CN112615748B - ***关联关系视图构建方法、相关设备及可读存储介质 - Google Patents
***关联关系视图构建方法、相关设备及可读存储介质 Download PDFInfo
- Publication number
- CN112615748B CN112615748B CN202011561539.6A CN202011561539A CN112615748B CN 112615748 B CN112615748 B CN 112615748B CN 202011561539 A CN202011561539 A CN 202011561539A CN 112615748 B CN112615748 B CN 112615748B
- Authority
- CN
- China
- Prior art keywords
- system group
- association
- network connection
- determining
- strength
- 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
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了一种***关联关系视图构建方法、相关设备及可读存储介质,在确定待构建***关联关系视图的***群之后,先获取所述***群中的网络连接数据,并基于所述***群中的网络连接数据,确定所述***群的关联架构;然后,确定所述***群中各***间的关联强度;最后,基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。基于上述方案构建的***关联关系视图由于能够反映各***间的关联强度,因此准确性较高,从而能够保证银行信息***运维中风险防控的有效性。
Description
技术领域
本申请涉及数据处理技术领域,更具体的说,是涉及一种***关联关系视图构建方法、相关设备及可读存储介质。
背景技术
随着移动互联网、云计算、大数据、区块链等新技术的广泛应用,银行信息***架构的日益复杂和相互关联。多个具有一定关联性的***运行过程中,其自身存在的、独立看起来不严重的缺陷或脆弱点,极易积累起来,构成重大隐患。因此,在银行信息***运维中,***关联关系起着至关重要的作用,构建***关联关系视图,成为银行信息***运维中风险防控的焦点和难点。
目前,多从程序逻辑视角,人工梳理***关联关系,构建出的***关联关系视图准确性较差,无法保证银行信息***运维中风险防控的有效性。
因此,如何提供一种***关联关系视图构建方法,以提升***关联关系视图的准确性,保证银行信息***运维中风险防控的有效性,成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于上述问题,本申请提出了一种***关联关系视图构建方法、相关设备及可读存储介质。具体方案如下:
一种***关联关系视图构建方法,包括:
确定待构建***关联关系视图的***群;
获取所述***群中的网络连接数据;
基于所述***群中的网络连接数据,确定所述***群的关联架构;
确定所述***群中各***间的关联强度;
基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
可选地,所述获取所述***群中的网络连接数据,包括:
采集所述***群中各服务器间的网络连接信息;
对所述***群中各服务器间的网络连接信息进行预处理,得到所述***群中的网络连接数据。
可选地,对所述***群中各服务器间的网络连接信息进行预处理,包括:
对所述***群中各服务器间的网络连接信息中存在的无效数据进行剔除。
可选地,所述基于所述***群中的网络连接数据,确定所述***群的关联架构,包括:
对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据;
对所述目标网络连接数据进行分析,生成服务组关联规则表;
基于所述服务组关联规则表,确定所述***群中各服务组之间的通讯关系;
基于所述***群中各服务组之间的通讯关系,确定所述***群的关联架构。
可选地,对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据,包括:
采用基于指标主要信息含量的指标筛选方法,对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据。
可选地,确定所述***群中两个***间的关联强度的方式为:
确定所述两个***间的关联强度计算参数;
确定每个关联强度计算参数的权重;
基于所述两个***间的关联强度计算参数,以及,各关联强度计算参数的权重,确定所述***群中两个***间的关联强度。
可选地,所述两个***间的关联强度计算参数包括关联的***级别、数据流的内容以及通讯关系的强弱。
一种***关联关系视图构建装置,包括:
***群确定单元,用于确定待构建***关联关系视图的***群;
网络连接数据获取单元,用于获取所述***群中的网络连接数据;
关联架构确定单元,用于基于所述***群中的网络连接数据,确定所述***群的关联架构;
关联强度确定单元,用于确定所述***群中各***间的关联强度;
构建单元,用于基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
一种***关联关系视图构建设备,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如上所述的***关联关系视图构建方法的各个步骤。
一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的***关联关系视图构建方法的各个步骤。
借由上述技术方案,本申请公开了一种***关联关系视图构建方法、相关设备及可读存储介质,在确定待构建***关联关系视图的***群之后,先获取所述***群中的网络连接数据,并基于所述***群中的网络连接数据,确定所述***群的关联架构;然后,确定所述***群中各***间的关联强度;最后,基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。基于上述方案构建的***关联关系视图由于能够反映各***间的关联强度,因此准确性较高,从而能够保证银行信息***运维中风险防控的有效性。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例公开的***关联关系视图构建方法的流程示意图;
图2为本申请实施例公开的获取***群中的网络连接数据的方法的流程示意图;
图3为本申请实施例公开的基于***群中的网络连接数据,确定***群的关联架构的方法的流程示意图;
图4为本申请实施例公开的确定***群中两个***间的关联强度的方法的流程示意图;
图5为本申请实施例公开的一种***关联关系视图构建装置结构示意图;
图6为本申请实施例提供的***关联关系视图构建设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
接下来,通过下述实施例对本申请提供的***关联关系视图构建方法进行介绍。
参照图1,图1为本申请实施例公开的***关联关系视图构建方法的流程示意图,该方法可以包括:
步骤S101:确定待构建***关联关系视图的***群。
在本申请中,待构建***关联关系视图的***群为任意待进行运维风险防控的银行信息***,比如,个人网银***等。
步骤S102:获取所述***群中的网络连接数据。
在本申请中,所述***群中的网络连接数据指的是所述***群中各服务器间的网络连接数据。
步骤S103:基于所述***群中的网络连接数据,确定所述***群的关联架构。
在本申请中,***群的关联架构用于指示***群中各服务器的关联关系。
步骤S104:确定所述***群中各***间的关联强度。
在本申请中,***群中各***间的关联强度用于指示***群中各服务器的关联强度。
步骤S105:基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
本实施例公开了一种***关联关系视图构建方法,在确定待构建***关联关系视图的***群之后,先获取所述***群中的网络连接数据,并基于所述***群中的网络连接数据,确定所述***群的关联架构;然后,确定所述***群中各***间的关联强度;最后,基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。基于上述方法构建的***关联关系视图由于能够反映各***间的关联强度,因此准确性较高,从而能够保证银行信息***运维中风险防控的有效性。
在本申请的另一个实施例中,对上述步骤S102所述获取所述***群中的网络连接数据的具体实现方式进行了说明,参照图2,图2为本申请实施例公开的获取***群中的网络连接数据的方法的流程示意图,该方法可以包括:
步骤S201:采集所述***群中各服务器间的网络连接信息。
在本申请中,可以通过多种方式采集所述***群中各服务器间的网络连接信息,作为一种可实施方式,可以在所述***群中的服务器上部署采集脚本,通过脚本自动采集服务器间的网络连接信息。
步骤S202:对所述***群中各服务器间的网络连接信息进行预处理,得到所述***群中的网络连接数据。
采集的所述***群中各服务器间的网络连接信息中存在无效数据,这些无效数据包括以下两部分,一部分是服务器常规的连接和端口监听。该部分属于已知的运维连接信息,非应用业务用户,例如Linux***中SSH服务端口22,Windows上远程登录端口3389等。另一部分是内部通信连接信息,该部分属于集群内心跳通信或者网络回环的内部连接信息,非应用业务联系,例如地址为127.0.0.1、192.168.0.1的私有通信地址等。在本申请中,对所述***群中各服务器间的网络连接信息进行预处理,即对所述***群中各服务器间的网络连接信息中存在的无效数据进行剔除。
在本申请的另一个实施例中,对上述步骤S103基于所述***群中的网络连接数据,确定所述***群的关联架构的具体实现方式进行了说明,参照图3,图3为本申请实施例公开的基于***群中的网络连接数据,确定***群的关联架构的方法的流程示意图,该方法可以包括:
步骤S301:对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据。
在本申请中,所述***群中的网络连接数据中包含较多的原始指标,决策者在评价或决策时常常无所适从,抓不到重点,因此,对原始指标体系降维,提炼出少量评价指标就具有十分重要的现实意义。在本申请中,可以采用一种基于指标主要信息含量的指标筛选方法,对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据。基于指标主要信息含量的指标筛选方法是以方差贡献率为权重对因子载荷的绝对值进行加权,取加权结果的最大值作为指标的信息含量;依据最大加权因子载荷标准确定累积信息含量比率,进而通过累积信息含量比率的大小进行指标的筛选。
为便于理解,在本申请中,通过下述内容对基于指标主要信息含量的指标筛选方法进行详细介绍:
(1)基于指标主要信息含量的指标筛选原理
因子分析理论中,因子栽荷αij是指标Xi与因子Fj间的相关系数,原始指标集绝大多数信息可由少数几个信息量最大的因子解释。因子Fj的方差贡献率wj是因子Fj的信息占原始指标集信息的比例。因子栽荷αij仅能反映指标Xi解释因子Fj信息的多少,并不能反映指标Xi解释原始指标集信息的多少。由于最大方差正交旋转后每个指标仅与一个因子相关程度高,从而每个指标仅通过一个因子载荷就可反映指标解释因子信息的多少。因此以因子Fj的方差贡献率wj对因子载荷αij的绝对值加权,并利用加权结果的最大值表示指标Xi解释原始指标信息的多少。
(2)基于指标主要信息含量的指标筛选步骤。
①计算最大方差正交旋转后加权因子载荷的绝对值
μij=wj|αij|
其中,wj及αij分别是最大方差正交旋转后因子Fj的方差贡献率和因子Fj下指标Xi的因子载荷。进行最大方差正交旋转的目的在于增加指标通过绝对值最大的因子载荷解释因子信息的能力,限于篇幅,最大方差正交旋转后因子的方差贡献率及载荷的确定可参见文献[42]给出的方法。
加权因子载荷μij反映指标Xi解释原始指标集信息比例当中,仅仅由因子Fj反映的那一部分,其中i=1,2,...,m,m为筛选前的原始指标的个数;j=1,2,...,k,k为保留因子的个数。
②确定指标Xi的信息含量SIi
SIi=max{|wjαij|,j=1,2,...,k}
SIi反映了指标Xi解释原始指标集信息比率的主要部分,称其为指标Xi的主要信息含量,以表1为例,若第2行中第一列的加权因子载荷绝对值|w1α21|最大,则指标X2的信息含量SI2=|w1α21|。以此类推可得全部指标的信息含量SIi(i=1,2,...,m)。信息含量SIi越大,指标Xi解释原始指标集信息的比率越大,相应地该指标对评价结果影响越显著,越应予以保留;反之,则越应剔除。这就是最大加权因子载荷标准。
表1指标真实信息含量
③信息含量SIi递减排序序列的构建。
假设SIm1≥SIm2≥...≥SImm。这个序列实际上是步骤②计算结果SIi由大至小的排序;
④利用累积信息含量比率IRu筛选指标。
若满足IRu-1<IR0≤IRu,保留信息含量最大的u个指标。其中IR0为决策者满意的筛选后的指标占全部指标信息含量的比率。这个比率越大,筛选后的指标占全部指标信息含量的比率越大,但相应地保留的指标也会越多。
步骤S302:对所述目标网络连接数据进行分析,生成服务组关联规则表。
服务组是指在同一应用***内,完成相同特定功能的一组服务器,如一个was集群、一套Oracle RAC数据库等。一个服务组下的应用功能相同,端口、应用程序名称和运行用户都是一样的,在本申请中,可以根据KMP算法,设计服务组字符串匹配引擎,对所述目标网络连接数据进行分析,生成服务组关联规则表。为便于理解,本申请中,给出一种服务组关联规则表示例,具体如下表2所示:
表2服务组关联规则表
步骤S303:基于所述服务组关联规则表,确定所述***群中各服务组之间的通讯关系。
在本申请中,可以以所述服务组关联规则表为基础,通过IP地址列表、CMDB(Configuration Management Database,配置管理数据库)配置信息库,确定所述***群中各服务组之间的通讯关系。
步骤S304:基于所述***群中各服务组之间的通讯关系,确定所述***群的关联架构。
在本申请的另一个实施例中,对上述步骤S104确定所述***群中两个***间的关联强度的具体实现方式进行了介绍,参照图4,图4为本申请实施例公开的确定***群中两个***间的关联强度的方法的流程示意图,该方法可以包括:
步骤S401:确定所述两个***间的关联强度计算参数。
作为一种可实施方式,所述两个***间的关联强度计算参数包括关联的***级别、数据流的内容以及通讯关系的强弱;
需要说明的是,在本申请中,关联的***级别包含***的灾备等级和等保等级,等级越高获得的评分就越大,关联***的级别就越高。
数据流的内容主要包含业务流、监控流、备份流、内部通讯和管理流,其中业务流的评分最高,其他评分相同。这里业务流是指业务交互关联的数据;监控流是指业务***向监控***报送监控数据或监控***主动向业务***进行探测及数据采集;备份流是指基于网络的NBU备份;内部通讯是指集群或HA架构下***间同步或心跳;管理流是指管理类数据交互。
通讯关系的强弱可细分为连接请求量、交易请求量、数据包数量和数据包流量四种。
在本申请中,还对连接请求量、交易请求量、数据包数量和数据包流量的获取方式进行了详细说明,具体如下:每隔20秒收取全量的tcpdump数据。将tcpdump收集到的数据按“conversation”进行归纳,可以获取每组conversation对应包的数量和字节数,即得到数据包数量和数据包流量。获取***通讯所对应的tcp包,从tcp包中抽取syn请求数,即为连接请求量。基于***通讯所对应的tcp包,逐一分析数据流,即可获取交易请求量。
步骤S402:确定每个关联强度计算参数的权重。
在本申请中,每个关联强度计算参数的权重可以基于具体场景确定,对此,本申请不进行任何限定。
步骤S403:基于所述两个***间的关联强度计算参数,以及,各关联强度计算参数的权重,确定所述***群中两个***间的关联强度。
在本申请中,可以基于各关联强度计算参数的权重,计算所述两个***间的关联强度计算参数的加权和,确定所述***群中两个***间的关联强度。
为便于理解,在本申请中,假设所述***群中包括两个***,分别为***i与***j,则确定***i与***j间的关联强度Pij的方式可以为:
通过关联的***级别、数据流的内容以及通讯关系的强弱三个维度,以加权和的形式获得,如下所示:
Pij=w1*关联的***级别+w2*数据流的内容+w3*通讯关系的强弱
其中,w1,w2,w3按照历史经验分别定为0.3、0.2和0.5。
下面对本申请实施例公开的***关联关系视图构建装置进行描述,下文描述的***关联关系视图构建装置与上文描述的***关联关系视图构建方法可相互对应参照。
参照图5,图5为本申请实施例公开的一种***关联关系视图构建装置结构示意图。如图5所示,该***关联关系视图构建装置可以包括:
***群确定单元11,用于确定待构建***关联关系视图的***群;
网络连接数据获取单元12,用于获取所述***群中的网络连接数据;
关联架构确定单元13,用于基于所述***群中的网络连接数据,确定所述***群的关联架构;
关联强度确定单元14,用于确定所述***群中各***间的关联强度;
构建单元15,用于基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
参照图6,图6为本申请实施例提供的***关联关系视图构建设备的硬件结构框图,参照图6,***关联关系视图构建设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
确定待构建***关联关系视图的***群;
获取所述***群中的网络连接数据;
基于所述***群中的网络连接数据,确定所述***群的关联架构;
确定所述***群中各***间的关联强度;
基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质,该可读存储介质可存储有适于处理器执行的程序,所述程序用于:
确定待构建***关联关系视图的***群;
获取所述***群中的网络连接数据;
基于所述***群中的网络连接数据,确定所述***群的关联架构;
确定所述***群中各***间的关联强度;
基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种***关联关系视图构建方法,其特征在于,包括:
确定待构建***关联关系视图的***群;
获取所述***群中的网络连接数据;
基于所述***群中的网络连接数据,确定所述***群的关联架构;
确定所述***群中各***间的关联强度,所述关联强度的计算参数包括关联的***级别、数据流的内容以及通讯关系的强弱;
基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
2.根据权利要求1所述的方法,其特征在于,所述获取所述***群中的网络连接数据,包括:
采集所述***群中各服务器间的网络连接信息;
对所述***群中各服务器间的网络连接信息进行预处理,得到所述***群中的网络连接数据。
3.根据权利要求1所述的方法,其特征在于,对所述***群中各服务器间的网络连接信息进行预处理,包括:
对所述***群中各服务器间的网络连接信息中存在的无效数据进行剔除。
4.根据权利要求1所述的方法,其特征在于,所述基于所述***群中的网络连接数据,确定所述***群的关联架构,包括:
对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据;
对所述目标网络连接数据进行分析,生成服务组关联规则表;
基于所述服务组关联规则表,确定所述***群中各服务组之间的通讯关系;
基于所述***群中各服务组之间的通讯关系,确定所述***群的关联架构。
5.根据权利要求4所述的方法,其特征在于,对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据,包括:
采用基于指标主要信息含量的指标筛选方法,对所述***群中的网络连接数据进行指标筛选,得到目标网络连接数据。
6.根据权利要求1所述的方法,其特征在于,确定所述***群中两个***间的关联强度的方式为:
确定所述两个***间的关联强度计算参数;
确定每个关联强度计算参数的权重;
基于所述两个***间的关联强度计算参数,以及,各关联强度计算参数的权重,确定所述***群中两个***间的关联强度。
7.一种***关联关系视图构建装置,其特征在于,包括:
***群确定单元,用于确定待构建***关联关系视图的***群;
网络连接数据获取单元,用于获取所述***群中的网络连接数据;
关联架构确定单元,用于基于所述***群中的网络连接数据,确定所述***群的关联架构;
关联强度确定单元,用于确定所述***群中各***间的关联强度,所述关联强度的计算参数包括关联的***级别、数据流的内容以及通讯关系的强弱;
构建单元,用于基于所述***群的关联架构,以及所述***群中各***间的关联强度,构建所述***群的***关联关系视图。
8.一种***关联关系视图构建设备,其特征在于,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1至6中任一项所述的***关联关系视图构建方法的各个步骤。
9.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至6中任一项所述的***关联关系视图构建方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011561539.6A CN112615748B (zh) | 2020-12-25 | 2020-12-25 | ***关联关系视图构建方法、相关设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011561539.6A CN112615748B (zh) | 2020-12-25 | 2020-12-25 | ***关联关系视图构建方法、相关设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112615748A CN112615748A (zh) | 2021-04-06 |
CN112615748B true CN112615748B (zh) | 2023-04-07 |
Family
ID=75245093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011561539.6A Active CN112615748B (zh) | 2020-12-25 | 2020-12-25 | ***关联关系视图构建方法、相关设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112615748B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831467A (zh) * | 2017-10-10 | 2018-03-23 | 深圳数位传媒科技有限公司 | 节点定位方法、服务器、***及计算机可读存储介质 |
CN109800276A (zh) * | 2018-12-14 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 关联强度评估方法、装置、设备及存储介质 |
CN111030840A (zh) * | 2019-11-06 | 2020-04-17 | 视联动力信息技术股份有限公司 | 一种生成拓扑图的方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9324056B2 (en) * | 2012-06-28 | 2016-04-26 | Sap Portals Israel Ltd | Model entity network for analyzing a real entity network |
-
2020
- 2020-12-25 CN CN202011561539.6A patent/CN112615748B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831467A (zh) * | 2017-10-10 | 2018-03-23 | 深圳数位传媒科技有限公司 | 节点定位方法、服务器、***及计算机可读存储介质 |
CN109800276A (zh) * | 2018-12-14 | 2019-05-24 | 深圳壹账通智能科技有限公司 | 关联强度评估方法、装置、设备及存储介质 |
CN111030840A (zh) * | 2019-11-06 | 2020-04-17 | 视联动力信息技术股份有限公司 | 一种生成拓扑图的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112615748A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9317539B2 (en) | Time-series database setup automatic generation method, setup automatic generation system and monitoring server | |
CN104348810B (zh) | 被盗帐号的检测方法、装置及*** | |
CN110225036B (zh) | 一种账号检测方法、装置、服务器及存储介质 | |
CN109842628A (zh) | 一种异常行为检测方法及装置 | |
CN108334758B (zh) | 一种用户越权行为的检测方法、装置及设备 | |
CN111614690A (zh) | 一种异常行为检测方法及装置 | |
CN110099059A (zh) | 一种域名识别方法、装置及存储介质 | |
CN112488716B (zh) | 一种异常事件检测*** | |
CN106778260A (zh) | 攻击检测方法和装置 | |
CN111866196B (zh) | 一种域名流量特征提取方法、装置、设备及可读存储介质 | |
US20200374308A1 (en) | Method, product, and system for maintaining an ensemble of hierarchical machine learning models for detection of security risks and breaches in a network | |
CN110392046B (zh) | 网络访问的异常检测方法和装置 | |
CN107888602A (zh) | 一种检测异常用户的方法及装置 | |
CN107592305A (zh) | 一种基于elk和redis的防刷方法及*** | |
CN109428857A (zh) | 一种恶意探测行为的检测方法和装置 | |
CN109510800A (zh) | 一种网络请求处理方法、装置、电子设备及存储介质 | |
WO2015165230A1 (zh) | 一种社交消息的监测方法及装置 | |
US11412063B2 (en) | Method and apparatus for setting mobile device identifier | |
CN112615748B (zh) | ***关联关系视图构建方法、相关设备及可读存储介质 | |
CN113901441A (zh) | 一种用户异常请求检测方法、装置、设备及存储介质 | |
WO2021212760A1 (zh) | 确定人员身份类型的方法、装置和电子*** | |
CN107566371A (zh) | 一种面向海量日志的WebShell挖掘方法 | |
CN111782908A (zh) | 一种基于数据挖掘聚类分析的web违规操作行为检测方法 | |
CN105487936A (zh) | 云环境下面向等级保护的信息***安全性测评方法 | |
CN110602070A (zh) | 一种网络安全的自动配置管理***及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |