CN117033501A - 大数据采集分析系统 - Google Patents
大数据采集分析系统 Download PDFInfo
- Publication number
- CN117033501A CN117033501A CN202310925990.9A CN202310925990A CN117033501A CN 117033501 A CN117033501 A CN 117033501A CN 202310925990 A CN202310925990 A CN 202310925990A CN 117033501 A CN117033501 A CN 117033501A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- analysis
- analysis system
- processing
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 238000013079 data visualisation Methods 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007418 data mining Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000013501 data transformation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000002085 persistent effect Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 5
- 238000000034 method Methods 0.000 abstract description 22
- 230000008569 process Effects 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N5/025—Extracting rules from data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了大数据采集分析系统,涉及大数据采集技术领域,该大数据采集分析系统包括数据采集组件、数据存储组件、数据处理和分析组件、数据可视化组件、数据安全和隐私组件,能够集成和处理多种数据来源,包括结构化数据、半结构化数据和非结构化数据,从而实现全面的数据融合和分析。这样可以更好地理解和利用数据,获取更全面准确的洞察,系统采用分布式计算和处理技术,能够并行处理大规模的数据集。这使得数据处理和分析能够以高速度和高效率进行,大大减少了处理时间,提高了系统的吞吐能力,系统提供实时数据处理和分析的能力,可以对流式数据进行即时处理,使用户能够及时捕捉到数据中的变化和趋势。
Description
技术领域
本发明涉及大数据采集技术领域,特别涉及大数据采集分析系统。
背景技术
为了应对现代社会中海量数据的产生和管理需求,大数据采集分析系统具有广阔的使用前景,随着数据的不断增长和业务需求的提升,它在各个行业和领域都具有重要的应用价值;
为了处理和应对不断增长的数据量,从中提取有价值的信息和洞察,大数据采集分析系统能否对数据准确洞察,数据的吞吐能力能否满足日益增长的数据量,安全性是否有保障这些问题成为了大数据采集分析系统能否满足业务需求的关键,为了达到上述技术效果,现提出一种大数据采集分析系统
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了大数据采集分析系统,达到了全面的数据融合和分析,提高了系统的吞吐能力,能够适应不断增长的数据量和不断变化的业务需求,确保数据的机密性和完整性的技术效果。
(二)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:
大数据采集分析系统,包括数据采集组件、数据存储组件、数据处理和分析组件、数据可视化组件、数据安全和隐私组件;
其中,数据采集组件由数据源接口、数据提取和抓取、数据传输和通信、数据清洗和转换、数据处理和聚合五部分组成;
该大数据采集分析系统还包括数据预处理组件、实时数据处理组件、数据挖掘和机器学习组件、自动化决策和智能推荐组件、实时监控和报警组件;
数据预处理组件包括数据清洗、数据去噪、数据变换和特征选择功能。
优选的:所述数据存储组件采用分布式文件系统(例如Hadoop的HDFS)、分布式数据库(例如HBase、Cassandra)或数据湖(Data Lake)进行数据的持久化存储;
