WO2020062731A1 - 一种基于代价函数的白名单更新方法、装置及电子设备 - Google Patents

一种基于代价函数的白名单更新方法、装置及电子设备 Download PDF

Info

Publication number
WO2020062731A1
WO2020062731A1 PCT/CN2019/072197 CN2019072197W WO2020062731A1 WO 2020062731 A1 WO2020062731 A1 WO 2020062731A1 CN 2019072197 W CN2019072197 W CN 2019072197W WO 2020062731 A1 WO2020062731 A1 WO 2020062731A1
Authority
WO
WIPO (PCT)
Prior art keywords
weight
traffic data
initial weight
initial
value
Prior art date
Application number
PCT/CN2019/072197
Other languages
English (en)
French (fr)
Inventor
孙家棣
马宁
于洋
Original Assignee
平安科技（深圳）有限公司
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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2020062731A1 publication Critical patent/WO2020062731A1/zh

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
    • H04L63/1425—Traffic logging, e.g. anomaly detection

Definitions

  • the present disclosure relates to the field of big data technology, and in particular, to a method, a device, and an electronic device for updating a white list based on a cost function.
  • a computer-readable storage medium stores a computer program that causes a computer to execute the above-mentioned white list updating method based on a cost function.
  • An electronic device includes: a processor; a memory storing computer-readable instructions stored thereon, and when the computer-readable instructions are executed by the processor, a method for updating a white list based on a cost function as described above is implemented.
  • Fig. 1 is a schematic diagram illustrating a whitelist updating device based on a cost function according to an exemplary embodiment.
  • the apparatus 100 may be the aforementioned portable mobile device.
  • the device 100 may include one or more of the following components: a processing component 102, a memory 104, a power component 106, a multimedia component 108, an audio component 110, a sensor component 114, and a communication component 116.
  • the processing component 102 generally controls overall operations of the device 100, such as operations associated with display, telephone calls, data communications, camera operations, and recording operations.
  • the processing component 102 may include one or more processors 118 to execute instructions to complete all or part of the steps of the method described below.
  • the processing component 102 may include one or more modules for facilitating interaction between the processing component 102 and other components.
  • the processing component 102 may include a multimedia module to facilitate the interaction between the multimedia component 108 and the processing component 102.
  • the memory 104 is configured to store various types of data to support operation at the device 100. Examples of such data include instructions for any application program or method for operating on the device 100.
  • the memory 104 may be implemented by any type of volatile or non-volatile storage device or a combination thereof, such as Static Random Access Memory Memory (referred to as SRAM), electrically erasable programmable read-only memory (Electrically Erasable Programmable Read-Only Memory (EEPROM for short), Erasable Programmable Read Only Memory (EPROM), Programmable Red-Only Memory (referred to as PROM), read-only memory (Read-Only Memory, referred to as ROM), magnetic memory, flash memory, magnetic disk or optical disk.
  • SRAM Static Random Access Memory Memory
  • EEPROM Electrically erasable programmable read-only memory
  • EPROM Erasable Programmable Read Only Memory
  • PROM Programmable Red-Only Memory
  • ROM Read-Only Memory
  • magnetic memory flash memory
  • the memory 104 also stores one or more modules for the one or more modules configured to be executed by the one or more processors 118 to complete all or part of the steps in the method shown below.
  • the power supply assembly 106 provides power
  • the power component 106 may include a power management system, one or more power sources, and other components associated with generating, managing, and distributing power for the device 100.
  • the multimedia component 108 includes a screen that provides an output interface between the device 100 and a user.
  • the screen may include a liquid crystal display (Liquid Crystal Display, LCD for short) and a touch panel. If the screen includes a touch panel, the screen may be implemented as a touch screen to receive an input signal from a user.
  • the touch panel includes one or more touch sensors to sense touch, swipe, and gestures on the touch panel. The touch sensor may not only sense a boundary of a touch or slide action, but also detect duration and pressure related to the touch or slide operation.
  • the screen may also include an Organic Light Emitting Display.
  • the sensor component 114 can detect the open / closed state of the device 100, the relative positioning of the components, and the sensor component 114 can also detect a change in the position of the device 100 or a component of the device 100 and a change in the temperature of the device 100.
  • the sensor component 114 may further include a magnetic sensor, a pressure sensor, or a temperature sensor.
  • the communication component 116 is configured to facilitate wired or wireless communication between the device 100 and other devices.
  • the device 100 can access a wireless network based on a communication standard, such as WiFi (Wireless-Fidelity, wireless fidelity).
  • the communication component 116 receives a broadcast signal or broadcast-related information from an external broadcast management system via a broadcast channel.
  • Fig. 2 is a flow chart showing a method for updating a white list based on a cost function according to an exemplary embodiment. As shown in Figure 2, this method includes the following steps.
  • Step 220 Perform a normalization operation on the feature value to obtain a normalized feature value.
  • a normalization operation is performed on the above-mentioned feature values, and the way to obtain the normalized feature values may specifically be that the minimum feature value and the median feature value of the traffic data to be processed are determined from the above-mentioned several feature values; according to The minimum eigenvalue and the median eigenvalue.
  • the median eigenvalue may be
  • Step 240 When the weight value is greater than a preset weight threshold and the pending traffic data is a certain traffic data on the white list, delete the pending traffic data from the white list.
  • the manner of determining the preset weight threshold mentioned in step 240 may specifically be that all the traffic data to be processed are taken as a vertical axis, and the weight values corresponding to all the traffic data to be processed are taken as a horizontal axis, Obtain the flow data distribution map; determine the cost value of each original flow data point in the flow data distribution chart; where the cost value of each original flow data point is used to represent each original flow data point and fit in the flow data distribution chart The degree of similarity of each flow data point in the subsequent flow data distribution map; determine the original flow data point corresponding to the smallest cost value among all the original flow data's cost value as the target inflection point, and determine the ordinate of the target inflection point Is a preset weight threshold.
  • the calculation method of the cost value of each original flow data point is the same, in another exemplary embodiment, only the calculation method of the cost value of a certain original flow data point is introduced, as follows: An original flow data point is used as the inflection point; all points on the left and right sides of the inflection point are fitted respectively, and the vertical coordinates of all points except the inflection point after fitting are obtained. According to all points except the inflection point before and after fitting, After the ordinate is combined, the squared difference is calculated as the cost value of a certain original flow data point.
  • the method shown in FIG. 2 may further include: when the weight value is less than or equal to a predetermined weight threshold and the traffic data to be processed is one of the blacklist traffic data, The pending traffic data is deleted from the blacklist, and the pending traffic data is added to the whitelist.
  • FIG. 3 is a flowchart of details of step 230 in the embodiment corresponding to FIG. 2. As shown in FIG. 3, step 230 includes:
  • Step 231 Perform a weight error calculation to obtain a weight error set according to the normalized eigenvalue, a plurality of thresholds, and an initial weight.
  • the weight error set includes a plurality of weight errors, and each weight error corresponds to a threshold value.
  • the thresholds are selected from a preset range that matches the range of the normalized feature value according to the equal-step method. In an exemplary embodiment, if the range of the normalized feature value is [0,1], the preset ranges of the foregoing thresholds are also [0,1]. If the step size is 0.1, the first threshold is set to 0.1, then the second threshold is 0.2, the third threshold is 0.3, and so on, until a preset number of thresholds are obtained by this rule.
  • the weight error forms a weight error set corresponding to the eigenvalue.
  • Multiple sets of weight error sets can be obtained by traversing all or part of the above-mentioned several eigenvalues of the to-be-processed traffic data according to the method described above. In one example, the multiple sets of weight error sets are obtained by traversing the above-mentioned features of the to-be-processed traffic data All eigenvalues in.
  • Step 232 Determine a minimum weight error from all the weight error sets. All the above-mentioned weight error sets mentioned in step 232 may be the above-mentioned multiple sets of weight error sets, that is, a minimum weight error is determined from the above-mentioned multiple sets of weight error sets.
  • Step 233 Determine the normalized eigenvalue and the threshold corresponding to the minimum weight error as the rational eigenvalue and the rational threshold, respectively.
  • Step 234 Compare the rational characteristic value and the rational threshold value to obtain the source direction of the traffic data to be processed. When the rational characteristic value is less than or equal to the rational threshold, the source direction of the traffic data to be processed is indicated as a white list based on the rational characteristic value.
  • Step 235 Determine whether it is necessary to supplement the initial weight according to the foregoing source direction. If yes, go to step 236; if not, go to step 237.
  • judging whether the above-mentioned initial weight needs to be supplemented at a price according to the source direction including: determining whether the source direction matches the actual direction of the traffic data to be processed; When the directions match, it is determined that it is not necessary to supplement the initial weight; when the source direction does not match the actual direction, determine whether the actual direction is a blacklist, and when the actual direction is blacklist, determine that the initial weight needs to be adjusted.
  • the weight is supplemented with a price, and when the actual pointing is not a blacklist, it is determined that the above-mentioned initial weight does not need to be supplemented with a price.
  • Fig. 4 is a block diagram of a device for updating a white list based on a cost function according to an exemplary embodiment.
  • the cost function-based whitelist updating device includes: an obtaining unit 410, configured to obtain several feature values corresponding to the traffic data to be processed.
  • a processing unit 420 is configured to perform a normalization operation on the above-mentioned feature values, obtain the normalized feature values, and use an iterative algorithm including a cost parameter to traverse all the normalized feature values to obtain a weight value corresponding to the traffic data to be processed; The weight value is used to indicate the abnormality of the traffic data to be processed.
  • the updating unit 430 is configured to delete the pending traffic data from the white list when the weight value is greater than a preset weight threshold and the pending traffic data is a certain traffic data on the white list.
  • the updating unit is further configured to: when the weight value is less than or equal to the predetermined weight threshold and the to-be-processed traffic data is a certain kind of traffic data in a blacklist, The processing traffic data is deleted from the black list, and the to-be-processed traffic data is added to the white list.
  • the processing unit is configured to perform weight error calculation according to the normalized feature value, several thresholds, and initial weights to obtain a weight error set;
  • the weight error set includes a number of weight errors, each One weight error corresponds to one threshold;
  • a minimum weight error is determined from all the weight error sets;
  • a normalized characteristic value and a threshold corresponding to the minimum weight error are determined as a rational characteristic value and a rational threshold, respectively Comparing the rational characteristic value and the rational threshold to obtain the source direction of the to-be-processed traffic data; determining whether it is necessary to supplement the initial weight according to the source direction; when it is necessary to perform the initial weight
  • the initial weight is supplemented by the cost parameter; when the initial weight is not required to be supplemented, the initial weight is updated according to a preset rule; whether the number of iterations reaches the preset number of iterations ; When the preset number of iterations is not reached, performing the according to the normalization Eigenvalues, thresholds and initial weight
  • the processing unit is configured to: determine whether the source direction matches the actual direction of the traffic data to be processed; when the source direction matches the actual direction, determine that it is not required Supplement the cost of the initial weight; determine whether the actual pointing is the blacklist when the source pointing does not match the actual pointing, and determine the need when the actual pointing is the blacklist Supplementing the initial weight with a price, and when the actual pointing is not the blacklist, it is determined that the initial weight does not need to be supplemented with a price.
  • the processing unit is configured to: calculate a false determination rate for this iteration; and when the source direction matches the actual direction, according to a first preset rule, the false determination rate, The initial weight of this iteration and the initial weight of each iteration before this iteration are used to calculate the update weight used to update the initial weight; when the source orientation does not match the actual orientation, according to the second preset rule, the error The judgment rate, the initial weight of this iteration, and the initial weight of each iteration before this iteration, calculate the update weight used to update the initial weight; use the update weight to update the initial weight.
  • the processing unit is configured to determine a minimum eigenvalue and a median eigenvalue of the traffic data to be processed from the plurality of eigenvalues; and based on the minimum eigenvalue and the median eigenvalue, the eigenvalues are Perform a normalization operation to obtain a normalized eigenvalue.
  • each unit / module in the above device and related details are described in detail in the implementation process of the corresponding steps in the above method embodiment, and are not repeated here.
  • the device embodiments in the above embodiments may be implemented by means of hardware, software, firmware, or a combination thereof, and they may be implemented as a single device, or each component unit / module may be dispersed in one or more A logic integrated system in each computing device and each performing a corresponding function.
  • the units / modules constituting the device in the above embodiments are divided according to logical functions, and they may be re-divided according to logical functions.
  • the device may be implemented by more or fewer units / modules.
  • constituent units / modules may be implemented by means of hardware, software, firmware, or a combination thereof. They may be separate independent components or integrated units / modules in which multiple components are combined to perform corresponding logic functions.
  • the manner of the hardware, software, firmware, or a combination thereof may include: separated hardware components, a functional module implemented by a programming manner, a functional module implemented by a programmable logic device, or the like, or a combination of the foregoing manners.
  • the present disclosure also provides an electronic device including: a processor; a memory; computer-readable instructions are stored on the memory; and when the computer-readable instructions are executed by the processor, the cost function-based Whitelist update method.
  • the electronic device may be a white list updating apparatus 100 based on a cost function shown in FIG. 1.
  • the present disclosure also provides a computer-readable storage medium on which a computer program is stored.
  • the computer program is executed by a processor, the method for implementing a white list updating method based on a cost function as described above is implemented. .

