网络安全评价判定不同结果。
8.根据权利要求1所述的一种改进型神经网络模型的网络信息分析方法，其特征在于，所述步骤6中构建的人工神经网络模型为：
；
式中：为输出值；
f（·）为激励函数；
为输入信号；
为阈值；
为连接权值；
I为i的最大取值项。
CN202211463010.XA 2022-11-22 2022-11-22 一种改进型神经网络模型的网络信息分析方法 Active CN115567323B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211463010.XA CN115567323B (zh) 2022-11-22 2022-11-22 一种改进型神经网络模型的网络信息分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211463010.XA CN115567323B (zh) 2022-11-22 2022-11-22 一种改进型神经网络模型的网络信息分析方法

Publications (2)

Publication Number Publication Date
CN115567323A CN115567323A (zh) 2023-01-03
CN115567323B true CN115567323B (zh) 2023-11-07

Family

ID=84770745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211463010.XA Active CN115567323B (zh) 2022-11-22 2022-11-22 一种改进型神经网络模型的网络信息分析方法

Country Status (1)

Country Link
CN (1) CN115567323B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107329970A (zh) * 2017-05-23 2017-11-07 成都联宇云安科技有限公司 一种针对手机管控系统舆情大数据进行分析处理的方法
CN107579986A (zh) * 2017-09-21 2018-01-12 北京工业大学 一种复杂网络中网络安全检测的方法
CN111917747A (zh) * 2020-07-17 2020-11-10 上海大学 一种校园网络安全态势感知系统及方法
CN114006723A (zh) * 2021-09-14 2022-02-01 上海纽盾科技股份有限公司 基于威胁情报的网络安全预测方法、装置及系统
CN114826691A (zh) * 2022-04-02 2022-07-29 深圳市博博信息咨询有限公司 一种基于多维度分析的网络信息安全智能分析预警管理系统
CN115037632A (zh) * 2022-06-14 2022-09-09 国网安徽省电力有限公司芜湖供电公司 一种网络安全态势感知分析系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220225101A1 (en) * 2021-01-08 2022-07-14 Darktrace Holdings Limited Ai cybersecurity system monitoring wireless data transmissions

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107329970A (zh) * 2017-05-23 2017-11-07 成都联宇云安科技有限公司 一种针对手机管控系统舆情大数据进行分析处理的方法
CN107579986A (zh) * 2017-09-21 2018-01-12 北京工业大学 一种复杂网络中网络安全检测的方法
CN111917747A (zh) * 2020-07-17 2020-11-10 上海大学 一种校园网络安全态势感知系统及方法
CN114006723A (zh) * 2021-09-14 2022-02-01 上海纽盾科技股份有限公司 基于威胁情报的网络安全预测方法、装置及系统
CN114826691A (zh) * 2022-04-02 2022-07-29 深圳市博博信息咨询有限公司 一种基于多维度分析的网络信息安全智能分析预警管理系统
CN115037632A (zh) * 2022-06-14 2022-09-09 国网安徽省电力有限公司芜湖供电公司 一种网络安全态势感知分析系统

Also Published As

Publication number Publication date
CN115567323A (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN109698836B (zh) 一种基于深度学习的无线局域网入侵检测方法和系统
US10178115B2 (en) Systems and methods for categorizing network traffic content
CN109561322A (zh) 一种视频审核的方法、装置、设备和存储介质
CN110619535B (zh) 一种数据处理方法及其装置
WO2022057321A1 (zh) 异常链路检测方法、装置及存储介质
CN110046297B (zh) 运维违规操作的识别方法、装置和存储介质
KR102008169B1 (ko) 고객 질의 대응 서버, 방법 및 판독 가능 저장매체에 저장된 컴퓨터 프로그램
CN112818257A (zh) 基于图神经网络的账户检测方法、装置和设备
CN111654538B (zh) 基于区块链及大数据的通信处理方法及云边端计算服务器
CN112884121A (zh) 基于生成对抗深度卷积网络的流量识别方法
CN116340793A (zh) 一种数据处理方法、装置、设备以及可读存储介质
CN115567323B (zh) 一种改进型神经网络模型的网络信息分析方法
CN111507850A (zh) 核保方法及相关装置、设备
CN106530199B (zh) 基于窗口式假设检验的多媒体综合隐写分析方法
CN110163761B (zh) 基于图像处理的可疑项目成员识别方法及装置
CN113992419A (zh) 一种用户异常行为检测和处理系统及其方法
CN114064872A (zh) 对话数据信息的智能存储方法、装置、设备及介质
CN112202743B (zh) 一种基于scada系统的地铁网络入侵防御方法
Cui et al. Semi-2DCAE: a semi-supervision 2D-CNN AutoEncoder model for feature representation and classification of encrypted traffic
CN116385080B (zh) 一种基于人工智能的移动互联网用户数据统计推广系统
CN115396374B (zh) 一种智能优先数据转发专用路由系统及其方法
CN113946758B (zh) 一种数据识别方法、装置、设备及可读存储介质
CN117435959A (zh) 一种基于参数的api接口分类方法及系统
CN114125734A (zh) 5g消息传输方法及系统
KR20240036347A (ko) 규칙 기반 학습의 해석 시스템

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
TA01 Transfer of patent application right

Effective date of registration: 20231013

Address after: 230000 Room 403, building 2, Laojie library, Dianbu Town, Feidong County, Hefei City, Anhui Province

Applicant after: Hefei guiqian Information Technology Co.,Ltd.

Address before: Room 405, Building 1, COFCO Chuangxin R&D Center, 69 Xingdong Community, Xin'an Street, Bao'an District, Shenzhen, Guangdong 518101

Applicant before: Shenzhen Mack Storage Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240102

Address after: Room 103, 1st Floor, Building 4, No. 288 Ningxia Road, Shinan District, Qingdao City, Shandong Province, 266000

Patentee after: QINGDAOGLADTRUST MANAGEMENT CO.,LTD.

Address before: 230000 Room 403, building 2, Laojie library, Dianbu Town, Feidong County, Hefei City, Anhui Province

Patentee before: Hefei guiqian Information Technology Co.,Ltd.