其中,分布式文件系统选用Hadoop的HDFS,分布式数据库选用HBase或Cassandra。
优选的:所述数据处理和分析组件采用Hadoop生态系统(例如MapReduce、Spark)、机器学习库(如TensorFlow、Scikit-learn)来实现。
优选的:实时数据处理组件使用流式处理引擎(如Apache Kafka、Apache Flink)来实现。
优选的:数据可视化组件通过生成图表、报表、仪表盘等形式来呈现数据的可视化视图。
优选的:所述数据安全和隐私组件包括身份认证、权限控制、加密三项安全机制。
(三)有益效果
1、能够集成和处理多种数据来源,包括结构化数据、半结构化数据和非结构化数据,从而实现全面的数据融合和分析。这样可以更好地理解和利用数据,获取更全面准确的洞察。
2、系统采用分布式计算和处理技术,能够并行处理大规模的数据集。这使得数据处理和分析能够以高速度和高效率进行,大大减少了处理时间,提高了系统的吞吐能力。
3、系统提供实时数据处理和分析的能力,可以对流式数据进行即时处理,使用户能够及时捕捉到数据中的变化和趋势。这对于需要实时决策和快速响应的应用场景非常重要,系统设计具备良好的扩展性和灵活性,可以根据数据量的增长和业务需求的变化进行水平扩展和功能扩展。这使得系统能够适应不断增长的数据量和不断变化的业务需求。
4、系统提供数据可视化组件,可以将数据转化为可视化的图表、仪表盘等形式,使用户能够直观地理解和分析数据。同时,用户还可以进行交互式操作,探索数据并进行深入分析,系统具备数据安全和隐私保护的功能,包括数据加密、访问控制、身份认证等措施,确保数据的机密性和完整性。这对于处理敏感数据或符合隐私法规的应用场景非常重要。
5、系统结合数据挖掘和机器学习技术,能够提供智能化的决策支持和个性化推荐。通过分析大数据中隐藏的模式和趋势,系统可以自动化执行决策或提供个性化的建议,帮助用户做出更准确的决策,系统提供实时监控和报警功能,可以及时发现数据异常、故障或其他重要事件,并及时进行预警和通知,帮助用户迅速采取相应的措施。
附图说明
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,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
图1为本发明的系统结构示意图。
具体实施方式
本申请实施例通过提供大数据采集分析系统,有效达到了全面的数据融合和分析,提高了系统的吞吐能力,能够适应不断增长的数据量和不断变化的业务需求,确保数据的机密性和完整性的技术效果。
本申请实施例中的技术方案总体思路如下:
针对现有技术中存在的问题,本发明提供大数据采集分析系统,包括数据采集组件、数据存储组件、数据处理和分析组件、数据可视化组件、数据安全和隐私组件;
其中,数据采集组件由数据源接口、数据提取和抓取、数据传输和通信、数据清洗和转换、数据处理和聚合五部分组成,数据采集组件负责从不同的数据源收集数据,数据源可以包括传感器、日志文件、数据库、社交媒体平台、网页等,数据采集组件可以使用各种技术和协议来获取数据,并确保数据的准确性和完整性;
数据源接口是连接系统与数据源的桥梁,它可以支持多种数据源类型,例如传感器设备、数据库、文件系统、Web服务、社交媒体平台等。通过数据源接口,系统能够与不同类型的数据源建立连接并进行数据交互,数据提取和抓取是从数据源中获取数据的过程。这包括通过API调用、网络爬虫、日志文件解析等方式来提取数据。数据提取和抓取的方式取决于数据源的特性和访问方式,数据采集组件还包括数据传输和通信部分,用于将提取的数据从数据源传输到数据存储系统。数据传输可以通过网络传输、文件传输、消息队列等方式进行,数据采集过程中,往往需要进行数据清洗和转换,以保证数据的质量和一致性。数据清洗涉及去除重复数据、填充缺失值、校正错误数据等。数据转换包括数据格式转换、数据结构调整、数据标准化等操作,一些数据采集系统在采集过程中进行简单的数据处理和聚合操作,以减少后续数据分析的工作量。例如,可以进行数据筛选、数据汇总、数据降采样等操作,以保证采集到的数据集合具有适当的规模和可分析性;
该大数据采集分析系统还包括数据预处理组件、实时数据处理组件、数据挖掘和机器学习组件、自动化决策和智能推荐组件、实时监控和报警组件;
数据预处理组件包括数据清洗、数据去噪、数据变换和特征选择功能;
数据存储组件负责将采集到的数据存储在一个可扩展和可靠的系统中。大数据存储技术如分布式文件系统(例如Hadoop的HDFS)、分布式数据库(例如HBase、Cassandra)或数据湖(Data Lake)等都可以用于数据的持久化存储;
数据处理和分析组件用于对存储的数据进行处理和分析。它包括数据清洗、数据转换、特征提取、建模、预测和可视化等功能。这些组件可以使用各种数据处理和分析工具,如Hadoop生态系统(例如MapReduce、Spark)、机器学习库(如TensorFlow、Scikit-learn)等来实现;
数据可视化组件负责将数据分析和处理的结果可视化展示给用户,以便更好地理解和解释数据。它可以通过生成图表、报表、仪表盘等形式来呈现数据的可视化视图,以帮助用户发现数据中的模式、趋势和异常情况;
数据安全和隐私组件,随着大数据的普及,数据安全和隐私保护越来越重要。这些组件用于确保数据的安全存储、传输和访问。它可以包括身份认证、权限控制、加密等安全机制,以保护数据免受未经授权的访问和滥用;
数据预处理组件是在数据分析之前对原始数据进行处理和准备的过程。数据预处理组件可以包括数据清洗、数据去噪、数据变换和特征选择等功能,以确保数据的质量和可用性;
实时数据处理组件用于处理实时产生的数据流。它可以接收来自传感器、日志或其他实时数据源的数据,并进行实时处理和分析。实时数据处理组件通常使用流式处理引擎(如Apache Kafka、Apache Flink)来实现;
数据挖掘和机器学习组件用于应用各种挖掘技术和机器学习算法,以从大数据中发现隐藏的模式、关联和趋势。这些组件可以包括聚类、分类、回归、关联规则挖掘等功能,以便从数据中获得更深入的洞察;
自动化决策和智能推荐组件利用机器学习和算法技术,将数据分析的结果应用于自动化决策和智能推荐系统中。它们可以根据数据的分析结果,自动化执行某些操作或提供个性化的推荐建议;
实时监控和报警组件用于监控数据采集和分析过程中的指标和事件,并根据预设的规则或阈值进行警报和通知。这有助于及时发现数据异常、故障或其他重要事件,并采取适当的措施;
包含上述组件的大数据采集分析系统,能够集成和处理多种数据来源,包括结构化数据、半结构化数据和非结构化数据,从而实现全面的数据融合和分析。这样可以更好地理解和利用数据,获取更全面准确的洞察,系统采用分布式计算和处理技术,能够并行处理大规模的数据集。这使得数据处理和分析能够以高速度和高效率进行,大大减少了处理时间,提高了系统的吞吐能力,系统提供实时数据处理和分析的能力,可以对流式数据进行即时处理,使用户能够及时捕捉到数据中的变化和趋势。这对于需要实时决策和快速响应的应用场景非常重要,系统设计具备良好的扩展性和灵活性,可以根据数据量的增长和业务需求的变化进行水平扩展和功能扩展。这使得系统能够适应不断增长的数据量和不断变化的业务需求,系统提供数据可视化组件,可以将数据转化为可视化的图表、仪表盘等形式,使用户能够直观地理解和分析数据。同时,用户还可以进行交互式操作,探索数据并进行深入分析,系统具备数据安全和隐私保护的功能,包括数据加密、访问控制、身份认证等措施,确保数据的机密性和完整性。这对于处理敏感数据或符合隐私法规的应用场景非常重要,系统结合数据挖掘和机器学习技术,能够提供智能化的决策支持和个性化推荐。通过分析大数据中隐藏的模式和趋势,系统可以自动化执行决策或提供个性化的建议,帮助用户做出更准确的决策,系统提供实时监控和报警功能,可以及时发现数据异常、故障或其他重要事件,并及时进行预警和通知,帮助用户迅速采取相应的措施。
最后应说明的是:显然,上述实施例仅仅是为清楚地说明本发明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (6)
1.大数据采集分析系统,其特征在于,该大数据采集分析系统包括:数据采集组件、数据存储组件、数据处理和分析组件、数据可视化组件、数据安全和隐私组件;
其中,数据采集组件由数据源接口、数据提取和抓取、数据传输和通信、数据清洗和转换、数据处理和聚合五部分组成;
该大数据采集分析系统还包括数据预处理组件、实时数据处理组件、数据挖掘和机器学习组件、自动化决策和智能推荐组件、实时监控和报警组件;
数据预处理组件包括数据清洗、数据去噪、数据变换和特征选择功能。
2.如权利要求1所述的大数据采集分析系统,其特征在于:所述数据存储组件采用分布式文件系统、分布式数据库或数据湖进行数据的持久化存储;
其中,分布式文件系统选用Hadoop的HDFS,分布式数据库选用HBase或Cassandra。
3.如权利要求1所述的大数据采集分析系统,其特征在于:所述数据处理和分析组件采用Hadoop生态系统、机器学习库来实现。
4.如权利要求1所述的大数据采集分析系统,其特征在于:实时数据处理组件使用流式处理引擎来实现。
5.如权利要求1所述的大数据采集分析系统,其特征在于:数据可视化组件通过生成图表、报表、仪表盘等形式来呈现数据的可视化视图。
6.如权利要求1所述的大数据采集分析系统,其特征在于:所述数据安全和隐私组件包括身份认证、权限控制、加密三项安全机制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310925990.9A CN117033501A (zh) | 2023-07-26 | 2023-07-26 | 大数据采集分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310925990.9A CN117033501A (zh) | 2023-07-26 | 2023-07-26 | 大数据采集分析系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117033501A true CN117033501A (zh) | 2023-11-10 |
Family
ID=88627201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310925990.9A Pending CN117033501A (zh) | 2023-07-26 | 2023-07-26 | 大数据采集分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117033501A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117667961A (zh) * | 2023-12-07 | 2024-03-08 | 山东浪潮新基建科技有限公司 | 一种流批一体化数据同步的方法及系统 |
-
2023
- 2023-07-26 CN CN202310925990.9A patent/CN117033501A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117667961A (zh) * | 2023-12-07 | 2024-03-08 | 山东浪潮新基建科技有限公司 | 一种流批一体化数据同步的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113676464B (zh) | 一种基于大数据分析技术的网络安全日志告警处理方法 | |
CN107667370B (zh) | 用于异常过程检测的方法和系统 | |
CN112114995B (zh) | 基于进程的终端异常分析方法、装置、设备及存储介质 | |
CN109902297B (zh) | 一种威胁情报生成方法及装置 | |
CN116662989B (zh) | 一种安全数据解析方法及系统 | |
CN106371986A (zh) | 一种日志处理运维监控系统 | |
CN108965340B (zh) | 一种工业控制系统入侵检测方法及系统 | |
CN113157994A (zh) | 一种多源异构平台数据处理方法 | |
EP2936772B1 (en) | Network security management | |
CN112416872A (zh) | 一种基于大数据的云平台日志管理系统 | |
CN112560029A (zh) | 基于智能分析技术的网站内容监测和自动化响应防护方法 | |
CN117033501A (zh) | 大数据采集分析系统 | |
CN116361784A (zh) | 数据的检测方法、装置、存储介质及计算机设备 | |
CN111726351B (zh) | 基于Bagging改进的GRU并行网络流量异常检测方法 | |
CN113938401A (zh) | 一种舰艇网络安全可视化系统 | |
KR101444250B1 (ko) | 개인정보 접근감시 시스템 및 그 방법 | |
CN111274218A (zh) | 一种电力信息系统多源日志数据处理方法 | |
CN110149303B (zh) | 一种党校的网络安全预警方法及预警系统 | |
CN113132370A (zh) | 一种普适的一体化安管中心系统 | |
Lu et al. | One intrusion detection method based on uniformed conditional dynamic mutual information | |
CN113079148A (zh) | 一种工业互联网安全监测方法、装置、设备及储存介质 | |
CN111611483A (zh) | 一种对象画像构建方法、装置、设备及存储介质 | |
CN117857182B (zh) | 一种服务器异常访问的处理方法及装置 | |
CN117376030B (zh) | 流量异常检测方法、装置、计算机设备及可读存储介质 | |
KR102604380B1 (ko) | 다중 학습 모델을 이용한 5g 엣지 네트워크 침입 탐지 장치 및 이를 이용한 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |