CN111343161B - 异常信息处理节点分析方法、装置、介质及电子设备 - Google Patents
异常信息处理节点分析方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN111343161B CN111343161B CN202010092140.1A CN202010092140A CN111343161B CN 111343161 B CN111343161 B CN 111343161B CN 202010092140 A CN202010092140 A CN 202010092140A CN 111343161 B CN111343161 B CN 111343161B
- Authority
- CN
- China
- Prior art keywords
- information processing
- processing node
- node
- label
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
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
-
- 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
- H04L63/1416—Event detection, e.g. attack signature detection
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请是关于一种异常信息处理节点分析方法、装置、介质及电子设备,属于计算机技术领域,该方法包括:将信息处理节点按照所述异常信息处理事件的属性进行分类;获取所有信息处理节点的异常特征标签,构建节点标签集;剔除节点标签集中出现的概率低于预定阈值的标签,得到频繁项标签集;根据信息处理节点群的类别的预定类关联关系,获取关联的类对应的信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;为相同标签子集关联群关联特征标签,得到关联关系标签集;将异常节点分析请求中异常信息处理事件的相关信息及关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。本申请可以高效、准确地分析异常信息处理节点关系。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种异常信息处理节点分析方法、装置、介质及电子设备。
背景技术
异常信息处理节点分析就是对相关主体(如企业)中进行信息处理的节点,在发生异常信息处理事件时(如信息泄露、遗失、管理出错等)进行分析,确定所有异常信息处理事件中的嫌疑节点之间的联合关系。
目前在进行异常信息处理节点分析时,针对安全事件风险分析仅停留在经验论及零散的个案归纳分析这类非定量分析,不能够挖掘其中隐含的风险规律,异常信息处理节点的分析效率低,对发生的异常事件缺乏预见性。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请的目的在于提供一种异常信息处理节点分析方案,进而至少在一定程度上实现高效、准确地分析异常信息处理节点关系。
根据本申请的一个方面,提供一种异常信息处理节点分析方法,包括:
当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;
获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集;
剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集;
根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;
根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集;
将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
在本申请的一种示例性实施例中,所述剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集,包括:
剔除所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到第二节点标签集;
计算所述第二节点标签集中每个标签出现的概率后,剔除低于所述预定阈值的标签,得到第三节点标签集,当所述第三节点标签集中所有标签出现的概率高于所述预定阈值时,得到所述信息处理节点群的频繁项标签集。
在本申请的一种示例性实施例中,所述根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,包括:
获取所述相同标签子集对应的关联的类之间的关联关系对应的关联关系标签模板,所述关联关系标签模板中包括群关联特征标签及信息处理节点的特征标签;
从关联关系标签模板库中查找包括了与所述相同标签子集一致的特征标签的关联关系标签模板,得到匹配的关联关系标签模板;
基于所述匹配的关联关系标签模板获取关联关系标签集。
在本申请的一种示例性实施例中,所述基于所述匹配的关联关系标签模板获取关联关系标签集,包括:
从所述匹配的关联关系标签模板中,获取标签个数超过预定阈值的关联关系标签模板,作为所述关联关系标签集。
在本申请的一种示例性实施例中,所述基于所述匹配的关联关系标签模板获取关联关系标签集,包括:
从所述匹配的关联关系标签模板中,获取包含了标签个数最少的关联关系标签模板,作为所述关联关系标签集。
