WO2023125435A1 - 基于tf-idf算法的定向网络检测方法、装置、设备及介质 - Google Patents

基于tf-idf算法的定向网络检测方法、装置、设备及介质 Download PDF

Info

Publication number
WO2023125435A1
WO2023125435A1 PCT/CN2022/142008 CN2022142008W WO2023125435A1 WO 2023125435 A1 WO2023125435 A1 WO 2023125435A1 CN 2022142008 W CN2022142008 W CN 2022142008W WO 2023125435 A1 WO2023125435 A1 WO 2023125435A1
Authority
WO
WIPO (PCT)
Prior art keywords
message
feature
target
basic
list
Prior art date
Application number
PCT/CN2022/142008
Other languages
English (en)
French (fr)
Inventor
王昶
左绘
刘畅
刘奇峰
王程
Original Assignee
天翼物联科技有限公司
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 天翼物联科技有限公司 filed Critical 天翼物联科技有限公司
Publication of WO2023125435A1 publication Critical patent/WO2023125435A1/zh

Links

Images

Classifications

    • 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
    • H04L43/06—Generation of reports
    • 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
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
    • 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
    • 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

Definitions

  • the present invention relates to the technical field of the Internet of Things, in particular to a TF-IDF algorithm-based directional network detection method, device, equipment and medium.
  • Targeted business is one of the important revenue businesses in the Internet of Things field. There are many factors such as many customers, customer channels, and control strategies in the acceptance of targeted business. important link.
  • a kind of directional network detection method based on TF-IDF algorithm, described directional network detection method based on TF-IDF algorithm comprises:
  • the CAP packet is divided to obtain each message carried in the CAP packet including:
  • the start identifier is determined as the start of the message, and the end identifier is determined as the end of the message, so as to obtain each message carried in the CAP packet.
  • the use of the TF-IDF algorithm to determine the protocol type of each message based on the data pane includes:
  • the protocol type with the highest fit is determined as the protocol type of each message.
  • said extracting the backfill feature of each message according to the protocol type of each message includes:
  • the backfill feature of each message is extracted from each message according to the field to which the backfill feature of each message belongs.
  • the first list is used to store characteristics of objects prohibited from accessing the target-oriented network
  • the second list is used to store characteristics of objects allowed to access the target-oriented network. Marking each message in the target pane by the first list and the second list includes:
  • the calculating the connectivity matching degree of the target-oriented network according to the detection report includes:
  • the method further includes:
  • the prompt information is used to prompt that there is an abnormal access situation in the target-oriented network, and prompt to view the detection report.
  • a kind of directional network detection device based on TF-IDF algorithm, described directional network detection device based on TF-IDF algorithm comprises:
  • a collection unit configured to collect CAP packets captured from the target-oriented network based on network elements in response to a detection instruction for the target-oriented network
  • a segmentation unit configured to segment the CAP packet to obtain each message carried in the CAP packet
  • a generation unit configured to extract the basic features of each message, and generate a data pane according to the basic features of each message
  • a determining unit configured to use the TF-IDF algorithm to determine the protocol type of each message based on the data pane
  • An extraction unit configured to extract the backfill feature of each message according to the protocol type of each message
  • a backfill unit configured to use the backfill feature of each message to backfill the data pane to obtain a target pane
  • a marking unit configured to obtain a pre-configured first list and a second list, and mark each message in the target pane according to the first list and the second list to obtain a detection report;
  • a calculation unit configured to calculate the connectivity matching degree of the target-oriented network according to the detection report
  • An output unit configured to output the detection report and the connectivity matching degree.
  • a computer device comprising:
  • a memory storing at least one instruction
  • a processor executing instructions stored in the memory to implement the TF-IDF algorithm-based directional network detection method.
  • a computer-readable storage medium at least one instruction is stored in the computer-readable storage medium, and the at least one instruction is executed by a processor in a computer device to implement the TF-IDF algorithm-based directional network detection method.
  • the present invention can quickly match the protocol type of the message based on the TF-IDF algorithm, and mark the message in combination with the configured list, and can quickly and accurately realize the detection of the directional network without manual intervention .
  • FIG. 1 is a flow chart of a preferred embodiment of the TF-IDF algorithm-based directional network detection method of the present invention.
  • Fig. 2 is a functional block diagram of a preferred embodiment of the TF-IDF algorithm-based directional network detection device of the present invention.
  • Fig. 3 is a schematic structural diagram of a computer device implementing a preferred embodiment of the TF-IDF algorithm-based directional network detection method in the present invention.
  • FIG. 1 it is a flowchart of a preferred embodiment of the TF-IDF algorithm-based directional network detection method of the present invention. According to different requirements, the order of the steps in the flowchart can be changed, and some steps can be omitted.
  • the TF-IDF algorithm-based directional network detection method is applied to one or more computer devices, and the computer device is a device that can automatically perform numerical calculation and/or information processing according to preset or stored instructions , its hardware includes but not limited to microprocessor, Application Specific Integrated Circuit (ASIC), Programmable Gate Array (Field-Programmable Gate Array, FPGA), digital processor (Digital Signal Processor, DSP), embedded equipment etc.
  • ASIC Application Specific Integrated Circuit
  • FPGA Field-Programmable Gate Array
  • DSP Digital Signal Processor
  • the computer device may be any electronic product capable of man-machine interaction with the user, for example, a personal computer, a tablet computer, a smart phone, a personal digital assistant (Personal Digital Assistant, PDA), a game console, an interactive Internet TV ( Internet Protocol Television, IPTV), smart wearable devices, etc.
  • a personal computer a tablet computer
  • a smart phone a personal digital assistant (Personal Digital Assistant, PDA)
  • PDA Personal Digital Assistant
  • game console an interactive Internet TV ( Internet Protocol Television, IPTV), smart wearable devices, etc.
  • IPTV Internet Protocol Television
  • smart wearable devices etc.
  • the computer equipment may also include network equipment and/or user equipment.
  • the network device includes, but is not limited to, a single network server, a server group composed of multiple network servers, or a cloud based on cloud computing (Cloud Computing) composed of a large number of hosts or network servers.
  • the server can be an independent server, or it can provide cloud services, cloud databases, cloud computing, cloud functions, cloud storage, network services, cloud communications, middleware services, domain name services, security services, content delivery network (Content Delivery) Network, CDN), and cloud servers for basic cloud computing services such as big data and artificial intelligence platforms.
  • cloud services cloud databases, cloud computing, cloud functions, cloud storage, network services, cloud communications, middleware services, domain name services, security services, content delivery network (Content Delivery) Network, CDN), and cloud servers for basic cloud computing services such as big data and artificial intelligence platforms.
  • AI artificial intelligence
  • Artificial intelligence basic technologies generally include technologies such as sensors, dedicated artificial intelligence chips, cloud computing, distributed storage, big data processing technology, operation/interaction systems, and mechatronics.
  • Artificial intelligence software technology mainly includes computer vision technology, robotics technology, biometrics technology, speech processing technology, natural language processing technology, and machine learning/deep learning.
  • the network where the computer equipment is located includes, but is not limited to, the Internet, a wide area network, a metropolitan area network, a local area network, a virtual private network (Virtual Private Network, VPN) and the like.
  • VPN Virtual Private Network
  • the target-oriented network refers to a network accessible to specific objects.
  • the network element may include, but not limited to: PGW (PDN GateWay, PDN Gateway) and the like.
  • the CAP package may be a hexadecimal cap file, or a cap file such as pcap or the like.
  • the CAP packet is divided to obtain each message carried in the CAP packet including:
  • the start identifier is determined as the start of the message, and the end identifier is determined as the end of the message, so as to obtain each message carried in the CAP packet.
  • the start identifier is the first identifier and the end identifier is the second identifier
  • the data between the first identifier and the second identifier loaded after division is one message.
  • the automatic segmentation of the CAP packet can be realized according to the identifier, so as to extract each message in the CAP packet.
  • the basic features may include, but not limited to, a combination of one or more of the following features:
  • Source address Src Destination address Dest, source port SrcPort, destination port DestPort, basic protocol type Protocol, etc.
  • a data pane can be generated for use in subsequent data processing.
  • the use of the TF-IDF algorithm to determine the protocol type of each message based on the data pane includes:
  • the protocol type with the highest fit is determined as the protocol type of each message.
  • DNS Domain Name Server, domain name resolution
  • GTP GPRS Tunneling Protocol
  • the automatic matching of the protocol type of the daily message can be realized without human intervention, and the calculation efficiency is high. Misoperation problem, the accuracy rate is also high.
  • said extracting the backfill feature of each message according to the protocol type of each message includes:
  • the backfill feature of each message is extracted from each message according to the field to which the backfill feature of each message belongs.
  • the backfill feature may include, but not limited to: features such as IP (Internet Protocol, Internet Protocol), URL (uniform resource locator, Uniform Resource Locator), domain name.
  • IP Internet Protocol
  • URL uniform resource locator, Uniform Resource Locator
  • the backfill feature can be extracted based on the protocol type of the message in a targeted manner without manual intervention.
  • the backfill feature of each message can be added behind the corresponding message feature to obtain the target pane, see the following table for details:
  • the first list is used to store characteristics of objects prohibited from accessing the target-oriented network
  • the second list is used to store characteristics of objects allowed to access the target-oriented network
  • the first list is equivalent to a preconfigured blacklist
  • the second list is equivalent to a preconfigured whitelist.
  • the detection report is generated, and the specific form can be referred to the following table:
  • each message can be automatically marked in combination with the pre-configured list, and then a detection report can be automatically generated.
  • the calculating the connectivity matching degree of the target-oriented network according to the detection report includes:
  • the number of messages with the second mark is 2
  • the number of messages with the third mark is 1, and the total number of all messages is 5, then use the formula (2+1) /5 calculates the connectivity matching degree of the target-oriented network, which is 60%.
  • the connectivity matching degree of the target-oriented network can be automatically calculated.
  • the detection report and the connectivity matching degree may be transmitted to a terminal device of a specified user.
  • the detection report and the connectivity matching degree may be transmitted to the client's terminal device or the tester's terminal device.
  • the method further includes:
  • the prompt information is used to prompt that there is an abnormal access situation in the target-oriented network, and prompt to view the detection report.
  • the prompt information may be: "The matching degree of the connectivity of the current network is not 100%, there may be abnormal access situations, please query the detection report to determine the abnormal access objects".
  • the connectivity matching degree is 1, it means that there is no object in the blacklist in the detection report to access the target-oriented network, and there is no abnormal access. At this time, it is not necessary to check the detection report report to save time. Of course, the detection report will still be output for the user to consult when needed.
  • the present invention can divide the collected CAP packets to obtain each message, generate a data pane according to the basic characteristics of each message, and use the TF-IDF algorithm to determine each message based on the data pane.
  • the protocol type of each message according to the protocol type of each message, extract the backfill feature of each message to backfill the data pane, and obtain the target pane.
  • Each message is marked to obtain a detection report, and the connectivity matching degree of the target-oriented network is calculated according to the detection report, and the detection report and connectivity matching degree are output.
  • the present invention can quickly match message-related protocol types based on the TF-IDF algorithm, and mark the message in combination with the configured list, and quickly and accurately realize the detection of the directional network without manual intervention.
  • the TF-IDF algorithm-based directional network detection device 11 includes an acquisition unit 110, a segmentation unit 111, a generation unit 112, a determination unit 113, an extraction unit 114, a backfill unit 115, a marking unit 116, a calculation unit 117, and an output unit 118.
  • the module/unit referred to in the present invention refers to a series of computer program segments that can be executed by the processor 13 and can complete fixed functions, and are stored in the memory 12 . In this embodiment, the functions of each module/unit will be described in detail in subsequent embodiments.
  • the collection unit 110 collects the CAP packets captured from the target-oriented network based on network elements in response to the detection instruction of the target-oriented network.
  • the target-oriented network refers to a network accessible to specific objects.
  • the network element may include, but not limited to: PGW (PDN GateWay, PDN Gateway) and the like.
  • the CAP package may be a hexadecimal cap file, or a cap file such as pcap or the like.
  • the segmentation unit 111 segments the CAP packet to obtain each message carried in the CAP packet.
  • the segmentation unit 111 segments the CAP packet to obtain that each message carried in the CAP packet includes:
  • the start identifier is determined as the start of the message, and the end identifier is determined as the end of the message, so as to obtain each message carried in the CAP packet.
  • the start identifier is the first identifier and the end identifier is the second identifier
  • the data between the first identifier and the second identifier loaded after division is one message.
  • the automatic segmentation of the CAP packet can be realized according to the identifier, so as to extract each message in the CAP packet.
  • the generating unit 112 extracts the basic features of each message, and generates a data pane according to the basic features of each message.
  • the basic features may include, but not limited to, a combination of one or more of the following features:
  • Source address Src Destination address Dest, source port SrcPort, destination port DestPort, basic protocol type Protocol, etc.
  • a data pane can be generated for use in subsequent data processing.
  • the determining unit 113 uses a TF-IDF (term frequency-inverse document frequency) algorithm to determine the protocol type of each message based on the data pane.
  • TF-IDF term frequency-inverse document frequency
  • the determining unit 113 adopts the TF-IDF algorithm, and determining the protocol type of each message based on the data pane includes:
  • the protocol type with the highest fit is determined as the protocol type of each message.
  • DNS Domain Name Server, domain name resolution
  • GTP GPRS Tunneling Protocol
  • the automatic matching of the protocol type of the daily message can be realized without human intervention, and the calculation efficiency is high. Misoperation problem, the accuracy rate is also high.
  • the extraction unit 114 extracts the backfill feature of each message according to the protocol type of each message.
  • the extracting unit 114 extracting the backfill feature of each message according to the protocol type of each message includes:
  • the backfill feature of each message is extracted from each message according to the field to which the backfill feature of each message belongs.
  • the backfill feature may include, but not limited to: features such as IP (Internet Protocol, Internet Protocol), URL (uniform resource locator, Uniform Resource Locator), domain name.
  • IP Internet Protocol
  • URL uniform resource locator, Uniform Resource Locator
  • the backfill feature can be extracted based on the protocol type of the message in a targeted manner without manual intervention.
  • the backfill unit 115 uses the backfill feature of each message to backfill the data pane to obtain a target pane.
  • the backfill feature of each message can be added behind the corresponding message feature to obtain the target pane, see the following table for details:
  • the marking unit 116 obtains the pre-configured first list and the second list, and marks each message in the target pane according to the first list and the second list, and obtains a detection report.
  • the first list is used to store characteristics of objects prohibited from accessing the target-oriented network
  • the second list is used to store characteristics of objects allowed to access the target-oriented network
  • the marking unit 116 marking each message in the target pane according to the first list and the second list includes:
  • the first list is equivalent to a preconfigured blacklist
  • the second list is equivalent to a preconfigured whitelist.
  • the detection report is generated, and the specific form can be referred to the following table:
  • each message can be automatically marked in combination with the pre-configured list, and then a detection report can be automatically generated.
  • the calculation unit 117 calculates the connectivity matching degree of the object-oriented network according to the detection report.
  • the calculating unit 117 calculating the connectivity matching degree of the target-oriented network according to the detection report includes:
  • the number of messages with the second mark is 2
  • the number of messages with the third mark is 1, and the total number of all messages is 5, then use the formula (2+1) /5 calculates the connectivity matching degree of the target-oriented network, which is 60%.
  • the connectivity matching degree of the target-oriented network can be automatically calculated.
  • the output unit 118 outputs the detection report and the connectivity matching degree.
  • the detection report and the connectivity matching degree may be transmitted to a terminal device of a specified user.
  • the detection report and the connectivity matching degree may be transmitted to the client's terminal device or the tester's terminal device.
  • the prompt information is used to prompt that there is an abnormal access situation in the target-oriented network, and prompt to view the detection report.
  • the prompt information may be: "The matching degree of the connectivity of the current network is not 100%, there may be abnormal access situations, please query the detection report to determine the abnormal access objects".
  • the connectivity matching degree is 1, it means that there is no object in the blacklist in the detection report to access the target-oriented network, and there is no abnormal access. At this time, it is not necessary to check the detection report. report to save time. Of course, the detection report will still be output for the user to consult when needed.
  • the present invention can divide the collected CAP packets to obtain each message, generate a data pane according to the basic characteristics of each message, and use the TF-IDF algorithm to determine each message based on the data pane.
  • the protocol type of each message extract the backfill feature of each message according to the protocol type of each message to backfill the data pane to obtain the target pane.
  • each Each message is marked to obtain a detection report, and the connectivity matching degree of the target-oriented network is calculated according to the detection report, and the detection report and connectivity matching degree are output.
  • the present invention can quickly match message-related protocol types based on the TF-IDF algorithm, and mark the message in combination with the configured list, and can quickly and accurately realize the detection of the directional network without manual intervention.
  • FIG. 3 it is a schematic structural diagram of a computer device implementing a preferred embodiment of the TF-IDF algorithm-based directional network detection method in the present invention.
  • the computer device 1 may include a memory 12, a processor 13 and a bus, and may also include a computer program stored in the memory 12 and operable on the processor 13, such as oriented network detection based on the TF-IDF algorithm program.
  • the computer device 1 can be a bus structure or a star structure.
  • the computer The device 1 may also include more or less other hardware or software than shown in the figure, or a different arrangement of components, for example, the computer device 1 may also include input and output devices, network access devices, and the like.
  • the computer device 1 is only an example, and other existing or future electronic products that may be adapted to the present invention should also be included in the protection scope of the present invention, and are included here by reference .
  • the memory 12 includes at least one type of readable storage medium, and the readable storage medium includes a flash memory, a mobile hard disk, a multimedia card, a card-type memory (for example: SD or DX memory, etc.), a magnetic memory, a magnetic disk, an optical disk, etc. .
  • the memory 12 may be an internal storage unit of the computer device 1 in some embodiments, such as a removable hard disk of the computer device 1 .
  • Memory 12 also can be the external storage device of computer equipment 1 in other embodiments, such as the plug-in mobile hard disk equipped on computer equipment 1, smart memory card (Smart Media Card, SMC), secure digital (Secure Digital, SD ) card, flash card (Flash Card), etc.
  • the memory 12 may also include both an internal storage unit of the computer device 1 and an external storage device.
  • the memory 12 can not only be used to store application software and various data installed in the computer device 1, such as the code of the directional network detection program based on the TF-IDF algorithm, but also can be used to temporarily store the data that has been output or will be output.
  • the processor 13 may be composed of integrated circuits, for example, may be composed of a single packaged integrated circuit, or may be composed of multiple integrated circuits with the same function or different functions, including one or more central processing units.
  • Central Processing unit CPU
  • microprocessor digital processing chip
  • graphics processor and a combination of various control chips, etc.
  • the processor 13 is the control core (Control Unit) of the computer device 1, and utilizes various interfaces and lines to connect the various components of the entire computer device 1, by running or executing programs or modules stored in the memory 12 (such as executing TF-IDF algorithm-based directional network detection program, etc.), and call the data stored in the memory 12 to execute various functions of the computer device 1 and process data.
  • the processor 13 executes the operating system of the computer device 1 and various installed application programs.
  • the processor 13 executes the application program to implement the steps in the above embodiments of the TF-IDF algorithm-based directional network detection method, for example, the steps shown in FIG. 1 .
  • the computer program can be divided into one or more modules/units, and the one or more modules/units are stored in the memory 12 and executed by the processor 13 to complete the present invention.
  • the one or more modules/units may be a series of computer-readable instruction segments capable of accomplishing specific functions, and the instruction segments are used to describe the execution process of the computer program in the computer device 1 .
  • the computer program can be divided into acquisition unit 110 , division unit 111 , generation unit 112 , determination unit 113 , extraction unit 114 , backfill unit 115 , marking unit 116 , calculation unit 117 , and output unit 118 .
  • the above-mentioned integrated units implemented in the form of software function modules can be stored in a computer-readable storage medium.
  • the above-mentioned software function modules are stored in a storage medium, and include several instructions to enable a computer device (which may be a personal computer, computer device, or network device, etc.) or a processor (processor) to execute the information based on the various embodiments of the present invention. Part of the directed network detection method of the TF-IDF algorithm.
  • the integrated modules/units of the computer device 1 are realized in the form of software function units and sold or used as independent products, they can be stored in a computer-readable storage medium. Based on this understanding, the present invention realizes all or part of the processes in the methods of the above embodiments, and can also be completed by instructing related hardware devices through computer programs, and the computer programs can be stored in a computer-readable storage medium. When the computer program is executed by the processor, it can realize the steps of the above-mentioned various method embodiments.
  • the computer program includes computer program code
  • the computer program code may be in the form of source code, object code, executable file or some intermediate form.
  • the computer-readable medium may include: any entity or device capable of carrying the computer program code, a recording medium, a USB flash drive, a removable hard disk, a magnetic disk, an optical disk, a computer memory, and a read-only memory (ROM, Read-Only Memory) , random access memory, etc.
  • the computer-readable storage medium may mainly include a program storage area and a data storage area, wherein the program storage area may store an operating system, an application program required by at least one function, etc.; Use the created data etc.
  • the block chain referred to in the present invention is a new application mode of computer technologies such as distributed data storage, point-to-point transmission, consensus mechanism, and encryption algorithm.
  • Blockchain essentially a decentralized database, is a series of data blocks associated with each other using cryptographic methods. Each data block contains a batch of network transaction information, which is used to verify its Validity of information (anti-counterfeiting) and generation of the next block.
  • the blockchain can include the underlying platform of the blockchain, the platform product service layer, and the application service layer.
  • the bus may be a peripheral component interconnect standard (PCI for short) bus or an extended industry standard architecture (EISA for short) bus or the like.
  • PCI peripheral component interconnect standard
  • EISA extended industry standard architecture
  • the bus can be divided into address bus, data bus, control bus and so on. For ease of representation, only one straight line is used in FIG. 3 , but it does not mean that there is only one bus or one type of bus.
  • the bus is configured to realize connection and communication between the memory 12 and at least one processor 13 and the like.
  • the computer device 1 may also include a power supply (such as a battery) for supplying power to each component.
  • the power supply may be logically connected to the at least one processor 13 through a power management device, thereby realizing Charge management, discharge management, and power management functions.
  • the power supply may also include one or more DC or AC power supplies, recharging devices, power failure detection circuits, power converters or inverters, power status indicators and other arbitrary components.
  • the computer device 1 may also include various sensors, bluetooth modules, Wi-Fi modules, etc., which will not be repeated here.
  • the computer device 1 may also include a network interface, optionally, the network interface may include a wired interface and/or a wireless interface (such as a WI-FI interface, a Bluetooth interface, etc.), which are usually used in the computer device 1 Establish a communication connection with other computer equipment.
  • a network interface optionally, the network interface may include a wired interface and/or a wireless interface (such as a WI-FI interface, a Bluetooth interface, etc.), which are usually used in the computer device 1 Establish a communication connection with other computer equipment.
  • the computer device 1 may further include a user interface, which may be a display (Display) or an input unit (such as a keyboard (Keyboard)).
  • the user interface may also be a standard wired interface or a wireless interface.
  • the display may be an LED display, a liquid crystal display, a touch-sensitive liquid crystal display, an OLED (Organic Light-Emitting Diode, organic light-emitting diode) touch device, and the like.
  • the display may also be appropriately referred to as a display screen or a display unit, and is used for displaying information processed in the computer device 1 and for displaying a visualized user interface.
  • Fig. 3 only shows a computer device 1 with components 12-13, those skilled in the art can understand that the structure shown in Fig. 3 does not constitute a limitation to the computer device 1, and may include less Or more components, or combinations of certain components, or a different arrangement of components.
  • the memory 12 in the computer device 1 stores multiple instructions to implement a TF-IDF algorithm-based directional network detection method, and the processor 13 can execute the multiple instructions to achieve:
  • the invention is applicable to numerous general purpose and special purpose computer system environments or configurations. Examples: personal computers, server computers, handheld or portable devices, tablet-type devices, multiprocessor systems, microprocessor-based systems, set-top boxes, programmable consumer electronics, network PCs, minicomputers, mainframe computers, including A distributed computing environment for any of the above systems or devices, etc.
  • the invention may be described in the general context of computer-executable instructions, such as program modules, being executed by a computer.
  • program modules include routines, programs, objects, components, data structures, etc. that perform particular tasks or implement particular abstract data types.
  • the invention may also be practiced in distributed computing environments where tasks are performed by remote processing devices that are linked through a communications network.
  • program modules may be located in both local and remote computer storage media including storage devices.
  • modules described as separate components may or may not be physically separated, and the components shown as modules may or may not be physical units, that is, they may be located in one place, or may be distributed to multiple network units. Part or all of the modules can be selected according to actual needs to achieve the purpose of the solution of this embodiment.
  • each functional module in each embodiment of the present invention may be integrated into one processing unit, or each unit may physically exist separately, or two or more units may be integrated into one unit.
  • the above-mentioned integrated units can be implemented in the form of hardware, or in the form of hardware plus software function modules.

Abstract

本发明涉及物联网领域，提供一种基于TF-IDF算法的定向网络检测方法、装置、设备及介质，能够对采集的CAP包进行分割，得到每条报文，根据每条报文的基础特征生成数据窗格，采用TF-IDF算法，基于数据窗格确定每条报文的协议类型，根据每条报文的协议类型提取每条报文的回填特征对数据窗格进行回填，得到目标窗格，根据第一名单及第二名单对目标窗格中的每条报文进行标记，得到检测报告，根据检测报告计算目标定向网络的连通性匹配度，输出检测报告及连通性匹配度。利用本发明能够基于TF-IDF算法快速匹配报文相关协议类型，并结合配置的名单对报文进行标记，无需人工介入，即可快速准确的实现对定向网络的检测。

Description

基于TF-IDF算法的定向网络检测方法、装置、设备及介质 技术领域
本发明涉及物联网技术领域，尤其涉及一种基于TF-IDF算法的定向网络检测方法、装置、设备及介质。
背景技术
定向业务是物联网领域重要的营收业务之一，定向业务业务受理存在开通客户多、客户通道多、控制策略多等因素，因此，对客户开通的定向业务网络连通性调测成了交付前重要的环节。
目前，客户定向业务定制化程度较高，受理人员通过网络抓包和wireshark等专业工具进行解析后，仍然需要专业人员通过人力筛选特定协议、IP(Internet Protocol，网际互连协议)、URL(Uniform Resource Locator，统一资源定位器)以及域名等关键信息，并对每一条网络报文从物理层到应用层，层层点开观察后进行信息的提取。
上述处理方式中，重复性工作量较大、人工成本较高，同时，匹配效率和准确率也不高。
发明内容
鉴于以上内容，有必要提供一种基于TF-IDF算法的定向网络检测方法、装置、设备及介质，旨在解决定向网络检测效率低及准确率低的问题。
一种基于TF-IDF算法的定向网络检测方法，所述基于TF-IDF算法的定向网络检测方法包括：
响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包；
对所述CAP包进行分割，得到所述CAP包中携带的每条报文；
提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格；
采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型；
根据每条报文的协议类型提取每条报文的回填特征；
利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格；
获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告；
根据所述检测报告计算所述目标定向网络的连通性匹配度；
输出所述检测报告及所述连通性匹配度。
根据本发明优选实施例，所述对所述CAP包进行分割，得到所述CAP包中携带的每条报文 包括：
获取起始标识符及结束标识符；
将所述起始标识符及所述结束标识符确定为分割点对所述CAP包进行分割；
对于分割后得到的每段数据，将所述起始标识符确定为报文起点，将所述结束标识符确定为报文终点，得到所述CAP包中携带的每条报文。
根据本发明优选实施例，所述采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型包括：
从所述数据窗格中读取每条报文中每个基础特征的出现次数，及每条报文中所有基础特征出现的总次数；
计算每个基础特征的出现次数与所述总次数的商，得到每条报文中每个基础特征的出现频率；
获取预先配置的报文协议字典，其中，所述报文协议字典用于存储协议类型与特征的映射关系；
确定所述报文协议字典中每个协议类型的数量；
确定所述报文协议字典中每个基础特征的数量；
计算每个基础特征的数量与预设值的和，得到每个基础特征的基础值；
计算每个协议类型的数量与每个基础特征的基础值的商的对数值，得到每个基础特征相对于每个协议类型的逆频率；
计算每个基础特征的出现频率与每个基础特征相对于每个协议类型的频率的乘积，得到每个基础特征相对于每个协议类型的权重；
计算每条报文中的所有基础特征相对于每个协议类型的权重的总和，得到每条报文相对于每个协议类型的契合度；
将所述契合度最高的协议类型确定为每条报文的协议类型。
根据本发明优选实施例，所述根据每条报文的协议类型提取每条报文的回填特征包括：
根据每条报文的协议类型确定每条报文的回填特征所属的字段；
根据每条报文的回填特征所属的字段从每条报文中提取每条报文的回填特征。
根据本发明优选实施例，所述第一名单用于存储禁止访问所述目标定向网络的对象的特征，所述第二名单用于存储允许访问所述目标定向网络的对象的特征，所述根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记包括：
从所述目标窗格中读取每条报文的回填特征；
利用每条报文的回填特征与所述第一名单中对象的特征进行匹配，并对匹配到的报文进行 第一标记；
利用每条报文的回填特征与所述第二名单中对象的特征进行匹配，并对匹配到的报文进行第二标记；
对未与所述第一名单匹配成功，且未与所述第二名单匹配成功的报文进行第三标记。
根据本发明优选实施例，所述根据所述检测报告计算所述目标定向网络的连通性匹配度包括：
从所述检测报告中获取具有所述第二标记的报文的数量作为第一数量；
从所述检测报告中获取具有所述第三标记的报文的数量作为第二数量；
计算所述第一数量与所述第二数量的和，得到第三数量；
从所述检测报告中获取所有报文的总数量；
计算所述第三数量与所述总数量的商，得到所述目标定向网络的连通性匹配度。
根据本发明优选实施例，在输出所述检测报告及所述连通性匹配度后，所述方法还包括：
当所述连通性匹配度不等于1时，发出提示信息；
其中，所述提示信息用于提示所述目标定向网络存在异常访问情况，并提示查看所述检测报告。
一种基于TF-IDF算法的定向网络检测装置，所述基于TF-IDF算法的定向网络检测装置包括：
采集单元，用于响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包；
分割单元，用于对所述CAP包进行分割，得到所述CAP包中携带的每条报文；
生成单元，用于提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格；
确定单元，用于采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型；
提取单元，用于根据每条报文的协议类型提取每条报文的回填特征；
回填单元，用于利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格；
标记单元，用于获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告；
计算单元，用于根据所述检测报告计算所述目标定向网络的连通性匹配度；
输出单元，用于输出所述检测报告及所述连通性匹配度。
一种计算机设备，所述计算机设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现所述基于TF-IDF算法的定向网络检测方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述基于TF-IDF算法的定向网络检测方法。
由以上技术方案可以看出，本发明能够基于TF-IDF算法快速匹配报文相关协议类型，并结合配置的名单对报文进行标记，无需人工介入，即可快速准确的实现对定向网络的检测。
附图说明
图1是本发明基于TF-IDF算法的定向网络检测方法的较佳实施例的流程图。
图2是本发明基于TF-IDF算法的定向网络检测装置的较佳实施例的功能模块图。
图3是本发明实现基于TF-IDF算法的定向网络检测方法的较佳实施例的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明基于TF-IDF算法的定向网络检测方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述基于TF-IDF算法的定向网络检测方法应用于一个或者多个计算机设备中，所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述计算机设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云。
所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者由数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据 处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包。
在本实施例中，所述目标定向网络是指特定对象可访问的网络。
在本实施例中，所述网元可以包括，但不限于：PGW(PDN GateWay，PDN网关)等。
在本实施例中，所述CAP包可以是16进制的cap文件，或者pcap等类型的cap文件等。
S11，对所述CAP包进行分割，得到所述CAP包中携带的每条报文。
在本发明的至少一个实施例中，所述对所述CAP包进行分割，得到所述CAP包中携带的每条报文包括：
获取起始标识符及结束标识符；
将所述起始标识符及所述结束标识符确定为分割点对所述CAP包进行分割；
对于分割后得到的每段数据，将所述起始标识符确定为报文起点，将所述结束标识符确定为报文终点，得到所述CAP包中携带的每条报文。
例如：当所述起始标识符为第一标识符，所述结束标识符为第二标识符时，则分割后加载所述第一标识符及所述第二标识符中间的数据即为一条报文。
通过上述实施方式，能够根据标识符实现对所述CAP包的自动分割，以提取出所述CAP包中的每条报文。
S12，提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格。
在本发明的至少一个实施例中，所述基础特征可以包括，但不限于以下一种或者多种特征的组合：
源地址Src、目的地址Dest、源端口SrcPort、目的端口DestPort、基础协议类型Protocol等。
进一步地，以每条报文为列，并将每条报文的基础特征放在每条报文后面的方格中，形成所述数据窗格，具体可以参见下表：
报文1 基础特征1 基础特征2 基础特征3 基础特征4
报文2 基础特征1 基础特征2 基础特征3 基础特征4
报文3 基础特征1 基础特征2 基础特征3 基础特征4
报文4 基础特征1 基础特征2 基础特征3 基础特征4
报文5 基础特征1 基础特征2 基础特征3 基础特征4
通过上述实施方式，能够生成数据窗格，以供后续的数据处理使用。
S13，采用TF-IDF(term frequency-inverse document frequency)算法，基于所述数据窗格确定每条报文的协议类型。
在本发明的至少一个实施例中，所述采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型包括：
从所述数据窗格中读取每条报文中每个基础特征的出现次数，及每条报文中所有基础特征出现的总次数；
计算每个基础特征的出现次数与所述总次数的商，得到每条报文中每个基础特征的出现频率；
获取预先配置的报文协议字典，其中，所述报文协议字典用于存储协议类型与特征的映射关系；
确定所述报文协议字典中每个协议类型的数量；
确定所述报文协议字典中每个基础特征的数量；
计算每个基础特征的数量与预设值的和，得到每个基础特征的基础值；
计算每个协议类型的数量与每个基础特征的基础值的商的对数值，得到每个基础特征相对于每个协议类型的逆频率；
计算每个基础特征的出现频率与每个基础特征相对于每个协议类型的频率的乘积，得到每个基础特征相对于每个协议类型的权重；
计算每条报文中的所有基础特征相对于每个协议类型的权重的总和，得到每条报文相对于每个协议类型的契合度；
将所述契合度最高的协议类型确定为每条报文的协议类型。
例如：所述报文协议字典中可以存储：DNS(Domain Name Server，域名解析)协议，及所述DNS协议对应的特征“端口53”；GTP(GPRS隧道协议)协议，及所述GTP协议对应的特征“端口2152”；GTP＜HTTP＞协议，及所述GTP＜HTTP＞协议对应的特征“端口80”。
通过上述实施方式，能够基于TF-IDF算法及配置的报文协议字典，实现对每天报文的协议类型的自动匹配，无需人为介入，计算效率较高，且由于有效避免了人为参与带来的误操作问题，准确率也较高。
S14，根据每条报文的协议类型提取每条报文的回填特征。
在本发明的至少一个实施例中，所述根据每条报文的协议类型提取每条报文的回填特征包括：
根据每条报文的协议类型确定每条报文的回填特征所属的字段；
根据每条报文的回填特征所属的字段从每条报文中提取每条报文的回填特征。
例如：所述回填特征可以包括，但不限于：IP(Internet Protocol，网际互连协议)、URL(uniform resource locator，统一资源定位系统)、域名等特征。
可以理解的是，不同于所述基础特征在每种协议类型下都具有固定字段，所述回填特征在每种协议类型下所属的字段也是不同的，因此，需要根据不同的协议类型进行提取。
通过上述实施方式，能够基于报文的协议类型对回填特征进行针对性的提取，且无需人工介入。
S15，利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格。
在本实施例中，可以将每条报文的回填特征添加在对应的报文特征后面，得到所述目标窗格，具体可以参见下表：
报文1 基础特征1 基础特征2 基础特征3 基础特征4 回填特征1
报文2 基础特征1 基础特征2 基础特征3 基础特征4 回填特征2
报文3 基础特征1 基础特征2 基础特征3 基础特征4 回填特征3
报文4 基础特征1 基础特征2 基础特征3 基础特征4 回填特征4
报文5 基础特征1 基础特征2 基础特征3 基础特征4 回填特征5
S16，获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告。
在本发明的至少一个实施例中，所述第一名单用于存储禁止访问所述目标定向网络的对象的特征，所述第二名单用于存储允许访问所述目标定向网络的对象的特征，所述根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记包括：
从所述目标窗格中读取每条报文的回填特征；
利用每条报文的回填特征与所述第一名单中对象的特征进行匹配，并对匹配到的报文进行第一标记；
利用每条报文的回填特征与所述第二名单中对象的特征进行匹配，并对匹配到的报文进行第二标记；
对未与所述第一名单匹配成功，且未与所述第二名单匹配成功的报文进行第三标记。
具体地，所述第一名单相当于预先配置的黑名单，所述第二名单相当于预先配置的白名单。
进一步地，根据匹配的情况，生成所述检测报告，具体形式可以参见下面的表格：
报文1 基础特征1 基础特征2 基础特征3 基础特征4 回填特征1 第一标记
报文2 基础特征1 基础特征2 基础特征3 基础特征4 回填特征2 第二标记
报文3 基础特征1 基础特征2 基础特征3 基础特征4 回填特征3 第三标记
报文4 基础特征1 基础特征2 基础特征3 基础特征4 回填特征4 第一标记
报文5 基础特征1 基础特征2 基础特征3 基础特征4 回填特征5 第二标记
通过上述实施方式，能够结合预先配置的名单对每个报文进行自动标记，进而自动生成检 测报告。
S17，根据所述检测报告计算所述目标定向网络的连通性匹配度。
在本发明的至少一个实施例中，所述根据所述检测报告计算所述目标定向网络的连通性匹配度包括：
从所述检测报告中获取具有所述第二标记的报文的数量作为第一数量；
从所述检测报告中获取具有所述第三标记的报文的数量作为第二数量；
计算所述第一数量与所述第二数量的和，得到第三数量；
从所述检测报告中获取所有报文的总数量；
计算所述第三数量与所述总数量的商，得到所述目标定向网络的连通性匹配度。
承接上面的例子，具有所述第二标记的报文的数量为2，具有所述第三标记的报文的数量为1，所有报文的总数量为5，则利用公式(2+1)/5计算所述目标定向网络的连通性匹配度，为60％。
通过上述实施方式，能够自动计算得到所述目标定向网络的连通性匹配度。
S18，输出所述检测报告及所述连通性匹配度。
在本实施例中，可以将所述检测报告及所述连通性匹配度传输至指定用户的终端设备。
例如：可以将所述检测报告及所述连通性匹配度传输至客户的终端设备，或者测试人员的终端设备。
在本实施例中，在输出所述检测报告及所述连通性匹配度后，所述方法还包括：
当所述连通性匹配度不等于1时，发出提示信息；
其中，所述提示信息用于提示所述目标定向网络存在异常访问情况，并提示查看所述检测报告。
例如：所述提示信息可以为：“当前网络的连通性匹配度不为百分百，可能存在异常访问情况，请查询检测报告，以确定异常访问对象”。
可以理解的是，只要所述检测报告中存在黑名单中的对象访问所述目标定向网络，则说明有异常访问情况，此时，计算得到的所述连通性匹配度将不为1，此时，及时发出提示信息，以提醒相关人员处理异常。
而当所述连通性匹配度为1时，说明所述检测报告中不存在黑名单中的对象访问所述目标定向网络，也就不存在异常访问的情况，此时，可以无需查看所述检测报告，以节约时间。当然，所述检测报告仍然会被输出，以供用户需要时查阅。
由以上技术方案可以看出，本发明能够对采集的CAP包进行分割，得到每条报文，根据每条报文的基础特征生成数据窗格，采用TF-IDF算法，基于数据窗格确定每条报文的协议类型， 根据每条报文的协议类型提取每条报文的回填特征对数据窗格进行回填，得到目标窗格，根据第一名单及第二名单对目标窗格中的每条报文进行标记，得到检测报告，根据检测报告计算目标定向网络的连通性匹配度，输出检测报告及连通性匹配度。利用本发明能够基于TF-IDF算法快速匹配报文相关协议类型，并结合配置的名单对报文进行标记，无需人工介入，即可快速准确的实现对定向网络的检测。
如图2所示，是本发明基于TF-IDF算法的定向网络检测装置的较佳实施例的功能模块图。所述基于TF-IDF算法的定向网络检测装置11包括采集单元110、分割单元111、生成单元112、确定单元113、提取单元114、回填单元115、标记单元116、计算单元117、输出单元118。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
采集单元110响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包。
在本实施例中，所述目标定向网络是指特定对象可访问的网络。
在本实施例中，所述网元可以包括，但不限于：PGW(PDN GateWay，PDN网关)等。
在本实施例中，所述CAP包可以是16进制的cap文件，或者pcap等类型的cap文件等。
分割单元111对所述CAP包进行分割，得到所述CAP包中携带的每条报文。
在本发明的至少一个实施例中，所述分割单元111对所述CAP包进行分割，得到所述CAP包中携带的每条报文包括：
获取起始标识符及结束标识符；
将所述起始标识符及所述结束标识符确定为分割点对所述CAP包进行分割；
对于分割后得到的每段数据，将所述起始标识符确定为报文起点，将所述结束标识符确定为报文终点，得到所述CAP包中携带的每条报文。
例如：当所述起始标识符为第一标识符，所述结束标识符为第二标识符时，则分割后加载所述第一标识符及所述第二标识符中间的数据即为一条报文。
通过上述实施方式，能够根据标识符实现对所述CAP包的自动分割，以提取出所述CAP包中的每条报文。
生成单元112提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格。
在本发明的至少一个实施例中，所述基础特征可以包括，但不限于以下一种或者多种特征的组合：
源地址Src、目的地址Dest、源端口SrcPort、目的端口DestPort、基础协议类型Protocol等。
进一步地，以每条报文为列，并将每条报文的基础特征放在每条报文后面的方格中，形成所述数据窗格，具体可以参见下表：
报文1 基础特征1 基础特征2 基础特征3 基础特征4
报文2 基础特征1 基础特征2 基础特征3 基础特征4
报文3 基础特征1 基础特征2 基础特征3 基础特征4
报文4 基础特征1 基础特征2 基础特征3 基础特征4
报文5 基础特征1 基础特征2 基础特征3 基础特征4
通过上述实施方式，能够生成数据窗格，以供后续的数据处理使用。
确定单元113采用TF-IDF(term frequency-inverse document frequency)算法，基于所述数据窗格确定每条报文的协议类型。
在本发明的至少一个实施例中，所述确定单元113采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型包括：
从所述数据窗格中读取每条报文中每个基础特征的出现次数，及每条报文中所有基础特征出现的总次数；
计算每个基础特征的出现次数与所述总次数的商，得到每条报文中每个基础特征的出现频率；
获取预先配置的报文协议字典，其中，所述报文协议字典用于存储协议类型与特征的映射关系；
确定所述报文协议字典中每个协议类型的数量；
确定所述报文协议字典中每个基础特征的数量；
计算每个基础特征的数量与预设值的和，得到每个基础特征的基础值；
计算每个协议类型的数量与每个基础特征的基础值的商的对数值，得到每个基础特征相对于每个协议类型的逆频率；
计算每个基础特征的出现频率与每个基础特征相对于每个协议类型的频率的乘积，得到每个基础特征相对于每个协议类型的权重；
计算每条报文中的所有基础特征相对于每个协议类型的权重的总和，得到每条报文相对于每个协议类型的契合度；
将所述契合度最高的协议类型确定为每条报文的协议类型。
例如：所述报文协议字典中可以存储：DNS(Domain Name Server，域名解析)协议，及所述DNS协议对应的特征“端口53”；GTP(GPRS隧道协议)协议，及所述GTP协议对应的特征“端口2152”；GTP＜HTTP＞协议，及所述GTP＜HTTP＞协议对应的特征“端口80”。
通过上述实施方式，能够基于TF-IDF算法及配置的报文协议字典，实现对每天报文的协议类型的自动匹配，无需人为介入，计算效率较高，且由于有效避免了人为参与带来的误操作问 题，准确率也较高。
提取单元114根据每条报文的协议类型提取每条报文的回填特征。
在本发明的至少一个实施例中，所述提取单元114根据每条报文的协议类型提取每条报文的回填特征包括：
根据每条报文的协议类型确定每条报文的回填特征所属的字段；
根据每条报文的回填特征所属的字段从每条报文中提取每条报文的回填特征。
例如：所述回填特征可以包括，但不限于：IP(Internet Protocol，网际互连协议)、URL(uniform resource locator，统一资源定位系统)、域名等特征。
可以理解的是，不同于所述基础特征在每种协议类型下都具有固定字段，所述回填特征在每种协议类型下所属的字段也是不同的，因此，需要根据不同的协议类型进行提取。
通过上述实施方式，能够基于报文的协议类型对回填特征进行针对性的提取，且无需人工介入。
回填单元115利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格。
在本实施例中，可以将每条报文的回填特征添加在对应的报文特征后面，得到所述目标窗格，具体可以参见下表：
报文1 基础特征1 基础特征2 基础特征3 基础特征4 回填特征1
报文2 基础特征1 基础特征2 基础特征3 基础特征4 回填特征2
报文3 基础特征1 基础特征2 基础特征3 基础特征4 回填特征3
报文4 基础特征1 基础特征2 基础特征3 基础特征4 回填特征4
报文5 基础特征1 基础特征2 基础特征3 基础特征4 回填特征5
标记单元116获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告。
在本发明的至少一个实施例中，所述第一名单用于存储禁止访问所述目标定向网络的对象的特征，所述第二名单用于存储允许访问所述目标定向网络的对象的特征，所述标记单元116根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记包括：
从所述目标窗格中读取每条报文的回填特征；
利用每条报文的回填特征与所述第一名单中对象的特征进行匹配，并对匹配到的报文进行第一标记；
利用每条报文的回填特征与所述第二名单中对象的特征进行匹配，并对匹配到的报文进行第二标记；
对未与所述第一名单匹配成功，且未与所述第二名单匹配成功的报文进行第三标记。
具体地，所述第一名单相当于预先配置的黑名单，所述第二名单相当于预先配的白名单。
进一步地，根据匹配的情况，生成所述检测报告，具体形式可以参见下面的表格：
报文1 基础特征1 基础特征2 基础特征3 基础特征4 回填特征1 第一标记
报文2 基础特征1 基础特征2 基础特征3 基础特征4 回填特征2 第二标记
报文3 基础特征1 基础特征2 基础特征3 基础特征4 回填特征3 第三标记
报文4 基础特征1 基础特征2 基础特征3 基础特征4 回填特征4 第一标记
报文5 基础特征1 基础特征2 基础特征3 基础特征4 回填特征5 第二标记
通过上述实施方式，能够结合预先配置的名单对每个报文进行自动标记，进而自动生成检测报告。
计算单元117根据所述检测报告计算所述目标定向网络的连通性匹配度。
在本发明的至少一个实施例中，所述计算单元117根据所述检测报告计算所述目标定向网络的连通性匹配度包括：
从所述检测报告中获取具有所述第二标记的报文的数量作为第一数量；
从所述检测报告中获取具有所述第三标记的报文的数量作为第二数量；
计算所述第一数量与所述第二数量的和，得到第三数量；
从所述检测报告中获取所有报文的总数量；
计算所述第三数量与所述总数量的商，得到所述目标定向网络的连通性匹配度。
承接上面的例子，具有所述第二标记的报文的数量为2，具有所述第三标记的报文的数量为1，所有报文的总数量为5，则利用公式(2+1)/5计算所述目标定向网络的连通性匹配度，为60％。
通过上述实施方式，能够自动计算得到所述目标定向网络的连通性匹配度。
输出单元118输出所述检测报告及所述连通性匹配度。
在本实施例中，可以将所述检测报告及所述连通性匹配度传输至指定用户的终端设备。
例如：可以将所述检测报告及所述连通性匹配度传输至客户的终端设备，或者测试人员的终端设备。
在本实施例中，在输出所述检测报告及所述连通性匹配度后，当所述连通性匹配度不等于1时，发出提示信息；
其中，所述提示信息用于提示所述目标定向网络存在异常访问情况，并提示查看所述检测报告。
例如：所述提示信息可以为：“当前网络的连通性匹配度不为百分百，可能存在异常访问情况，请查询检测报告，以确定异常访问对象”。
可以理解的是，只要所述检测报告中存在黑名单中的对象访问所述目标定向网络，则说明有异常访问情况，此时，计算得到的所述连通性匹配度将不为1，此时，及时发出提示信息，以 提醒相关人员处理异常。
而当所述连通性匹配度为1时，说明所述检测报告中不存在黑名单中的对象访问所述目标定向网络，也就不存在异常访问的情况，此时，可以无需查看所述检测报告，以节约时间。当然，所述检测报告仍然会被输出，以供用户需要时查阅。
由以上技术方案可以看出，本发明能够对采集的CAP包进行分割，得到每条报文，根据每条报文的基础特征生成数据窗格，采用TF-IDF算法，基于数据窗格确定每条报文的协议类型，根据每条报文的协议类型提取每条报文的回填特征对数据窗格进行回填，得到目标窗格，根据第一名单及第二名单对目标窗格中的每条报文进行标记，得到检测报告，根据检测报告计算目标定向网络的连通性匹配度，输出检测报告及连通性匹配度。利用本发明能够基于TF-IDF算法快速匹配报文相关协议类型，并结合配置的名单对报文进行标记，无需人工介入，即可快速准确的实现对定向网络的检测。
如图3所示，是本发明实现基于TF-IDF算法的定向网络检测方法的较佳实施例的计算机设备的结构示意图。
所述计算机设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如基于TF-IDF算法的定向网络检测程序。
本领域技术人员可以理解，所述示意图仅仅是计算机设备1的示例，并不构成对计算机设备1的限定，所述计算机设备1既可以是总线型结构，也可以是星形结构，所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述计算机设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是，所述计算机设备1仅为举例，其他现有的或今后可能出现的电子产品如果可以适应于本发明，也应包含在本发明的保护范围内，并以引用方式包含于此。
其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元，例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备，例如计算机设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据，例如基于TF-IDF算法的定向网络检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片 的组合等。处理器13是所述计算机设备1的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块(例如执行基于TF-IDF算法的定向网络检测程序等)，以及调用存储在所述存储器12内的数据，以执行计算机设备1的各种功能和处理数据。
所述处理器13执行所述计算机设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于TF-IDF算法的定向网络检测方法实施例中的步骤，例如图1所示的步骤。
示例性地，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如，所述计算机程序可以被分割成采集单元110、分割单元111、生成单元112、确定单元113、提取单元114、回填单元115、标记单元116、计算单元117、输出单元118。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述基于TF-IDF算法的定向网络检测方法的部分。
所述计算机设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器等。
进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应 用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根直线表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出，所述计算机设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述计算机设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备1与其他计算机设备之间建立通信连接。
可选地，该计算机设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的计算机设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述计算机设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
结合图1，所述计算机设备1中的所述存储器12存储多个指令以实现一种基于TF-IDF算法的定向网络检测方法，所述处理器13可执行所述多个指令从而实现：
响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包；
对所述CAP包进行分割，得到所述CAP包中携带的每条报文；
提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格；
采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型；
根据每条报文的协议类型提取每条报文的回填特征；
利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格；
获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告；
根据所述检测报告计算所述目标定向网络的连通性匹配度；
输出所述检测报告及所述连通性匹配度。
具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，本案中所涉及到的数据均为合法取得。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
本发明可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

  1. 一种基于TF-IDF算法的定向网络检测方法，其特征在于，所述基于TF-IDF算法的定向网络检测方法包括：
    响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包；
    对所述CAP包进行分割，得到所述CAP包中携带的每条报文；
    提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格；
    采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型；
    根据每条报文的协议类型提取每条报文的回填特征；
    利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格；
    获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告；
    根据所述检测报告计算所述目标定向网络的连通性匹配度；
    输出所述检测报告及所述连通性匹配度。
  2. 如权利要求1所述的基于TF-IDF算法的定向网络检测方法，其特征在于，所述对所述CAP包进行分割，得到所述CAP包中携带的每条报文包括：
    获取起始标识符及结束标识符；
    将所述起始标识符及所述结束标识符确定为分割点对所述CAP包进行分割；
    对于分割后得到的每段数据，将所述起始标识符确定为报文起点，将所述结束标识符确定为报文终点，得到所述CAP包中携带的每条报文。
  3. 如权利要求1所述的基于TF-IDF算法的定向网络检测方法，其特征在于，所述采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型包括：
    从所述数据窗格中读取每条报文中每个基础特征的出现次数，及每条报文中所有基础特征出现的总次数；
    计算每个基础特征的出现次数与所述总次数的商，得到每条报文中每个基础特征的出现频率；
    获取预先配置的报文协议字典，其中，所述报文协议字典用于存储协议类型与特征的映射关系；
    确定所述报文协议字典中每个协议类型的数量；
    确定所述报文协议字典中每个基础特征的数量；
    计算每个基础特征的数量与预设值的和，得到每个基础特征的基础值；
    计算每个协议类型的数量与每个基础特征的基础值的商的对数值，得到每个基础特征相对 于每个协议类型的逆频率；
    计算每个基础特征的出现频率与每个基础特征相对于每个协议类型的频率的乘积，得到每个基础特征相对于每个协议类型的权重；
    计算每条报文中的所有基础特征相对于每个协议类型的权重的总和，得到每条报文相对于每个协议类型的契合度；
    将所述契合度最高的协议类型确定为每条报文的协议类型。
  4. 如权利要求1所述的基于TF-IDF算法的定向网络检测方法，其特征在于，所述根据每条报文的协议类型提取每条报文的回填特征包括：
    根据每条报文的协议类型确定每条报文的回填特征所属的字段；
    根据每条报文的回填特征所属的字段从每条报文中提取每条报文的回填特征。
  5. 如权利要求1所述的基于TF-IDF算法的定向网络检测方法，其特征在于，所述第一名单用于存储禁止访问所述目标定向网络的对象的特征，所述第二名单用于存储允许访问所述目标定向网络的对象的特征，所述根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记包括：
    从所述目标窗格中读取每条报文的回填特征；
    利用每条报文的回填特征与所述第一名单中对象的特征进行匹配，并对匹配到的报文进行第一标记；
    利用每条报文的回填特征与所述第二名单中对象的特征进行匹配，并对匹配到的报文进行第二标记；
    对未与所述第一名单匹配成功，且未与所述第二名单匹配成功的报文进行第三标记。
  6. 如权利要求5所述的基于TF-IDF算法的定向网络检测方法，其特征在于，所述根据所述检测报告计算所述目标定向网络的连通性匹配度包括：
    从所述检测报告中获取具有所述第二标记的报文的数量作为第一数量；
    从所述检测报告中获取具有所述第三标记的报文的数量作为第二数量；
    计算所述第一数量与所述第二数量的和，得到第三数量；
    从所述检测报告中获取所有报文的总数量；
    计算所述第三数量与所述总数量的商，得到所述目标定向网络的连通性匹配度。
  7. 如权利要求1所述的基于TF-IDF算法的定向网络检测方法，其特征在于，在输出所述检测报告及所述连通性匹配度后，所述方法还包括：
    当所述连通性匹配度不等于1时，发出提示信息；
    其中，所述提示信息用于提示所述目标定向网络存在异常访问情况，并提示查看所述检测 报告。
  8. 一种基于TF-IDF算法的定向网络检测装置，其特征在于，所述基于TF-IDF算法的定向网络检测装置包括：
    采集单元，用于响应于对目标定向网络的检测指令，基于网元采集从所述目标定向网络上捕获到的CAP包；
    分割单元，用于对所述CAP包进行分割，得到所述CAP包中携带的每条报文；
    生成单元，用于提取每条报文的基础特征，并根据每条报文的基础特征生成数据窗格；
    确定单元，用于采用TF-IDF算法，基于所述数据窗格确定每条报文的协议类型；
    提取单元，用于根据每条报文的协议类型提取每条报文的回填特征；
    回填单元，用于利用每条报文的回填特征对所述数据窗格进行回填，得到目标窗格；
    标记单元，用于获取预先配置的第一名单及第二名单，并根据所述第一名单及所述第二名单对所述目标窗格中的每条报文进行标记，得到检测报告；
    计算单元，用于根据所述检测报告计算所述目标定向网络的连通性匹配度；
    输出单元，用于输出所述检测报告及所述连通性匹配度。
  9. 一种计算机设备，其特征在于，所述计算机设备包括：
    存储器，存储至少一个指令；及
    处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的基于TF-IDF算法的定向网络检测方法。
  10. 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中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至7中任意一项所述的基于TF-IDF算法的定向网络检测方法。
PCT/CN2022/142008 2021-12-27 2022-12-26 基于tf-idf算法的定向网络检测方法、装置、设备及介质 WO2023125435A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111634982.6A CN114268559B (zh) 2021-12-27 2021-12-27 基于tf-idf算法的定向网络检测方法、装置、设备及介质
CN202111634982.6 2021-12-27

Publications (1)

Publication Number Publication Date
WO2023125435A1 true WO2023125435A1 (zh) 2023-07-06

Family

ID=80831384

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/142008 WO2023125435A1 (zh) 2021-12-27 2022-12-26 基于tf-idf算法的定向网络检测方法、装置、设备及介质

Country Status (2)

Country Link
CN (1) CN114268559B (zh)
WO (1) WO2023125435A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114268559B (zh) * 2021-12-27 2024-02-20 天翼物联科技有限公司 基于tf-idf算法的定向网络检测方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040268232A1 (en) * 2003-06-24 2004-12-30 Microsoft Corporation Pane Element
CN106815199A (zh) * 2015-11-30 2017-06-09 任子行网络技术股份有限公司 基于机器学习的协议类型分析方法和装置
CN113783881A (zh) * 2021-09-15 2021-12-10 浙江工业大学 一种面向渗透攻击的网络蜜罐部署方法
CN114268559A (zh) * 2021-12-27 2022-04-01 天翼物联科技有限公司 基于tf-idf算法的定向网络检测方法、装置、设备及介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPN479695A0 (en) * 1995-08-16 1995-09-07 Telstra Corporation Limited A network analysis system
DE102006033830A1 (de) * 2006-07-14 2008-01-17 Cuculus Gmbh Verfahren und Anordnung zur Realisierung von Zugangsnetzwerken zu einem öffentlichen Netzwerk
US8085673B2 (en) * 2006-11-22 2011-12-27 Ixia Method and apparatus for generating bi-directional network traffic and collecting statistics on same
US10405235B2 (en) * 2011-09-26 2019-09-03 Qualcomm Incorporated Systems and methods for traffic detection network control
EP2959717B1 (en) * 2013-02-22 2019-06-05 Telefonaktiebolaget LM Ericsson (publ) A network node and a method of a network node of controlling data packet delivery to a mobile terminal in case of data rate throttling after having reached a data download cap
EP3198464B1 (en) * 2014-09-25 2019-02-06 Hughes Network Systems, LLC Application-aware multihoming for data traffic acceleration in data communications networks
CN108234141B (zh) * 2016-12-22 2021-08-24 中移（杭州）信息技术有限公司 一种定向流量处理方法及服务器
CN107273454B (zh) * 2017-05-31 2020-11-03 北京京东尚科信息技术有限公司 用户数据分类方法、装置、服务器和计算机可读存储介质
CN109257242B (zh) * 2017-07-13 2020-06-26 中国电信股份有限公司 业务识别方法和装置、分组数据网络网关
CN110471832B (zh) * 2019-06-25 2024-05-07 平安科技（深圳）有限公司 程序运行的处理方法、装置及计算机可读存储介质
CN112887173B (zh) * 2021-02-19 2023-05-23 山东英信计算机技术有限公司 一种存储网络检测方法、装置、设备及可读存储介质
CN113422774B (zh) * 2021-06-23 2022-04-15 安徽工业大学 一种基于网络协议的自动化渗透测试方法、装置及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040268232A1 (en) * 2003-06-24 2004-12-30 Microsoft Corporation Pane Element
CN106815199A (zh) * 2015-11-30 2017-06-09 任子行网络技术股份有限公司 基于机器学习的协议类型分析方法和装置
CN113783881A (zh) * 2021-09-15 2021-12-10 浙江工业大学 一种面向渗透攻击的网络蜜罐部署方法
CN114268559A (zh) * 2021-12-27 2022-04-01 天翼物联科技有限公司 基于tf-idf算法的定向网络检测方法、装置、设备及介质

Also Published As

Publication number Publication date
CN114268559A (zh) 2022-04-01
CN114268559B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
US20210035126A1 (en) Data processing method, system and computer device based on electronic payment behaviors
WO2019062191A1 (zh) 电子装置、提取数据表的数据的方法、系统及存储介质
CN112702228B (zh) 服务限流响应方法、装置、电子设备及可读存储介质
CN111262851A (zh) Ddos攻击检测方法、装置、电子设备及存储介质
CN112653760B (zh) 跨服务器的文件传输方法、装置、电子设备及存储介质
CN111210201B (zh) 职业标签建立方法、装置、电子设备及存储介质
CN113806434B (zh) 大数据处理方法、装置、设备及介质
WO2023125435A1 (zh) 基于tf-idf算法的定向网络检测方法、装置、设备及介质
CN114301670A (zh) 基于ipv6地址的终端认证方法、装置、设备及介质
CN112866285B (zh) 网关拦截方法、装置、电子设备及存储介质
CN112700261B (zh) 基于可疑社团的刷单行为检测方法、装置、设备及介质
CN112541688A (zh) 业务数据校验方法、装置、电子设备及计算机存储介质
CN112235409A (zh) 文件上传方法、装置、电子设备及计算机可读存储介质
CN112597752B (zh) 投诉文本的处理方法、装置、电子设备及存储介质
CN113051127B (zh) 异常功耗检测方法、装置、电子设备及存储介质
CN116934263B (zh) 产品批量准入方法、装置、设备及介质
CN116542795B (zh) 基于区块链的审计数据跨链交互方法及装置
CN113626533B (zh) 一种紫外线功率检测方法、装置及电子设备
CN110442552B (zh) 完整度的计算方法及系统
CN107609008A (zh) 一种基于Apache Sqoop的从关系型数据库到Kafka的数据导入装置及方法
CN116821876A (zh) 产品配置数据的处理方法、装置、设备及介质
CN116028020A (zh) 基于客户差异的微服务处理方法、装置、设备及存储介质
CN114785860A (zh) 基于加解密的数据响应方法、装置、设备及介质
CN114416575A (zh) Mock数据生成方法、装置、设备及存储介质
CN114827354A (zh) 身份验证信息显示方法、装置、电子设备及可读存储介质

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: 22914689

Country of ref document: EP

Kind code of ref document: A1