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种大数据技术领域，揭示了一种基于代价函数的白名单更新方法、装置及电子设备。所述方法包括：获取待处理流量数据对应的若干特征值（210）；对获取到的特征值执行归一化操作，获得归一化特征值（220）；利用包含代价参数的迭代算法遍历所有归一化特征值，获得待处理流量数据对应的权重值（230）；当所获的权重值大于预设权重阈值且待处理流量数据为白名单上的某一个流量数据时，将待处理流量数据从白名单中删除（240）。此方法下，利用包含代价参数的迭代算法对待处理流量数据的若干特征值进行处理，可以获得较准确的用于指示待处理流量数据的异常程度的权重值，从而实现对白名单的进一步准确更新。

Description

一种基于代价函数的白名单更新方法、装置及电子设备 技术领域
本申请基于并要求2018年9月25日递交、发明名称为“一种基于代价函数的白名单更新方法、装置及电子设备”的中国专利申请CN201811116210.1的优先权，在此通过引用将其全部内容合并于此。
本公开涉及大数据技术领域，特别涉及一种基于代价函数的白名单更新方法、装置及电子设备。
 背景技术
目前互联网领域中存在较多异常流量的行为，例如，当某一应用发放优惠券且限制一个账号仅限领一个优惠券时，用户通过机器刷机注册多个新账号，并通过所注册的多个新账号在该某一应用中产生异常流量，再例如，基于互联网的黑产业链（涉及木马制作、木马播种、流量交易以及虚拟财产套现等诸多环节）中也存在大量异常流量。
为了降低互联网领域中异常流量的行为、营造安全的互联网环境，通常会依据用户是否发出的异常流量将用户分为白名单用户、黑名单用户以及不确定用户。但是，本申请的发明人在实践中发现，一些从事黑产业的用户伪装成白名单用户的情况时有发生，所以，本申请的发明人意识到，如何对白名单用户进行进一步的甄别以获得更纯洁的白名单用户就显得尤为重要。
 技术问题
为了将伪装成白名单用户的黑名单用户从白名单用户中甄别出来以获得更加纯洁的白名单用户，本公开提供了一种基于代价函数的白名单更新方法、装置及电子设备。
 技术解决方案
一种基于代价函数的白名单更新方法，包括：获取待处理流量数据对应的若干特征值；对所述特征值执行归一化操作，获得归一化特征值；利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值；其中，所述权重值用于指示所述待处理流量数据的异常程度；当所述权重值大于预设权重阈值且所述待处理流量数据为白名单上的某一个流量数据时，将所述待处理流量数据从所述白名单中删除。
一种基于代价函数的白名单更新装置，包括：获取单元，用于获取待处理流量数据对应的若干特征值；处理单元，用于对所述特征值执行归一化操作，获得归一化特征值，以及利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值；其中，所述权重值用于指示所述待处理流量数据的异常程度；更新单元，用于当所述权重值大于预设权重阈值且所述待处理流量数据为白名单上的某一个流量数据时，将所述待处理流量数据从所述白名单中删除。
一种计算机可读存储介质，其存储计算机程序，所述计算机程序使得计算机执行如上所述的基于代价函数的白名单更新方法。
一种电子设备，包括：处理器；存储器，其上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上所述的基于代价函数的白名单更新方法。
 有益效果
在本公开所提供的基于代价函数的白名单更新方法的实施例中，基于大数据分析处理技术，利用包含代价参数的迭代算法对待处理流量数据的若干特征值进行处理，可以获得较准确的用于指示待处理流量数据的异常程度的权重值，基于权重值可以将异常程度大的流量数据从白名单中删除，以实现对白名单的进一步准确更新。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
 附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种基于代价函数的白名单更新装置的示意图；
图2是根据一示例性实施例示出的一种基于代价函数的白名单更新方法的流程图；
图3是根据图2对应实施例示出的步骤230的细节的流程图；
图4是根据一示例性实施例示出的一种基于代价函数的白名单更新装置的框图。
 本发明的实施方式
本公开的实施环境可以是便携移动设备，例如智能手机、平板电脑、台式电脑。本公开实施例所公开的基于代价函数的白名单更新方法可以适用于运行于便携移动设备上的任意应用程序。
图1是根据一示例性实施例示出的一种基于代价函数的白名单更新装置的示意图。该装置100可以是上述便携移动设备。如图1所示，装置100可以包括以下一个或多个组件：处理组件102，存储器104，电源组件106，多媒体组件108，音频组件110，传感器组件114以及通信组件116。
处理组件102通常控制装置100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作以及记录操作相关联的操作等。处理组件102可以包括一个或多个处理器118来执行指令，以完成下述的方法的全部或部分步骤。此外，处理组件102可以包括一个或多个模块，用于便于处理组件102和其他组件之间的交互。例如，处理组件102可以包括多媒体模块，用于以方便多媒体组件108和处理组件102之间的交互。存储器104被配置为存储各种类型的数据以支持在装置100的操作。这些数据的示例包括用于在装置100上操作的任何应用程序或方法的指令。存储器104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-Only Memory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。存储器104中还存储有一个或多个模块，用于该一个或多个模块被配置成由该一个或多个处理器118执行，以完成如下所示方法中的全部或者部分步骤。电源组件106为装置100的各种组件提供电力。电源组件106可以包括电源管理系统，一个或多个电源，及其他与为装置100生成、管理和分配电力相关联的组件。多媒体组件108包括在所述装置100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器（Liquid Crystal Display，简称LCD）和触摸面板。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。屏幕还可以包括有机电致发光显示器（Organic Light Emitting Display，简称OLED）。音频组件110被配置为输出和/或输入音频信号。例如，音频组件110包括一个麦克风（Microphone，简称MIC），当装置100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器104或经由通信组件116发送。在一些实施例中，音频组件110还包括一个扬声器，用于输出音频信号。传感器组件114包括一个或多个传感器，用于为装置100提供各个方面的状态评估。例如，传感器组件114可以检测到装置100的打开/关闭状态，组件的相对定位，传感器组件114还可以检测装置100或装置100一个组件的位置改变以及装置100的温度变化。在一些实施例中，该传感器组件114还可以包括磁传感器，压力传感器或温度传感器。通信组件116被配置为便于装置100和其他设备之间有线或无线方式的通信。装置100可以接入基于通信标准的无线网络，如WiFi（Wireless-Fidelity，无线保真）。在一个示例性实施例中，通信组件116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件116还包括近场通信（Near Field Communication，简称NFC）模块，用于以促进短程通信。例如，在NFC模块可基于射频识别（Radio Frequency Identification，简称RFID）技术，红外数据协会（Infrared Data Association，简称IrDA）技术，超宽带（Ultra Wideband，简称UWB）技术，蓝牙技术和其他技术来实现。在示例性实施例中，装置100可以被一个或多个应用专用集成电路（Application Specific Integrated Circuit，简称ASIC）、数字信号处理器、数字信号处理设备、可编程逻辑器件、现场可编程门阵列、控制器、微控制器、微处理器或其他电子元件实现，用于执行下述方法。
图2是根据一示例性实施例示出的一种基于代价函数的白名单更新方法的流程图。如图2所示，此方法包括以下步骤。
步骤210，获取待处理流量数据对应的若干特征值。在本公开实施例中，待处理流量数据的特征至少包含路径重复度排名、用户风控参数异常率、后端埋点比重、风控ip发散率、风控ip访问账号数、风控ip访问次数、风控ip_wifi名个数、风控ip累积风险得分、风控ip周期内用户数均值、风控ip周期内用户方差、风控ip周期内访问次数均值、风控ip周期内访问次数方差、周期内手机号段用户登录均值，以及周期内手机号段用户登录方差等。其中，上述每一特征对应有特征值，特征值和特征为一一对应关系。
步骤220，对上述特征值执行归一化操作，获得归一化特征值。在一示例中，对上述特征值执行归一化操作，获得归一化特征值的方式具体可以是，从上述若干特征值中确定出待处理流量数据的最小特征值和中位特征值；根据最小特征值和中位特征值，对上述特征值执行归一化操作，获得归一化特征值。在一示例性实施例中，上述中位特征值可以是
Figure 294413dest_path_image001
其中，执行归一化操作的特征值可以是指上述若干特征值中的部分特征值也可以是指上述若干特征值中的全部特征值，本公开实施例不做限定。利用中位特征值对特征值进行归一化操作可以避免偶然出现的较大特征值的影响。
步骤230，利用包含代价参数的迭代算法遍历上述归一化特征值，获得待处理流量数据对应的权重值。上述权重值用于指示待处理流量数据的异常程度，待处理流量数据的异常程度越高，其所对应的权重值越大。
步骤240，当上述权重值大于预设权重阈值且待处理流量数据为白名单上的某一个流量数据时，将上述待处理流量数据从白名单中删除。在另一示例性实施例中，步骤240中提及的预设权重阈值的确定方式具体可以为，以所有待处理流量数据为纵轴，以所有待处理流量数据对应的权重值为横轴，获得流量数据分布图；确定流量数据分布图中每个原始流量数据点的代价值；其中，每个原始流量数据点的代价值用于表示流量数据分布图中每个原始流量数据点与拟合后的流量数据分布图中每个流量数据点的相似程度；将所有原始流量数据的代价值中最小的代价值对应的原始流量数据点确定为目标拐点，并将所述目标拐点的纵坐标确定为预设权重阈值。由于每个原始流量数据点的代价值的计算方式相同，在另一示例性实施例中仅对某一个原始流量数据点的代价值的计算方式进行介绍，如下：将流量数据分布图中的某一原始流量数据点作为拐点；分别拟合该拐点左侧和右侧的所有点，获得拟合之后除拐点之外的所有点的纵坐标，根据除拐点之外的所有点拟合之前和拟合之后的纵坐标，计算平方差即为该某一个原始流量数据点的代价值。
在另一示例性实施例中，步骤240之后，图2所示方法还可包括：当上述权重值小于或者等于预定权重阈值且上述待处理流量数据为黑名单中的某一个流量数据时，将待处理流量数据从黑名单中删除，并在白名单中添加待处理流量数据。通过实施该示例性实施例将错分到黑名单中的待处理流量数据添加到白名单中，可以使得白名单的更新更加全面。
图3是图2对应实施例的步骤230的细节的流程图。如图3，步骤230包括：
步骤231，根据上述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；该权重误差集合包括若干权重误差，每一个权重误差对应一个所述阈值。其中，上述若干阈值是按照等步长法，从与上述归一化特征值的范围相匹配的预设范围内选取的。在一示例性实施例中，若上述归一化特征值的范围为[0,1]，那么上述若干阈值的预设范围也为[0,1]。步长若为0.1，第一个阈值设置为0.1，那么第二个阈值就为0.2，第三个阈值就为0.3等等，直至以该规则得到预设数量的阈值。
Figure 24472dest_path_image002
所有权重误差形成该特征值对应的权重误差集合。可以根据上述方法遍历待处理流量数据的上述若干特征值中的全部或部分特征值得到多组权重误差集合，在一示例中，该多组权重误差集合通过遍历待处理流量数据的上述若干特征值中的全部特征值得到。
步骤232，从所有的上述权重误差集合中确定出最小权重误差。步骤232所提及到的所有的上述权重误差集合可以为上述多组权重误差集合，即从上述多组权重误差集合中确定出最小权重误差。步骤233，将最小权重误差对应的归一化特征值和阈值分别确定为理性特征值和理性阈值。步骤234，比较上述理性特征值和上述理性阈值，获得待处理流量数据的来源指向。当理性特征值小于或者等于理性阈值时，基于该理性特征值指示待处理流量数据的来源指向为白名单，当理性特征值大于理性阈值时，基于该理性特征值指示待处理流量数据的来源指向为黑名单。步骤235，根据上述来源指向，判断是否需要对上述初始权重进行代价补充,如果是，执行步骤236；如果否，执行步骤237。在另一示例性实施例中，根据所述来源指向，判断是否需要对上述初始权重进行代价补充，包括：判断上述来源指向是否与待处理流量数据的实际指向相匹配；当上述来源指向与实际指向相匹配时，确定不需要对上述初始权重进行代价补充；当上述来源指向与实际指向不相匹配时，判断实际指向是否为黑名单，以及当实际指向黑名单时，确定需要对所述初始权重进行代价补充，以及当实际指向不为黑名单时，确定不需要对上述初始权重进行代价补充。
Figure 975241dest_path_image003
Figure 499764dest_path_image004
Figure 785251dest_path_image005
Figure 53422dest_path_image006
图4是根据一示例性实施例示出的一种基于代价函数的白名单更新装置的框图。如图4所示，该基于代价函数的白名单更新装置包括：获取单元410，用于获取待处理流量数据对应的若干特征值。处理单元420，用于对上述特征值执行归一化操作，获得归一化特征值，以及利用包含代价参数的迭代算法遍历所有归一化特征值，获得待处理流量数据对应的权重值；其中，该权重值用于指示待处理流量数据的异常程度。更新单元430，用于当上述权重值大于预设权重阈值且待处理流量数据为白名单上的某一个流量数据时，将待处理流量数据从白名单中删除。
在一示例性实施例中，更新单元还被配置为：当所述权重值小于或者等于所述预定权重阈值且所述待处理流量数据为黑名单中的某一个流量数据时，将所述待处理流量数据从所述黑名单中删除，并在所述白名单中添加所述待处理流量数据。在一示例性实施例中，处理单元被配置为：根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；所述权重误差集合包括若干权重误差，每一个所述权重误差对应一个所述阈值；从所有的所述权重误差集合中确定出最小权重误差；将所述最小权重误差对应的归一化特征值和阈值分别确定为理性特征值和理性阈值；比较所述理性特征值和所述理性阈值，获得所述待处理流量数据的来源指向；根据所述来源指向，判断是否需要对所述初始权重进行代价补充；当需要对所述初始权重进行代价补充时，利用所述代价参数对所述初始权重进行代价补充；当不需要对所述初始权重进行代价补充时，按照预设规则更新所述初始权重；判断迭代次数是否到达预设迭代次数；当未到达所述预设迭代次数时，执行所述的根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；当到达所述预设迭代次数时，将代价补充/更新之后的初始权重确定为所述待处理流量数据对应的权重值。在一示例性实施例中，处理单元被配置为：判断所述来源指向是否与所述待处理流量数据的实际指向相匹配；当所述来源指向与所述实际指向相匹配时，确定不需要对所述初始权重进行代价补充；当所述来源指向与所述实际指向不相匹配时，判断所述实际指向是否为所述黑名单，以及当所述实际指向所述黑名单时，确定需要对所述初始权重进行代价补充，以及当所述实际指向不为所述黑名单时，确定不需要对所述初始权重进行代价补充。在一示例性实施例中，处理单元被配置为：计算本次迭代的误判定率；当所述来源指向与所述实际指向相匹配时，根据第一预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；当来源指向与实际指向不相匹配时，根据第二预设规则、误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新初始权重的更新权重；利用更新权重更新初始权重。在一示例性实施例中，处理单元被配置为：从所述若干特征值中确定出待处理流量数据的最小特征值和中位特征值；根据最小特征值和中位特征值，对特征值执行归一化操作，获得归一化特征值。
上述装置中各个单元/模块的功能和作用的实现过程以及相关细节具体详见上述方法实施例中对应步骤的实现过程，在此不再赘述。以上各实施例中的装置实施例可以通过硬件、软件、固件或其组合的方式来实现，并且其可以被实现为一个单独的装置，也可以被实现为各组成单元/模块分散在一个或多个计算设备中并分别执行相应功能的逻辑集成系统。以上各实施例中组成该装置的各单元/模块是根据逻辑功能而划分的，它们可以根据逻辑功能被重新划分，例如可以通过更多或更少的单元/模块来实现该装置。这些组成单元/模块分别可以通过硬件、软件、固件或其组合的方式来实现，它们可以是分别的独立部件，也可以是多个组件组合起来执行相应的逻辑功能的集成单元/模块。所述硬件、软件、固件或其组合的方式可以包括：分离的硬件组件，通过编程方式实现的功能模块、通过可编程逻辑器件实现的功能模块，等等，或者以上方式的组合。
本公开还提供一种电子设备，该电子设备包括：处理器；存储器，该存储器上存储有计算机可读指令，该计算机可读指令被处理器执行时，实现如前所示的基于代价函数的白名单更新方法。该电子设备可以是图1所示的基于代价函数的白名单更新装置100。
在一示例性实施例中，本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如前所示的基于代价函数的白名单更新方法。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (25)

  1. 一种基于代价函数的白名单更新方法，其特征在于，所述方法包括：
    获取待处理流量数据对应的若干特征值；
    对所述特征值执行归一化操作，获得归一化特征值；
    利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，其中，所述权重值用于指示所述待处理流量数据的异常程度；
    当所述权重值大于预设权重阈值且所述待处理流量数据为白名单上的某一个流量数据时，将所述待处理流量数据从所述白名单中删除。
  2. 根据权利要求1所述的方法，其特征在于，所述方法还包括：
    当所述权重值小于或者等于所述预定权重阈值且所述待处理流量数据为黑名单中的某一个流量数据时，将所述待处理流量数据从所述黑名单中删除，并在所述白名单中添加所述待处理流量数据。
  3. 根据权利要求1所述的方法，其特征在于，所述利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，包括：
    根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；所述权重误差集合包括若干权重误差，每一个所述权重误差对应一个所述阈值；
    从所有的所述权重误差集合中确定出最小权重误差；
    将所述最小权重误差对应的归一化特征值和阈值分别确定为理性特征值和理性阈值；
    比较所述理性特征值和所述理性阈值，获得所述待处理流量数据的来源指向；
    根据所述来源指向，判断是否需要对所述初始权重进行代价补充；
    当需要对所述初始权重进行代价补充时，利用所述代价参数对所述初始权重进行代价补充；
    当不需要对所述初始权重进行代价补充时，按照预设规则更新所述初始权重；
    判断迭代次数是否到达预设迭代次数；
    当未到达所述预设迭代次数时，执行所述的根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；
    当到达所述预设迭代次数时，将代价补充/更新之后的初始权重确定为所述待处理流量数据对应的权重值。
  4. 根据权利要求3所述的方法，其特征在于，所述若干阈值是按照等步长法，从与所述归一化特征值的范围相匹配的预设范围内选取的。
  5. 根据权利要求3所述的方法，其特征在于，所述根据所述来源指向，判断是否需要对所述初始权重进行代价补充，包括：
    判断所述来源指向是否与所述待处理流量数据的实际指向相匹配；
    当所述来源指向与所述实际指向相匹配时，确定不需要对所述初始权重进行代价补充；
    当所述来源指向与所述实际指向不相匹配时，判断所述实际指向是否为所述黑名单，以及当所述实际指向所述黑名单时，确定需要对所述初始权重进行代价补充，以及当所述实际指向不为所述黑名单时，确定不需要对所述初始权重进行代价补充。
  6. 根据权利要求5所述的方法，其特征在于，所述按照预设规则更新所述初始权重，包括：
    计算本次迭代的误判定率；
    当所述来源指向与所述实际指向相匹配时，根据第一预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    当所述来源指向与所述实际指向不相匹配时，根据第二预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    利用所述更新权重更新所述初始权重。
  7. 根据权利要求1所述的方法，其特征在于，所述对所述特征值执行归一化操作，获得归一化特征值，包括：
    从所述若干特征值中确定出所述待处理流量数据的最小特征值和中位特征值；
    根据所述最小特征值和所述中位特征值，对所述特征值执行归一化操作，获得归一化特征值。
  8. 一种基于代价函数的白名单更新装置，其特征在于，所述装置包括：
    获取单元，被配置为：获取待处理流量数据对应的若干特征值；
    处理单元，被配置为：对所述特征值执行归一化操作，获得归一化特征值，以及利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，其中，所述权重值用于指示所述待处理流量数据的异常程度；
    更新单元，被配置为：当所述权重值大于预设权重阈值且所述待处理流量数据为白名单上的某一个流量数据时，将所述待处理流量数据从所述白名单中删除。
  9. 根据权利要求8所述的装置，其特征在于，所述更新单元还被配置为：
    当所述权重值小于或者等于所述预定权重阈值且所述待处理流量数据为黑名单中的某一个流量数据时，将所述待处理流量数据从所述黑名单中删除，并在所述白名单中添加所述待处理流量数据。
  10. 根据权利要求8所述的装置，其特征在于，所述处理单元被配置为：
    根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；所述权重误差集合包括若干权重误差，每一个所述权重误差对应一个所述阈值；
    从所有的所述权重误差集合中确定出最小权重误差；
    将所述最小权重误差对应的归一化特征值和阈值分别确定为理性特征值和理性阈值；
    比较所述理性特征值和所述理性阈值，获得所述待处理流量数据的来源指向；
    根据所述来源指向，判断是否需要对所述初始权重进行代价补充；
    当需要对所述初始权重进行代价补充时，利用所述代价参数对所述初始权重进行代价补充；
    当不需要对所述初始权重进行代价补充时，按照预设规则更新所述初始权重；
    判断迭代次数是否到达预设迭代次数；
    当未到达所述预设迭代次数时，执行所述的根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；
    当到达所述预设迭代次数时，将代价补充/更新之后的初始权重确定为所述待处理流量数据对应的权重值。
  11. 根据权利要求10所述的装置，其特征在于，所述处理单元被配置为：
    判断所述来源指向是否与所述待处理流量数据的实际指向相匹配；
    当所述来源指向与所述实际指向相匹配时，确定不需要对所述初始权重进行代价补充；
    当所述来源指向与所述实际指向不相匹配时，判断所述实际指向是否为所述黑名单，以及当所述实际指向所述黑名单时，确定需要对所述初始权重进行代价补充，以及当所述实际指向不为所述黑名单时，确定不需要对所述初始权重进行代价补充。
  12. 根据权利要求11所述的装置，其特征在于，所述处理单元被配置为：
    计算本次迭代的误判定率；
    当所述来源指向与所述实际指向相匹配时，根据第一预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    当所述来源指向与所述实际指向不相匹配时，根据第二预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    利用所述更新权重更新所述初始权重。
  13. 根据权利要求8所述的装置，其特征在于，所述处理单元被配置为：
    从所述若干特征值中确定出所述待处理流量数据的最小特征值和中位特征值；
    根据所述最小特征值和所述中位特征值，对所述特征值执行归一化操作，获得归一化特征值。
  14. 一种计算机可读存储介质，其特征在于，其存储计算机程序，所述计算机程序在被计算机执行时使得计算机执行一种基于代价函数的白名单更新方法，所述方法包括：
    获取待处理流量数据对应的若干特征值；
    对所述特征值执行归一化操作，获得归一化特征值；
    利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，其中，所述权重值用于指示所述待处理流量数据的异常程度；
    当所述权重值大于预设权重阈值且所述待处理流量数据为白名单上的某一个流量数据时，将所述待处理流量数据从所述白名单中删除。
  15. 根据权利要求14所述的计算机可读存储介质，其特征在于，所述方法还包括：
    当所述权重值小于或者等于所述预定权重阈值且所述待处理流量数据为黑名单中的某一个流量数据时，将所述待处理流量数据从所述黑名单中删除，并在所述白名单中添加所述待处理流量数据。
  16. 根据权利要求14所述的计算机可读存储介质，其特征在于，所述利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，包括：
    根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；所述权重误差集合包括若干权重误差，每一个所述权重误差对应一个所述阈值；
    从所有的所述权重误差集合中确定出最小权重误差；
    将所述最小权重误差对应的归一化特征值和阈值分别确定为理性特征值和理性阈值；
    比较所述理性特征值和所述理性阈值，获得所述待处理流量数据的来源指向；
    根据所述来源指向，判断是否需要对所述初始权重进行代价补充；
    当需要对所述初始权重进行代价补充时，利用所述代价参数对所述初始权重进行代价补充；
    当不需要对所述初始权重进行代价补充时，按照预设规则更新所述初始权重；
    判断迭代次数是否到达预设迭代次数；
    当未到达所述预设迭代次数时，执行所述的根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；
    当到达所述预设迭代次数时，将代价补充/更新之后的初始权重确定为所述待处理流量数据对应的权重值。
  17. 根据权利要求16所述的计算机可读存储介质，其特征在于，所述根据所述来源指向，判断是否需要对所述初始权重进行代价补充，包括：
    判断所述来源指向是否与所述待处理流量数据的实际指向相匹配；
    当所述来源指向与所述实际指向相匹配时，确定不需要对所述初始权重进行代价补充；
    当所述来源指向与所述实际指向不相匹配时，判断所述实际指向是否为所述黑名单，以及当所述实际指向所述黑名单时，确定需要对所述初始权重进行代价补充，以及当所述实际指向不为所述黑名单时，确定不需要对所述初始权重进行代价补充。
  18. 根据权利要求17所述的计算机可读存储介质，其特征在于，所述按照预设规则更新所述初始权重，包括：
    计算本次迭代的误判定率；
    当所述来源指向与所述实际指向相匹配时，根据第一预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    当所述来源指向与所述实际指向不相匹配时，根据第二预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    利用所述更新权重更新所述初始权重。
  19. 根据权利要求14所述的计算机可读存储介质，其特征在于，所述对所述特征值执行归一化操作，获得归一化特征值，包括：
    从所述若干特征值中确定出所述待处理流量数据的最小特征值和中位特征值；
    根据所述最小特征值和所述中位特征值，对所述特征值执行归一化操作，获得归一化特征值。
  20. 一种电子设备，其特征在于，所述电子设备包括：
    处理器；
    存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现一种基于代价函数的白名单更新方法，所述方法包括：
    获取待处理流量数据对应的若干特征值；
    对所述特征值执行归一化操作，获得归一化特征值；
    利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，其中，所述权重值用于指示所述待处理流量数据的异常程度；
    当所述权重值大于预设权重阈值且所述待处理流量数据为白名单上的某一个流量数据时，将所述待处理流量数据从所述白名单中删除。
  21. 根据权利要求20所述的电子设备，其特征在于，所述方法还包括：
    当所述权重值小于或者等于所述预定权重阈值且所述待处理流量数据为黑名单中的某一个流量数据时，将所述待处理流量数据从所述黑名单中删除，并在所述白名单中添加所述待处理流量数据。
  22. 根据权利要求21所述的电子设备，其特征在于，所述利用包含代价参数的迭代算法遍历所有所述归一化特征值，获得所述待处理流量数据对应的权重值，包括：
    根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；所述权重误差集合包括若干权重误差，每一个所述权重误差对应一个所述阈值；
    从所有的所述权重误差集合中确定出最小权重误差；
    将所述最小权重误差对应的归一化特征值和阈值分别确定为理性特征值和理性阈值；
    比较所述理性特征值和所述理性阈值，获得所述待处理流量数据的来源指向；
    根据所述来源指向，判断是否需要对所述初始权重进行代价补充；
    当需要对所述初始权重进行代价补充时，利用所述代价参数对所述初始权重进行代价补充；
    当不需要对所述初始权重进行代价补充时，按照预设规则更新所述初始权重；
    判断迭代次数是否到达预设迭代次数；
    当未到达所述预设迭代次数时，执行所述的根据所述归一化特征值、若干阈值以及初始权重，进行权重误差计算，获得权重误差集合；
    当到达所述预设迭代次数时，将代价补充/更新之后的初始权重确定为所述待处理流量数据对应的权重值。
  23. 根据权利要求22所述的电子设备，其特征在于，所述根据所述来源指向，判断是否需要对所述初始权重进行代价补充，包括：
    判断所述来源指向是否与所述待处理流量数据的实际指向相匹配；
    当所述来源指向与所述实际指向相匹配时，确定不需要对所述初始权重进行代价补充；
    当所述来源指向与所述实际指向不相匹配时，判断所述实际指向是否为所述黑名单，以及当所述实际指向所述黑名单时，确定需要对所述初始权重进行代价补充，以及当所述实际指向不为所述黑名单时，确定不需要对所述初始权重进行代价补充。
  24. 根据权利要求23所述的电子设备，其特征在于，所述按照预设规则更新所述初始权重，包括：
    计算本次迭代的误判定率；
    当所述来源指向与所述实际指向相匹配时，根据第一预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    当所述来源指向与所述实际指向不相匹配时，根据第二预设规则、所述误判定率、本次迭代的初始权重以及本次迭代之前的每次迭代的初始权重，计算用于更新所述初始权重的更新权重；
    利用所述更新权重更新所述初始权重。
  25. 根据权利要求20所述的电子设备，其特征在于，所述对所述特征值执行归一化操作，获得归一化特征值，包括：
    从所述若干特征值中确定出所述待处理流量数据的最小特征值和中位特征值；
    根据所述最小特征值和所述中位特征值，对所述特征值执行归一化操作，获得归一化特征值。
PCT/CN2019/072197 2018-09-25 2019-01-17 一种基于代价函数的白名单更新方法、装置及电子设备 WO2020062731A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811116210.1A CN109525548B (zh) 2018-09-25 2018-09-25 一种基于代价函数的白名单更新方法、装置及电子设备
CN201811116210.1 2018-09-25

Publications (1)

Publication Number Publication Date
WO2020062731A1 true WO2020062731A1 (zh) 2020-04-02

Family

ID=65769782

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/072197 WO2020062731A1 (zh) 2018-09-25 2019-01-17 一种基于代价函数的白名单更新方法、装置及电子设备

Country Status (2)

Country Link
CN (1) CN109525548B (zh)
WO (1) WO2020062731A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113327601A (zh) * 2021-05-26 2021-08-31 清华大学 有害语音的识别方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104519031A (zh) * 2013-09-30 2015-04-15 西门子公司 一种用于恶意网络行为检测的方法和装置
US9619481B2 (en) * 2014-06-17 2017-04-11 Adobe Systems Incorporated Method and apparatus for generating ordered user expert lists for a shared digital document
CN106713324A (zh) * 2016-12-28 2017-05-24 北京奇艺世纪科技有限公司 一种流量检测方法及装置
CN106777024A (zh) * 2016-12-08 2017-05-31 北京小米移动软件有限公司 识别恶意用户的方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180253401A1 (en) * 2017-03-02 2018-09-06 Sony Corporation Apparatus and method
CN107194460A (zh) * 2017-05-22 2017-09-22 厦门大学 金融时间序列预测的量子粒子群优化递归神经网络方法
CN107801090A (zh) * 2017-11-03 2018-03-13 北京奇虎科技有限公司 利用音频信息检测异常视频文件的方法、装置及计算设备
CN108566364B (zh) * 2018-01-15 2021-01-12 中国人民解放军国防科技大学 一种基于神经网络的入侵检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104519031A (zh) * 2013-09-30 2015-04-15 西门子公司 一种用于恶意网络行为检测的方法和装置
US9619481B2 (en) * 2014-06-17 2017-04-11 Adobe Systems Incorporated Method and apparatus for generating ordered user expert lists for a shared digital document
CN106777024A (zh) * 2016-12-08 2017-05-31 北京小米移动软件有限公司 识别恶意用户的方法及装置
CN106713324A (zh) * 2016-12-28 2017-05-24 北京奇艺世纪科技有限公司 一种流量检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113327601A (zh) * 2021-05-26 2021-08-31 清华大学 有害语音的识别方法、装置、计算机设备和存储介质
CN113327601B (zh) * 2021-05-26 2024-02-13 清华大学 有害语音的识别方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN109525548A (zh) 2019-03-26
CN109525548B (zh) 2021-10-29

Similar Documents

Publication Publication Date Title
US11367075B2 (en) Method, apparatus and electronic device for identifying risks pertaining to transactions to be processed
US11126716B2 (en) System security method and apparatus
US10354643B2 (en) Method for recognizing voice signal and electronic device supporting the same
US10311296B2 (en) Method of providing handwriting style correction function and electronic device adapted thereto
WO2020062803A1 (zh) 基于模型树算法的异常流量分析方法、装置、电子设备及非易失性可读存储介质
US10200201B2 (en) Method for application installation, electronic device, and certificate system
US20160026272A1 (en) Method for displaying screen in electronic device, and electronic device thereof
US10380590B2 (en) Transaction authentication based on metadata
CN110336781A (zh) 一种基于浏览器识别终端唯一性的方法和装置
US11372982B2 (en) Centralized network environment for processing validated executable data based on authorized hash outputs
US11616860B2 (en) Information display method, terminal, and server
US20200183659A1 (en) Application programming interface (API) creator and deployment tool
US20180183835A1 (en) Forward one-time-use physical access verification apparatus, system, and method of operation
WO2020062731A1 (zh) 一种基于代价函数的白名单更新方法、装置及电子设备
CN112685799A (zh) 设备指纹生成方法、装置、电子设备和计算机可读介质
WO2020062689A1 (zh) 流量数据的聚类处理方法、装置及电子设备
US20180124018A1 (en) Coordinated application firewall
US11423160B2 (en) System for analysis and authorization for use of executable environment data in a computing system using hash outputs
CN109413063B (zh) 一种基于大数据的白名单更新方法、装置及电子设备
US11481484B2 (en) Virtual environment system for secure execution of program code using cryptographic hashes
CN110689166B (zh) 一种基于随机梯度下降算法的用户行为分析方法及装置
CN111401395B (zh) 一种数据处理方法、终端设备及存储介质
US10338848B2 (en) Electronic device data recording method and electronic device thereof
US20190073843A1 (en) Forward single origin physical access verification apparatus, system, and method of operation
US20240037210A1 (en) System and method for capturing and encrypting graphical authentication credentials for validating users in an electronic network

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19868140

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19868140

Country of ref document: EP

Kind code of ref document: A1