在本申请的一种示例性实施例中,在所述根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集之后,所述方法还包括:
根据目标风险信息处理节点群对应的关联关系标签集及所述频繁项标签集确定出所述目标风险信息处理节点群的风险信息处理节点。
在本申请的一种示例性实施例中,所述根据目标风险信息处理节点群对应的所述关联关系标签集及所述频繁项标签集确定出所述目标风险信息处理节点群的风险信息处理节点,包括:
根据所述目标风险信息处理节点群对应的所述关联关系标签集确定出所述目标风险信息处理节点群中的第一风险信息处理节点集;
根据所述目标风险信息处理节点群对应的所述频繁项标签集确定出所述目标风险信息处理节点群的第二风险信息处理节点集;
根据所述目标风险信息处理节点群对应的所述关联关系标签集,获取所述目标风险信息处理节点群的类关联的类对应的风险信息处理节点群的第三风险信息处理节点集;
获取所述第一风险信息处理节点集与所述第二风险信息处理节点集的风险信息处理节点交集中与所述第三风险信息处理节点集中风险信息处理节点具有风险联系的风险信息处理节点,作为所述目标风险信息处理节点群的风险信息处理节点。
根据本申请的一个方面,提供一种异常信息处理节点分析装置,其特征在于,包括:
分类模块,用于当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;
构建模块,用于获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集;
剔除模块,用于剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集;
获取模块,用于根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;
关联模块,用于根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集;
分析模块,用于将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
根据本申请的一个方面,提供一种计算机可读存储介质,其上存储有异常信息处理节点分析程序,其特征在于,所述异常信息处理节点分析程序被处理器执行时实现上述任一项所述的方法。
根据本申请的一个方面,提供一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的异常信息处理节点分析程序;其中,所述处理器配置为经由执行所述异常信息处理节点分析程序来执行上述任一项所述的方法。
本申请一种异常信息处理节点分析方法及装置,基于异常信息处理事件的相关信息及构建的节点相应的关联关系标签集,利用风险节点分析模型可以高效、准确地分析出异常信息处理节点关系。
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和解释性的,并不能限制本申请。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出一种异常信息处理节点分析方法的流程图。
图2示意性示出一种异常信息处理节点分析方法的应用场景示例图。
图3示意性示出一种关联关系标签集获取的方法流程图。
图4示意性示出一种异常信息处理节点分析装置的方框图。
图5示意性示出一种用于实现上述异常信息处理节点分析方法的电子设备示例框图。
图6示意性示出一种用于实现上述异常信息处理节点分析方法的计算机可读存储介质。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本申请的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。
此外,附图仅为本申请的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了异常信息处理节点分析方法,该异常信息处理节点分析方法可以运行于服务器,也可以运行于服务器集群或云服务器等,当然,本领域技术人员也可以根据需求在其他平台运行本发明的方法,本示例性实施例中对此不做特殊限定。参考图1所示,该异常信息处理节点分析方法可以包括以下步骤:
步骤S110,当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;
步骤S120,获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集;
步骤S130,剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集;
步骤S140,根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;
步骤S150,根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集;
步骤S160,将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
上述异常信息处理节点分析方法中,首先,当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;实现按照节点在异常信息处理事件的属性对节点分类。然后,获取信息处理节点群中所有信息处理节点的异常特征标签,构建信息处理节点群的节点标签集;可以构建出不同类别的信息处理节点群的异常特征的节点标签集。然后,通过剔除每个信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个信息处理节点群的频繁项标签集;可以得到对应于每类信息处理节点群的高概率的异常特征的标签集。然后,根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;可以根据信息处理节点群之间的关联关系,获取到具有关联关系的多个信息处理节点群之间都具有的标签,即相同标签子集。然后,根据所述根据相同标签子集对应的关联的类之间的关联关系,为相同标签子集关联群关联特征标签,得到关联关系标签集,其中,群关联特征标签不属于节点标签集;可以对相同标签子集根据关联关系补充群关联特征标签,得到多个强关联特征的关联关系标签集。最后将异常节点分析请求中异常信息处理事件的相关信息及关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。实现通过强关联特征的关联关系标签集约束异常信息处理事件的相关信息下,基于风险节点分析模型,高效准确分析异常信息处理事件中异常信息处理节点关系。
下面,将结合附图对本示例实施方式中上述异常信息处理节点分析方法中的各步骤进行详细的解释以及说明。
在步骤S110中,当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群。
本示例的实施方式中,参考图2所示,服务器201接收服务器202发送的异常信息处理事件中异常节点分析请求时,将服务器201上异常信息关联处理节点库中所有信息处理节点按照异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群。这样可以在后续步骤中,由服务器201根据多个类别的信息处理节点群分析异常信息处理节点关系。可以理解,其中,服务器201和服务器202可以是任何具有处理能力的设备,例如,电脑、微处理器等,在此不做特殊限定。
异常信息关联处理节点库存储有所有信息处理节点在出现异常信息处理事件时的工作记录,例如通过关系型信息库关联存储每个节点标识与对应每个信息处理事件的相关信息。异常信息处理事件例如信息泄露事件、信息处理出错事件等。
信息处理节点就是例如与一个企业的信息存储节点或者与该企业信息存储节点具有任务关联关系的任意节点,该节点可以是服务器、应用或者电脑等任意具有信息处理功能的节点。异常信息处理事件的属性是不同的异常事件中与事件关联的节点的属性。例如泄露事件中按照属性进行分类:初步属性分类,如:一级管理节点、二级管理节点、信息转换节点、信息发送节点、信息接收节点等;信息融合错误事件中按照属性进行分类:信息获取节点、信息加工节点、信息存储节点、信息管理节点等。可以对于不同事件设置对应的节点属性,以保证根据每个事件准确地将对应于每个事件的节点进行分类。
在步骤S120中,获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集。
本示例的实施方式中,通过爬取每个节点的相关信息中的关键字(异常特征标签),可以获得每个节点进行信息处理时相关信息中是否存在该特征标签,以及存在的次数。异常特征标签可以是对于异常节点进行分析相应的所有关键词特征,例如,信息管理权限(A类信息)、节点联合时间(1年-2年)等。
构建信息处理节点群的节点标签集,例如,确定信息节点类别:二级管理节点。然后,特征标签量化拆解:信息管理权限(A类信息)量化为1,信息管理权限(B类信息)量化为2,企业内部节点3,外部企业节点4,节点联合时间(1年-2年)5等,得到基于标签量化拆解的特征集合{1…25}。针对往期所有异常信息处理事件中二级管理节点构建节点标签集合,例如:节点A:{1,4,6,8,13,15,17,18,20},节点B:{2,5,7,9,11,12,17,19,21},节点C:{1,3,6,8,10,13,16}。这样可以构建出不同类别的信息处理节点群的异常特征的节点标签集。
在步骤S130中,剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集。
本示例的实施方式中,剔除每个信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,可以将出现概率低的标签剔除,保证标签对于异常事件分析的精度。例如,可以扫描统计节点标签集内各项发生的频率:{1}65;{2}35;{3}10;{4}30;{5}60;{6}90;{7}10等,然后对出现概率低于50%的项进行剔除后得到:{1}65;{5}60;{6}90等。这样可以得到每个信息处理节点群的对于异常特征具有较高表征精度的频繁项标签集。
在本示例的一种实施方式中,所述剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集,包括:
剔除所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到第二节点标签集;
计算所述第二节点标签集中每个标签出现的概率后,剔除低于所述预定阈值的标签,得到第三节点标签集,当所述第三节点标签集中所有标签出现的概率高于所述预定阈值时,得到所述信息处理节点群的频繁项标签集。
例如,对于上述对出现概率低于50%的项进行剔除后得到第二节点标签集:{1}65;{5}60;{6}90等。然后对于第二节点标签集中每个标签计算在第二标签集中出现的概率,继续将出现概率低于50%的项进行剔除后,得到第三节点标签集。此时,计算第三标签集中每个标签出现的概率,当第三标签集中没有出现概率低于50%的标签得到信息处理节点群的频繁项标签集。可以理解如果第三标签集中有低于50%的标签则继续剔除,直到得到频繁项标签集。
在步骤S140中,根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集。
本示例的实施方式中,预定类关联关系即不同的信息处理节点群之间的信息处理事件中信息处理节点联合关系,例如,信息处理事件中通常由属于两个或者多个信息处理节点群中的信息处理节点相互配合完成信息处理事件。而属于不同信息处理节点群的信息处理节点之间的配合完成风险事件时,配合的信息处理节点之间在信息处理节点特征方面会具有核心的相同特征,例如,完成某个类型的信息的窃取需要从一级管理节点到二级管理节点再到信息发送节点等,同时这些节点都需要具有信息管理权限(A类信息)、企业内部节点,节点管理时间3-5年等。
这样通过获取关联的类对应的信息处理节点群的频繁项标签集中的相同标签,可以确定出关联的类对应的信息处理节点群核心的信息处理节点特征标签。通过基于风险信息处理节点群的关联关系获得核心化标签,减少标签数量的同时确保分析准确性。
在步骤S150中,根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集。
相同标签子集对应的关联的类之间的关联关系,例如,相同标签子集对应的关联的类包括一级管理节点、二级管理节点、信息融合节点,则关联关系为一级管理节点-二级管理节点-信息融合节点。
群关联特征标签即不同的信息处理节点群之间的信息处理节点联合标签,用于指示信息处理节点配合完成风险事件的联合关系特征标签,例如控制下级节点、受控于上级节点、相互配合、被攻击(如两个节点之间只有一方被攻击才会泄露信息)等。关联特征标签可以从信息关联处理节点库中记录的信息处理节点相关信息中查找到。这样通过为核心信息处理节点标签对应的相同标签子集关联群特征标签,可以准确地描述出异常信息处理事件发生的较为完整的关联关系标签集,保证异常信息处理节点分析的准确性和可靠性。
在本示例的一种实施方式中,根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,参考图3所示,包括:
步骤S310,获取所述相同标签子集对应的关联的类之间的关联关系对应的关联关系标签模板,所述关联关系标签模板中包括群关联特征标签及信息处理节点的特征标签;
步骤S320,从关联关系标签模板库中查找包括了与所述相同标签子集一致的特征标签的关联关系标签模板,得到匹配的关联关系标签模板;
步骤S330,基于所述匹配的关联关系标签模板获取关联关系标签集。
预设每种关联关系对应的关联关系标签模板,关联关系标签模板可以包括群关联特征标签及信息处理节点的特征标签,即关联关系模板包括多个信息处理节点的特征标签,以及该多个特征标签表征的信息处理节点配合完成风险事件的联合关系特征对应的典型的群关联特征标签。进而,可以从关联关系标签模板库中查找包括了与相同标签子集一致的特征标签的关联关系标签模板,得到匹配的关联关系标签模板;基于匹配的关联关系标签模板获取异常信息处理事件发生的较为完整的关联关系标签集。
在本示例的一种实施方式中,所述基于所述匹配的关联关系标签模板获取关联关系标签集,包括:
从所述匹配的关联关系标签模板中,获取标签个数超过预定阈值的关联关系标签模板,作为所述关联关系标签集。
匹配的关联关系标签模板可以是多个,获取标签个数超过预定阈值的关联关系标签模板,例如获取包含了至少50个标签的关联关系标签模板,作为关联关系标签,该关联关系标签集即包括了相同标签子集,又包括了群关联特征标签。
在本示例的一种实施方式中,基于所述匹配的关联关系标签模板获取关联关系标签集,包括:
从所述匹配的关联关系标签模板中,获取包含了标签个数最少的关联关系标签模板,作为所述关联关系标签集。
在步骤S160中,将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
关联关系标签集可以简单、准确地描述出历史异常信息处理事件发生的较为完整的节点信息的关联关系。异常信息处理事件的相关信息可以包括:异常信息处理事件的嫌疑节点信息,例如,事件中所有可能参与的节点信息;事件中信息相关内容,例如,该信息可能涉及到的企业节点等。异常信息处理节点关系就是预测的异常信息处理事件中具有风险的多个节点之间的联合关系,例如,一级管理节点配合外部节点攻击内部管理节点中的二级管理节点等。其中关联关系标签集是对应于每个类别的信息处理节点,也就是输入风险节点分析模型的关联关系标签集是至少一个。
通过预先训练好的风险节点分析模型,可以根据异常信息处理事件在对应的关联关系标签集的约束下快速准确的预测出异常事件的异常信息处理节点关系。
在本示例的一种实施方式中,风险节点分析模型的训练方法可以包括:
收集异常信息处理事件信息样本集,所述异常信息处理事件信息样本包括关联关系标签集及所述关联关系标签集对应的异常信息处理节点关系;
将所述样本集中每个样本的关联关系标签集输入风险节点分析模型,得到每个样本对应的预测异常信息处理节点关系;
当存在有样本在输入风险节点分析模型后得到的样本对应的预测异常信息处理节点关系,与对样本事先标定的异常信息处理节点关系不一致,则调整业务风险节点分析模型的系数,直到一致;
当所有的样本在输入风险节点分析模型后得到的预测异常信息处理节点关系与对样本事先标定的异常信息处理节点关系的相似度大于预定阈值时,训练结束。
在本示例的一种实施方式中,在所述根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集之后,所述方法还包括:
根据目标风险信息处理节点群对应的关联关系标签集及所述频繁项标签集确定出所述目标风险信息处理节点群的风险信息处理节点。
目标风险信息处理节点群即按照异常信息处理事件的属性进行分类后,得到的多个类别的信息处理节点群中某个或者多个用户想要进行分析的节点群。每个信息处理节点群在处理后都可以得到相应的关联关系标签集和频繁项标签集。这样可以根据目标风险信息处理节点群对应的关联关系标签集及频繁项标签集分析该目标群中具有该异常信息处理事件风险的风险信息处理节点。
在本示例的一种实施方式中,根据目标风险信息处理节点群对应的所述关联关系标签集及所述频繁项标签集确定出所述目标风险信息处理节点群的风险信息处理节点,包括:
根据所述目标风险信息处理节点群对应的所述关联关系标签集确定出所述目标风险信息处理节点群中的第一风险信息处理节点集;
根据所述目标风险信息处理节点群对应的所述频繁项标签集确定出所述目标风险信息处理节点群的第二风险信息处理节点集;
根据所述目标风险信息处理节点群对应的所述关联关系标签集,获取所述目标风险信息处理节点群的类关联的类对应的风险信息处理节点群的第三风险信息处理节点集;
获取所述第一风险信息处理节点集与所述第二风险信息处理节点集的风险信息处理节点交集中与所述第三风险信息处理节点集中风险信息处理节点具有风险联系的风险信息处理节点,作为所述目标风险信息处理节点群的风险信息处理节点。
可以根据关联关系标签集确定出目标风险信息处理节点群中具有关联关系标签集中所有或者预定个数个标签的信息处理节点,得到第一风险信息处理节点集;这样可以基于关联关系标签集确定出具有完整的异常信息处理特征嫌疑的第一风险信息处理节点集。然后,根据目标风险信息处理节点群对应的频繁项标签集可以确定出目标风险信息处理节点群中具有频繁项标签集中所有或者预定个数个标签的信息处理节点,得到第二风险信息处理节点集;这样可以基于频繁项标签集确定出具有强的异常信息处理特征的第二风险信息处理节点集。然后,基于第一风险信息处理节点集与第二风险信息处理节点集的交集可以确定出同时具有强特征和完整的异常信息处理特征嫌疑的信息处理节点。
通过目标风险信息处理节点群对应的关联关系标签集,获取目标风险信息处理节点群的类关联的类对应的风险信息处理节点群(即与目标信息处理节点群具有预定类关联关系的风险信息处理节点群)的第三风险信息处理节点集,可以得到其它具有预定类关联关系的风险信息处理节点群中同样具有目标风险信息处理节点群对应的关联关系标签集表征的完整的异常信息处理特征嫌疑的第三风险信息处理节点集。此时,通过获取第一风险信息处理节点集与第二风险信息处理节点集的风险信息处理节点交集中与第三风险信息处理节点集中风险信息处理节点具有风险联系的风险信息处理节点,即通过查找异常信息处理事件中具有交互关系的节点,可以确定出目标风险信息处理节点群的风险信息处理节点。
本申请还提供了一种异常信息处理节点分析装置。参考图4所示,该异常信息处理节点分析装置可以包括分类模块410、构建模块420、剔除模块430、获取模块440、关联模块450及分析模块460。其中:
分类模块410用于当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;
构建模块420用于获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集;
剔除模块430用于剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集;
获取模块440用于根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;
关联模块450用于根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集;
分析模块460用于将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
上述异常信息处理节点分析装置中各模块的具体细节已经在对应的异常信息处理节点分析方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同***组件(包括存储单元520和处理单元510)的总线530。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1中所示的步骤。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得客户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。还可以包括与输入/输出(I/O)接口550连接的显示单元540,并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
在本申请的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到客户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其他实施例。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由权利要求指出。
Claims (10)
1.一种异常信息处理节点分析方法,其特征在于,包括:
当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;
获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集;
剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集;
根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;
根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集;
将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
2.根据权利要求1所述的方法,其特征在于,所述剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集,包括:
剔除所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到第二节点标签集;
计算所述第二节点标签集中每个标签出现的概率后,剔除低于所述预定阈值的标签,得到第三节点标签集,当所述第三节点标签集中所有标签出现的概率高于所述预定阈值时,得到所述信息处理节点群的频繁项标签集。
3.根据权利要求1所述的方法,其特征在于,所述根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,包括:
获取所述相同标签子集对应的关联的类之间的关联关系对应的关联关系标签模板,所述关联关系标签模板中包括群关联特征标签及信息处理节点的特征标签;
从关联关系标签模板库中查找包括了与所述相同标签子集一致的特征标签的关联关系标签模板,得到匹配的关联关系标签模板;
基于所述匹配的关联关系标签模板获取关联关系标签集。
4.根据权利要求3所述的方法,其特征在于,所述基于所述匹配的关联关系标签模板获取关联关系标签集,包括:
从所述匹配的关联关系标签模板中,获取标签个数超过预定阈值的关联关系标签模板,作为所述关联关系标签集。
5.根据权利要求3所述的方法,其特征在于,所述基于所述匹配的关联关系标签模板获取关联关系标签集,包括:
从所述匹配的关联关系标签模板中,获取包含了标签个数最少的关联关系标签模板,作为所述关联关系标签集。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集之后,所述方法还包括:
根据目标风险信息处理节点群对应的关联关系标签集及所述频繁项标签集确定出所述目标风险信息处理节点群的风险信息处理节点,其中,所述目标风险信息处理节点群为按照异常信息处理事件的属性进行分类后,得到的多个类别的信息处理节点群中某个或者多个用户想要进行分析的节点群。
7.根据权利要求6所述的方法,其特征在于,所述根据目标风险信息处理节点群对应的所述关联关系标签集及所述频繁项标签集确定出所述目标风险信息处理节点群的风险信息处理节点,包括:
根据所述目标风险信息处理节点群对应的所述关联关系标签集确定出所述目标风险信息处理节点群中的第一风险信息处理节点集;
根据所述目标风险信息处理节点群对应的所述频繁项标签集确定出所述目标风险信息处理节点群的第二风险信息处理节点集;
根据所述目标风险信息处理节点群对应的所述关联关系标签集,获取所述目标风险信息处理节点群的类关联的类对应的风险信息处理节点群的第三风险信息处理节点集;
获取所述第一风险信息处理节点集与所述第二风险信息处理节点集的风险信息处理节点交集中与所述第三风险信息处理节点集中风险信息处理节点具有风险联系的风险信息处理节点,作为所述目标风险信息处理节点群的风险信息处理节点。
8.一种异常信息处理节点分析装置,其特征在于,包括:
分类模块,用于当接收到异常信息处理事件中异常节点分析请求时,将异常信息关联处理节点库中所有信息处理节点按照所述异常信息处理事件的属性进行分类,得到多个类别的信息处理节点群;
构建模块,用于获取所述信息处理节点群中所有信息处理节点的异常特征标签,构建所述信息处理节点群的节点标签集;
剔除模块,用于剔除每个所述信息处理节点群的节点标签集中出现的概率低于预定阈值的标签,得到每个所述信息处理节点群的频繁项标签集;
获取模块,用于根据所述信息处理节点群的类别的预定类关联关系,获取关联的类对应的所述信息处理节点群的频繁项标签集中的相同标签,得到相同标签子集;
关联模块,用于根据所述相同标签子集对应的关联的类之间的关联关系,为所述相同标签子集关联群关联特征标签,得到关联关系标签集,其中,所述群关联特征标签不属于所述节点标签集;
分析模块,用于将所述异常节点分析请求中异常信息处理事件的相关信息及所述关联关系标签集输入风险节点分析模型,得到异常信息处理节点关系。
9.一种计算机可读存储介质,其上存储有异常信息处理节点分析程序,其特征在于,所述异常信息处理节点分析程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的异常信息处理节点分析程序;其中,所述处理器配置为经由执行所述异常信息处理节点分析程序来执行权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092140.1A CN111343161B (zh) | 2020-02-14 | 2020-02-14 | 异常信息处理节点分析方法、装置、介质及电子设备 |
PCT/CN2020/134941 WO2021159834A1 (zh) | 2020-02-14 | 2020-12-09 | 异常信息处理节点分析方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092140.1A CN111343161B (zh) | 2020-02-14 | 2020-02-14 | 异常信息处理节点分析方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111343161A CN111343161A (zh) | 2020-06-26 |
CN111343161B true CN111343161B (zh) | 2021-12-10 |
Family
ID=71186867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010092140.1A Active CN111343161B (zh) | 2020-02-14 | 2020-02-14 | 异常信息处理节点分析方法、装置、介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111343161B (zh) |
WO (1) | WO2021159834A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111343161B (zh) * | 2020-02-14 | 2021-12-10 | 平安科技(深圳)有限公司 | 异常信息处理节点分析方法、装置、介质及电子设备 |
CN113850499B (zh) * | 2021-09-23 | 2024-04-09 | 平安银行股份有限公司 | 一种数据处理方法、装置、电子设备和存储介质 |
CN114039744B (zh) * | 2021-09-29 | 2024-02-27 | 中孚信息股份有限公司 | 一种基于用户特征标签的异常行为预测方法及*** |
CN114528005B (zh) * | 2021-11-29 | 2023-06-23 | 深圳市千源互联网科技服务有限公司 | 抓取标签更新方法、装置、设备及存储介质 |
CN113992429B (zh) * | 2021-12-22 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 一种事件的处理方法、装置及设备 |
CN114697143B (zh) * | 2022-06-02 | 2022-08-23 | 苏州英博特力信息科技有限公司 | 基于******的信息处理方法及***服务*** |
CN115277163A (zh) * | 2022-07-22 | 2022-11-01 | 杭州安司源科技有限公司 | 一种基于标签的拟态化改造方法 |
CN115829192B (zh) * | 2023-02-23 | 2023-04-21 | 中建安装集团有限公司 | 一种用于实现工程信息***的数字化管理***及方法 |
CN116503023B (zh) * | 2023-05-06 | 2024-01-05 | 国网浙江省电力有限公司 | 基于电力营销管理***的电力异常信息稽查方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105376193A (zh) * | 2014-08-15 | 2016-03-02 | 中国电信股份有限公司 | 安全事件的智能关联分析方法与装置 |
CN107276851A (zh) * | 2017-06-26 | 2017-10-20 | 中国信息安全测评中心 | 一种节点的异常检测方法、装置、网络节点及控制台 |
CN107454089A (zh) * | 2017-08-16 | 2017-12-08 | 北京科技大学 | 一种基于多节点关联性的网络安全态势诊断方法 |
US10121000B1 (en) * | 2016-06-28 | 2018-11-06 | Fireeye, Inc. | System and method to detect premium attacks on electronic networks and electronic devices |
CN110022311A (zh) * | 2019-03-18 | 2019-07-16 | 北京工业大学 | 一种基于攻击图的云外包服务数据泄露安全测试用例自动化生成方法 |
CN110602101A (zh) * | 2019-09-16 | 2019-12-20 | 北京三快在线科技有限公司 | 网络异常群组的确定方法、装置、设备及存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6786960B2 (ja) * | 2016-08-26 | 2020-11-18 | 富士通株式会社 | サイバー攻撃分析支援プログラム、サイバー攻撃分析支援方法およびサイバー攻撃分析支援装置 |
US10592666B2 (en) * | 2017-08-31 | 2020-03-17 | Micro Focus Llc | Detecting anomalous entities |
US11055407B2 (en) * | 2017-09-30 | 2021-07-06 | Oracle International Corporation | Distribution-based analysis of queries for anomaly detection with adaptive thresholding |
CN109462646B (zh) * | 2018-11-12 | 2021-11-19 | 平安科技(深圳)有限公司 | 一种异常响应的方法及设备 |
CN109617887B (zh) * | 2018-12-21 | 2021-06-15 | 咪咕文化科技有限公司 | 一种信息处理方法、装置及存储介质 |
CN110210227B (zh) * | 2019-06-11 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | 风险检测方法、装置、设备和存储介质 |
CN110442498B (zh) * | 2019-06-28 | 2022-11-25 | 平安科技(深圳)有限公司 | 异常数据节点的定位方法、装置、存储介质及计算机设备 |
CN110365674B (zh) * | 2019-07-11 | 2021-09-03 | 武汉思普崚技术有限公司 | 一种预测网络攻击面的方法、服务器和*** |
CN110659799A (zh) * | 2019-08-14 | 2020-01-07 | 深圳壹账通智能科技有限公司 | 基于关系网络的属性信息处理方法、装置、计算机设备和存储介质 |
CN111026653B (zh) * | 2019-09-16 | 2022-04-08 | 腾讯科技(深圳)有限公司 | 异常程序行为检测方法、装置、电子设备和存储介质 |
CN111343161B (zh) * | 2020-02-14 | 2021-12-10 | 平安科技(深圳)有限公司 | 异常信息处理节点分析方法、装置、介质及电子设备 |
-
2020
- 2020-02-14 CN CN202010092140.1A patent/CN111343161B/zh active Active
- 2020-12-09 WO PCT/CN2020/134941 patent/WO2021159834A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105376193A (zh) * | 2014-08-15 | 2016-03-02 | 中国电信股份有限公司 | 安全事件的智能关联分析方法与装置 |
US10121000B1 (en) * | 2016-06-28 | 2018-11-06 | Fireeye, Inc. | System and method to detect premium attacks on electronic networks and electronic devices |
CN107276851A (zh) * | 2017-06-26 | 2017-10-20 | 中国信息安全测评中心 | 一种节点的异常检测方法、装置、网络节点及控制台 |
CN107454089A (zh) * | 2017-08-16 | 2017-12-08 | 北京科技大学 | 一种基于多节点关联性的网络安全态势诊断方法 |
CN110022311A (zh) * | 2019-03-18 | 2019-07-16 | 北京工业大学 | 一种基于攻击图的云外包服务数据泄露安全测试用例自动化生成方法 |
CN110602101A (zh) * | 2019-09-16 | 2019-12-20 | 北京三快在线科技有限公司 | 网络异常群组的确定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021159834A1 (zh) | 2021-08-19 |
CN111343161A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111343161B (zh) | 异常信息处理节点分析方法、装置、介质及电子设备 | |
US9459950B2 (en) | Leveraging user-to-tool interactions to automatically analyze defects in IT services delivery | |
CN113238922B (zh) | 一种日志分析方法、装置、电子设备及介质 | |
CN109582906B (zh) | 数据可靠度的确定方法、装置、设备和存储介质 | |
CN109872230B (zh) | 金融数据分析***的测试方法、装置、介质、电子设备 | |
CN110688536A (zh) | 一种标签预测方法、装置、设备和存储介质 | |
US20130030852A1 (en) | Associative Memory-Based Project Management System | |
CN111242387A (zh) | 一种人才离职预测方法、装置、电子设备及存储介质 | |
CA2793400C (en) | Associative memory-based project management system | |
CN115913710A (zh) | 异常检测方法、装置、设备及存储介质 | |
CN115346686A (zh) | 关系图谱生成方法及装置、存储介质及电子设备 | |
CN116383193A (zh) | 一种数据管理方法、装置、电子设备和存储介质 | |
CN109684198B (zh) | 待测试数据获取方法、装置、介质、电子设备 | |
CN113553309A (zh) | 一种日志模板的确定方法、装置、电子设备及存储介质 | |
CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
US20120078912A1 (en) | Method and system for event correlation | |
CN111831750A (zh) | 一种区块链数据分析方法、装置、计算机设备及存储介质 | |
CN108768742B (zh) | 网络构建方法及装置、电子设备、存储介质 | |
CN113742450B (zh) | 用户数据等级落标的方法、装置、电子设备和存储介质 | |
CN114358024A (zh) | 日志分析方法、装置、设备、介质和程序产品 | |
CN114492364A (zh) | 相同漏洞的判断方法、装置、设备和存储介质 | |
CN113095589A (zh) | 一种人口属性确定方法、装置、设备及存储介质 | |
CN112416713A (zh) | 操作审计***及方法、计算机可读存储介质、电子设备 | |
CN111240652A (zh) | 数据处理方法及装置、计算机存储介质、电子设备 | |
US11816112B1 (en) | Systems and methods for automated process discovery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40032027 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |