CN112714040A - 全息报文检测方法、装置、设备及存储介质 - Google Patents

全息报文检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112714040A
CN112714040A CN202011436853.1A CN202011436853A CN112714040A CN 112714040 A CN112714040 A CN 112714040A CN 202011436853 A CN202011436853 A CN 202011436853A CN 112714040 A CN112714040 A CN 112714040A
Authority
CN
China
Prior art keywords
target
vector
values
message
preset
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.)
Granted
Application number
CN202011436853.1A
Other languages
English (en)
Other versions
CN112714040B (zh
Inventor
梁洪浩
李思鉴
姜和芳
陈晓伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Power Supply Bureau Co Ltd
Original Assignee
Shenzhen Power Supply Bureau Co Ltd
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 Shenzhen Power Supply Bureau Co Ltd filed Critical Shenzhen Power Supply Bureau Co Ltd
Priority to CN202011436853.1A priority Critical patent/CN112714040B/zh
Publication of CN112714040A publication Critical patent/CN112714040A/zh
Application granted granted Critical
Publication of CN112714040B publication Critical patent/CN112714040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00Arrangements for monitoring or testing data switching networks
    • H04L43/02Capturing of monitoring data
    • H04L43/028Capturing of monitoring data by filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种全息报文检测方法、装置、设备及存储介质,涉及报文检测领域。通过获取t个待检测的候选报文,对于每个候选报文,基于预设的k个哈希映射函数,对每个候选报文进行哈希映射运算,得到k个第一位置指示哈希值,对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为目标值,则将候选报文识别为目标报文。本申请实施例提供的技术方案通过每个待检测报文进行哈希映射运算得到第一位置指示哈希值,根据第一位置指示哈希值所指示的向量元素的值是否均为目标值判断是否为目标报文可以提高报文检测的效率。

Description

全息报文检测方法、装置、设备及存储介质
技术领域
本申请涉及报文检测领域,特别是涉及一种全息报文检测方法、装置、设备及存储介质。
背景技术
随着互联网的不断发展,互联网的用户数量和新型网络应用持续增长,带来数量庞大且不断增长的流量,用户在接收报文时通常具有大量报文中快速提取出所需要的目标报文的需求,这就要求网络设备能够具备全息报文检测能力,即在很多个正在传输的候选报文中检测出用户所需要目标报文。
现有技术中,通常是通过DPI(Deep Packet Inspection深度报文检测)对待检测的候选报文进行检测,然而深度报文检测在对每个候选报文进行检测时都需要创建一个报文检测任务,并在检测完成后删除该报文检测任务。
然而,网络设备需要反复创建和删除报文检测任务的动作会导致报文检测的效率较低。
发明内容
基于此,本申请实施例提供了一种全息报文检测方法、装置、设备及存储介质,可以提高报文检测的效率。
第一方面,提供了一种全息报文检测方法,该方法包括:
获取t个待检测的候选报文,t为大于1的正整数;对于每个候选报文,基于预设的k个哈希映射函数,对候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各第一位置指示哈希值用于指示预设布隆过滤器包括的目标向量中的一个向量元素,该目标向量中的各向量元素的值是根据待识别的目标报文得到的,k为正整数;对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为该目标值,则将候选报文识别为目标报文。
在其中一个实施例中,该方法还包括:
若目标向量中k个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定候选报文不为目标报文。
在其中一个实施例中,该方法还包括:
获取预设的目标报文,并获取初始向量,初始向量中的各向量元素的值均不为目标值;基于k个哈希映射函数,对目标报文进行哈希映射运算,得到k个第二位置指示哈希值,其中,各第二位置指示哈希值用于指示初始向量中的一个向量元素;将初始向量中k个第二位置指示哈希值所指示的向量元素的值均设置为目标值,得到目标向量。
在其中一个实施例中,预设的目标报文的数量为n个,获取初始向量,包括:
根据预设的目标报文的数量n计算初始向量中向量元素的个数m;基于向量元素的个数m获取初始向量。
在其中一个实施例中,根据预设的目标报文的数量n计算初始向量中向量元素的个数m,包括:
根据预设的目标报文的数量n以及预设的第一公式计算初始向量中向量元素的个数m;
其中,第一公式,包括:
Figure BDA0002829406030000021
其中,n为目标报文的数量,p为误判率。
在其中一个实施例中,方法还包括:
根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k。
在其中一个实施例中,根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k,包括:
根据预设的目标报文的数量n、初始向量中向量元素的个数m以及预设的第二公式计算哈希映射函数的个数k;
其中,第二公式,包括:
Figure BDA0002829406030000022
其中,n为目标报文的数量,m为初始向量中向量元素的个数m。
第二方面,提供了一种全息报文检测装置,该全息报文检测装置包括:
第一获取模块,用于获取t个待检测的候选报文,t为大于1的正整数;
第一运算模块,用于对于每个候选报文,基于预设的k个哈希映射函数,对候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各第一位置指示哈希值用于指示预设的布隆过滤器包括的目标向量中的一个向量元素,该目标向量中的各向量元素的值是根据待获取的目标报文得到的,k为正整数;
确定模块,用于对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为目标值,则确定候选报文为目标报文。
在其中一个实施例中,确定模块还用于:
若目标向量中k个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定候选报文不为目标报文。
在其中一个实施例中,该全息报文检测装置还包括:
第二获取模块,用于获取预设的目标报文,并获取初始向量,初始向量中的各向量元素的值均不为目标值;
第二运算模块,用于基于k个哈希映射函数,对目标报文进行哈希映射运算,得到k个第二位置指示哈希值,其中,各第二位置指示哈希值用于指示初始向量中的一个向量元素;
设置模块,用于将初始向量中k个第二位置指示哈希值所指示的向量元素的值均设置为目标值,得到目标向量。
在其中一个实施例中,第二获取模块具体用于:
根据预设的目标报文的数量n计算初始向量中向量元素的个数m;基于向量元素的个数m获取初始向量。
在其中一个实施例中,第二获取模块具体用于:
根据预设的目标报文的数量n以及预设的第一公式计算初始向量中向量元素的个数m;
其中,第一公式,包括:
Figure BDA0002829406030000031
其中,n为目标报文的数量,p为误判率。
在其中一个实施例中,第二运算模块具体用于:
根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k。
在其中一个实施例中,第二运算模块具体用于:
根据预设的目标报文的数量n、初始向量中向量元素的个数m以及预设的第二公式计算哈希映射函数的个数k;
其中,第二公式,包括:
Figure BDA0002829406030000041
其中,n为目标报文的数量,m为初始向量中向量元素的个数m。
第三方面,提供了一种报文检测设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面任一所述的全息报文检测方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面任一所述的全息报文检测方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例提供的技术方案中,首先获取t个待检测的候选报文,对于每个候选报文,基于预设的k个哈希映射函数,对每个候选报文进行哈希映射运算,得到k个第一位置指示哈希值,对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为目标值,则将候选报文识别为目标报文。相比于现有技术中,通常是通过深度报文检测对传输的报文进行检测时需要对每个待检测报文进行检测时都需要创建一个报文检测任务,并在检测完成后删除该报文检测任务,本申请实施例提供的技术方案通过每个待检测的候选报文进行哈希映射运算得到目标向量中的第一位置指示哈希值,通过识别目标报文得到预设布隆过滤器包括的目标向量中的各向量元素的值,若每个候选报文确定的目标向量只不过第一位置指示哈希值所指示的向量元素的值均为目标值,则说明该待检测的候选报文与识别的目标报文是相同的,该过程并不需要对每个待检测报文进行检测时创建报文检测任务以及在检测完成后删除报文检测任务,所以根据第一位置指示哈希值所指示的向量元素的值是否均为目标值判断是否为目标报文可以提高报文检测的效率。
附图说明
图1为本申请实施例提供的一种实施环境的示意图;
图2为本申请实施例提供的一种方法的流程图;
图3为本申请实施例提供的预设布隆过滤器的示意图;
图4为本申请实施例提供的一种方法的流程图;
图5为本申请实施例提供的一种方法的流程图;
图6为本申请实施例提供的一种全息报文检测装置的框图;
图7为本申请实施例提供的一种全息报文检测装置的框图;
图8为本申请实施例提供的一种报文检测设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
当前,随着互联网的不断发展,互联网的用户数量和新型网络应用持续增长,带来数量庞大且不断增长的流量,用户在接收报文时通常具有大量报文中快速提取出所需要的目标报文的需求,这就要求网络设备能够具备全息报文检测能力,即在很多个正在传输的候选报文中检测出用户所需要目标报文。
现有技术中,通常是通过深度报文检测对待检测的候选报文进行检测,然而深度报文检测在对每个候选报文进行检测时都需要创建一个报文检测任务,并在检测完成后删除该报文检测任务。
然而,网络设备需要反复创建和删除报文检测任务的动作会导致报文检测的效率较低。
有鉴于此,本申请实施例提供了一种全息报文检测方法、装置、设备及存储介质,可以提高报文检测的效率。
下面,将对本申请实施例提供的全息报文检测方法所涉及到的实施环境进行说明。
图1为本申请实施例提供的全息报文检测方法所涉及到的实施环境的示意图。如图1所示,该实施环境可以包括报文发送设备101、全息报文检测终端102和报文接收设备103,其中,报文发送设备101、全息报文检测终端102和报文接收设备103之间可以通过有线或无线的方式进行通信。报文发送设备101可以发出报文,全息报文检测终端102对发出的待检测的报文进行报文检测,并将检测出来的目标报文传输到报文接收设备103中。
请参考图2,其示出了本申请实施例提供的一种全息报文检测方法的流程图,该全息报文检测方法可以应用于上文所述实施环境中的全息报文检测终端102(以下简称终端)中。如图2所示,该全息报文检测方法可以包括以下步骤:
步骤201、终端获取t个待检测的候选报文,t为大于1的正整数。
在报文发送设备与报文接收设备在通信的过程中,需要发送报文,比如包括用于对报文接收设备进行协商或管理的各类报文,需要传输的各类报文可以是t个待检测的候选报文。
步骤202、终端对于每个候选报文,基于预设的k个哈希映射函数,对候选报文进行哈希映射运算,得到k个第一位置指示哈希值。
其中,各第一位置指示哈希值用于指示预设布隆过滤器包括的目标向量中的一个向量元素,目标向量中的各向量元素的值是根据待识别的目标报文得到的,k为正整数。
在本申请实施例中,预设布隆过滤器的初始向量中向量元素的个数为m,即为预设布隆过滤器的大小为m,当***的候选报文越来越多时,预设布隆检测器会存在很小的误算率,所容忍的误判率为p,预设的目标报文的数量n、误判率p、预设的哈希映射函数的个数k以及预设布隆过滤器的初始向量中向量元素的个数m其共同满足第一公式、第二公式和第三公式,第一公式、第二公式和第三公式可以为:
Figure BDA0002829406030000061
Figure BDA0002829406030000062
Figure BDA0002829406030000063
其中,预设布隆过滤器的初始向量中向量元素的个数为m和预设的哈希映射函数的个数k必定是正整数,所以将第一公式和第二公式所得到的值向上取整。
步骤203、终端对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为目标值,则将候选报文识别为目标报文。
若目标向量中k个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定候选报文不为目标报文。
其中,目标值可以是表征预设布隆过滤器中的目标向量中的每个向量元素的状态值,在一个可选的实施例中,目标值可以为1,其含义可以是目标报文经过k个哈希映射函数得到k个目标向量中的向量元素,为了表征这k个目标向量中的向量元素是通过目标报文得到的,即将这k个向量元素的目标值设置为1。若存在一个候选报文经过同样的k个哈希映射函数得到的k个目标向量中的向量元素与目标报文得到的向量元素相同,即候选报文确定目标向量中k个第一位置指示哈希值所指示的向量元素的值均为目标值,则说明该待检测的候选报文与识别的目标报文是相同的。
如图3,其示出了一种候选报文通过k个哈希映射函数(Hash1、Hash2……Hashk)与预设布隆过滤器包括的目标向量中的一个向量元素(图中向量元素的值为1,分别在目标向量的第2和4号位置)比较的过程。
进一步地,例如,在本申请的一个可选的实施例中,预设布隆过滤器的大小m为10个,待检测的候选报文t为3个,分别是1号报文、2号报文和3号报文,预设的哈希映射函数k的数量为5个,目标值设定为1,目标报文经过预设布隆过滤器得到目标向量中的2、3、5、7和9号位置,将这些位置标记为目标值1,可以表示为【0,1,1,0,1,0,1,0,1,0】。
对于每个待检测的候选报文,比如1号报文,基于5个预设的哈希映射函数得到了5个第一位置指示哈希值2、3、5、7和9。则对于1号报文,在预设布隆过滤器中的2、3、5、7和9号位置均为1,则说明1号报文为目标报文。
若对于2号报文,基于5个预设的哈希映射函数得到了5个第一位置指示哈希值2、3、5、6和9。则对于2号报文,在预设布隆过滤器中的2、3、5、6和9号位置中,6号位置不为目标值1,即目标向量中5个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定2号报文不为目标报文。
本申请实施例提供的技术方案中,首先获取t个待检测的候选报文,对于每个候选报文,基于预设的k个哈希映射函数,对每个候选报文进行哈希映射运算,得到k个第一位置指示哈希值,对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为目标值,则将候选报文识别为目标报文。相比于现有技术中,通常是通过深度报文检测对传输的报文进行检测时需要对每个待检测报文进行检测时都需要创建一个报文检测任务,并在检测完成后删除该报文检测任务,本申请实施例提供的技术方案通过每个待检测的候选报文进行哈希映射运算得到目标向量中的第一位置指示哈希值,通过识别目标报文得到预设布隆过滤器包括的目标向量中的各向量元素的值,若每个候选报文确定的目标向量只不过第一位置指示哈希值所指示的向量元素的值均为目标值,则说明该待检测的候选报文与识别的目标报文是相同的,该过程并不需要对每个待检测报文进行检测时创建报文检测任务以及在检测完成后删除报文检测任务,所以根据第一位置指示哈希值所指示的向量元素的值是否均为目标值判断是否为目标报文可以提高报文检测的效率。
在本申请的可选实施例中,如图4所示,终端构建预设布隆过滤器包括的目标向量中的技术过程包括以下步骤:
步骤301、终端获取预设的目标报文,并获取初始向量。
其中,该初始向量中的各向量元素的值均不为目标值,在本申请一个可选的实施例中,非目标值可以设置为0,预设布隆过滤器中的初始向量中的所有向量元素的值即为0。
步骤302、终端基于k个哈希映射函数,对目标报文进行哈希映射运算,得到k个第二位置指示哈希值。
其中,第二位置指示哈希值用于指示初始向量中的一个向量元素,对于目标报文进行k个哈希映射函数的哈希映射运算,得到k个第二位置指示哈希值。
步骤303、终端将初始向量中k个第二位置指示哈希值所指示的向量元素的值均设置为目标值,得到目标向量。
例如,在本申请一个可选的实施例中,预设布隆过滤器的大小m为10个,预设的哈希映射函数k的数量为5个,目标值设定为1,非目标值设定为0,第一目标报文经过预设布隆过滤器指示目标向量中的2、3、5、7和9号位置,将这些位置标记为目标值1,则得到预设布隆过滤器中第一目标向量中的向量元素的目标值为【0,1,1,0,1,0,1,0,1,0】。
进一步地,目标报文可以为多个,比如存在第二目标报文经过预设布隆过滤器指示目标向量中的1、2、3、4和5号位置,则得到预设布隆过滤器中第二目标向量中的向量元素为【1,1,1,1,1,0,0,0,0,0】,则当前预设布隆过滤器中目标向量的向量元素包括了【1,1,1,1,1,0,1,0,1,0】。
然而存在当***的元素越来越多时,布隆过滤器存在误判,比如,当候选报文经过基于5个哈希映射函数得到的第一位置指示哈希值所指示的向量元素为【1,1,1,1,0,0,0,0,1,0】虽然说该候选报文不属于上述的第一目标报文和第二目标报文,但是该候选报文还是会被识别为目标报文,所以布隆过滤器中存在误判率p。但是当候选报文经过基于5个哈希映射函数得到的第一位置指示哈希值所指示的向量元素为【1,1,1,0,0,0,0,0,1,1】,该候选报文被识别为非目标报文,当候选报文识别为非目标报文时,必定不存在误判。
在本申请的可选实施例中,如图5所示,终端获取初始向量,该技术过程包括以下步骤:
步骤401、终端根据预设的目标报文的数量n计算初始向量中向量元素的个数m。
根据预设的目标报文的数量n以及预设的第一公式计算初始向量中向量元素的个数m;
其中,第一公式,包括:
Figure BDA0002829406030000091
其中,n为目标报文的数量,p为误判率。
步骤402、终端基于向量元素的个数m获取初始向量。
终端根据向量元素的个数m确定预设布隆过滤器的初始向量,当向量元素的个数m越多,预设布隆过滤器的初始向量越多,且预设布隆过滤器的初始向量中向量元素的个数可以等于m。
在其中一个可选的实施例中,可以根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k,当初始向量中向量元素的个数m。
根据预设的目标报文的数量n、初始向量中向量元素的个数m以及预设的第二公式计算哈希映射函数的个数k;
其中,第二公式,包括:
Figure BDA0002829406030000092
其中,n为目标报文的数量,m为初始向量中向量元素的个数m。
请参考图6,其示出了本申请实施例提供的一种全息报文检测装置500的框图,如图6所示,该全息报文检测装置500可以包括:第一获取模块501、第一运算模块502以及确定模块503。
第一获取模块501,用于获取t个待检测的候选报文,t为大于1的正整数;
第一运算模块502,用于对于每个候选报文,基于预设的k个哈希映射函数,对候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各第一位置指示哈希值用于指示预设的布隆过滤器包括的目标向量中的一个向量元素,该目标向量中的各向量元素的值是根据待获取的目标报文得到的,k为正整数。
确定模块503,用于对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为目标值,则确定候选报文为目标报文。
在本申请的可选实施例中,该确定模块503,还用于:若目标向量中k个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定候选报文不为目标报文。
请参考图7,本申请实施例还提供了另一种全息报文检测装置600,该全息报文检测装置600除了包括全息报文检测装置500包括的各个模块外,可选的,该全息报文检测装置600还包括第二获取模块504、第二运算模块505以及设置模块506。
第二获取模块504,用于获取预设的目标报文,并获取初始向量,初始向量中的各向量元素的值均不为目标值;
第二运算模块505,用于基于k个哈希映射函数,对目标报文进行哈希映射运算,得到k个第二位置指示哈希值,其中,各第二位置指示哈希值用于指示初始向量中的一个向量元素;
设置模块506,用于将初始向量中k个第二位置指示哈希值所指示的向量元素的值均设置为目标值,得到目标向量。
在本申请的可选实施例中,该第二获取模块504具体用于:
根据预设的目标报文的数量n计算初始向量中向量元素的个数m;基于向量元素的个数m获取初始向量。
在本申请的可选实施例中,该第二获取模块504具体用于:
根据预设的目标报文的数量n以及预设的第一公式计算初始向量中向量元素的个数m;
其中,第一公式,包括:
Figure BDA0002829406030000101
其中,n为目标报文的数量,p为误判率。
在本申请的可选实施例中,该第二运算模块具体用于:
根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k。
在本申请的可选实施例中,该第二运算模块具体用于:
根据预设的目标报文的数量n、初始向量中向量元素的个数m以及预设的第二公式计算哈希映射函数的个数k;
其中,第二公式,包括:
Figure BDA0002829406030000111
其中,n为目标报文的数量,m为初始向量中向量元素的个数m。
关于全息报文检测装置的具体限定可以参见上文中对于全息报文检测方法的限定,在此不再赘述。上述全息报文检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种报文检测设备,该报文检测设备可以是全息报文检测终端,其内部结构图可以如图8所示。该报文检测设备包括通过***总线连接的处理器、存储器和网络接口。其中,该报文检测设备的处理器用于提供计算和控制能力。该报文检测设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该报文检测设备的数据库用于存储报文检测数据。该报文检测设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种报文检测方法。
本领域技术人员可以理解,如图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种报文检测设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取t个待检测的候选报文,t为大于1的正整数;对于每个候选报文,基于预设的k个哈希映射函数,对候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各第一位置指示哈希值用于指示预设布隆过滤器包括的目标向量中的一个向量元素,该目标向量中的各向量元素的值是根据待识别的目标报文得到的,k为正整数;对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为该目标值,则将候选报文识别为目标报文。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:若目标向量中k个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定候选报文不为目标报文。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设的目标报文,并获取初始向量,初始向量中的各向量元素的值均不为目标值;基于k个哈希映射函数,对目标报文进行哈希映射运算,得到k个第二位置指示哈希值,其中,各第二位置指示哈希值用于指示初始向量中的一个向量元素;将初始向量中k个第二位置指示哈希值所指示的向量元素的值均设置为目标值,得到目标向量。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设的目标报文的数量n计算初始向量中向量元素的个数m;基于向量元素的个数m获取初始向量。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设的目标报文的数量n以及预设的第一公式计算初始向量中向量元素的个数m;
其中,第一公式,包括:
Figure BDA0002829406030000121
其中,n为目标报文的数量,p为误判率。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设的目标报文的数量n、初始向量中向量元素的个数m以及预设的第二公式计算哈希映射函数的个数k;
其中,第二公式,包括:
Figure BDA0002829406030000131
其中,n为目标报文的数量,m为初始向量中向量元素的个数m。
在本申请的一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取t个待检测的候选报文,t为大于1的正整数;对于每个候选报文,基于预设的k个哈希映射函数,对候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各第一位置指示哈希值用于指示预设布隆过滤器包括的目标向量中的一个向量元素,该目标向量中的各向量元素的值是根据待识别的目标报文得到的,k为正整数;对于每个候选报文,确定目标向量中k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为该目标值,则将候选报文识别为目标报文。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:若目标向量中k个第一位置指示哈希值所指示的向量元素的值不均为目标值,则确定候选报文不为目标报文。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设的目标报文,并获取初始向量,初始向量中的各向量元素的值均不为目标值;基于k个哈希映射函数,对目标报文进行哈希映射运算,得到k个第二位置指示哈希值,其中,各第二位置指示哈希值用于指示初始向量中的一个向量元素;将初始向量中k个第二位置指示哈希值所指示的向量元素的值均设置为目标值,得到目标向量。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据预设的目标报文的数量n计算初始向量中向量元素的个数m;基于向量元素的个数m获取初始向量。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据预设的目标报文的数量n以及预设的第一公式计算初始向量中向量元素的个数m;
其中,第一公式,包括:
Figure BDA0002829406030000141
其中,n为目标报文的数量,p为误判率。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据预设的目标报文的数量n以及初始向量中向量元素的个数m计算哈希映射函数的个数k。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据预设的目标报文的数量n、初始向量中向量元素的个数m以及预设的第二公式计算哈希映射函数的个数k;
其中,第二公式,包括:
Figure BDA0002829406030000142
其中,n为目标报文的数量,m为初始向量中向量元素的个数m。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以M种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(SyMchliMk)DRAM(SLDRAM)、存储器总线(RaMbus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种全息报文检测方法,其特征在于,所述方法包括:
获取t个待检测的候选报文,t为大于1的正整数;
对于每个所述候选报文,基于预设的k个哈希映射函数,对所述候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各所述第一位置指示哈希值用于指示预设布隆过滤器包括的目标向量中的一个向量元素,所述目标向量中的各向量元素的值是根据待识别的目标报文得到的,k为正整数;
对于每个所述候选报文,确定所述目标向量中所述k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为所述目标值,则将所述候选报文识别为所述目标报文。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标向量中所述k个第一位置指示哈希值所指示的向量元素的值不均为所述目标值,则确定所述候选报文不为所述目标报文。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取预设的所述目标报文,并获取初始向量,所述初始向量中的各向量元素的值均不为所述目标值;
基于所述k个哈希映射函数,对所述目标报文进行哈希映射运算,得到k个第二位置指示哈希值,其中,各所述第二位置指示哈希值用于指示所述初始向量中的一个向量元素;
将所述初始向量中所述k个第二位置指示哈希值所指示的向量元素的值均设置为所述目标值,得到所述目标向量。
4.根据权利要求3所述的方法,其特征在于,预设的所述目标报文的数量为n个,所述获取初始向量,包括:
根据预设的所述目标报文的数量n计算所述初始向量中向量元素的个数m;
基于向量元素的个数m获取所述初始向量。
5.根据权利要求4所述的方法,其特征在于,所述根据预设的所述目标报文的数量n计算所述初始向量中向量元素的个数m,包括:
根据预设的所述目标报文的数量n以及预设的第一公式计算所述初始向量中向量元素的个数m;
其中,所述第一公式,包括:
Figure FDA0002829406020000021
其中,n为所述目标报文的数量,p为误判率。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据预设的所述目标报文的数量n以及所述初始向量中向量元素的个数m计算所述哈希映射函数的个数k。
7.根据权利要求6所述的方法,其特征在于,所述根据预设的所述目标报文的数量n以及所述初始向量中向量元素的个数m计算所述哈希映射函数的个数k,包括:
根据预设的所述目标报文的数量n、所述初始向量中向量元素的个数m以及预设的第二公式计算所述哈希映射函数的个数k;
其中,所述第二公式,包括:
Figure FDA0002829406020000022
其中,n为所述目标报文的数量,m为所述初始向量中向量元素的个数m。
8.一种全息报文检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取t个待检测的候选报文,t为大于1的正整数;
第一运算模块,用于对于每个所述候选报文,基于预设的k个哈希映射函数,对所述候选报文进行哈希映射运算,得到k个第一位置指示哈希值,其中,各所述第一位置指示哈希值用于指示预设的布隆过滤器包括的目标向量中的一个向量元素,所述目标向量中的各向量元素的值是根据待获取的目标报文得到的,k为正整数;
确定模块,用于对于每个所述候选报文,确定所述目标向量中所述k个第一位置指示哈希值所指示的向量元素的值是否均为目标值,若均为所述目标值,则确定所述候选报文为所述目标报文。
9.一种报文检测设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一所述的全息报文检测方法。
10.一种计算机可读存储介质,其特征在于,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权利要求1至7任一所述的全息报文检测方法。
CN202011436853.1A 2020-12-11 2020-12-11 全息报文检测方法、装置、设备及存储介质 Active CN112714040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011436853.1A CN112714040B (zh) 2020-12-11 2020-12-11 全息报文检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011436853.1A CN112714040B (zh) 2020-12-11 2020-12-11 全息报文检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112714040A true CN112714040A (zh) 2021-04-27
CN112714040B CN112714040B (zh) 2022-10-28

Family

ID=75542921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011436853.1A Active CN112714040B (zh) 2020-12-11 2020-12-11 全息报文检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112714040B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113627561A (zh) * 2021-08-20 2021-11-09 北京软通智慧科技有限公司 一种数据融合的方法、装置、电子设备及存储介质
CN114786141A (zh) * 2022-04-29 2022-07-22 恒玄科技(上海)股份有限公司 一种蓝牙无线网格网络中的消息过滤方法及装置
CN116132319A (zh) * 2021-11-15 2023-05-16 华为技术有限公司 一种识别流的方法和装置

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1416666A1 (en) * 2002-10-28 2004-05-06 Abb Research Ltd. Method to simplify the management and enhance the security of passwords
CN101227318A (zh) * 2007-12-04 2008-07-23 东南大学 高速网络流量的超点实时检测方法
CN101309179A (zh) * 2007-05-18 2008-11-19 北京启明星辰信息技术有限公司 一种基于主机活跃性和通信模式分析实时异常流量检测方法
CN101459560A (zh) * 2009-01-09 2009-06-17 中国人民解放军信息工程大学 长流的识别方法、数据流量的测量方法及其设备
CN101795273A (zh) * 2010-01-26 2010-08-04 联想网御科技(北京)有限公司 一种垃圾邮件过滤方法及装置
CN102546293A (zh) * 2011-12-20 2012-07-04 东南大学 基于哈希比特串复用的高速网络流量网络地址测量方法
US20140036912A1 (en) * 2012-07-31 2014-02-06 Cisco Technology, Inc. Multicast group assignment using probabilistic approximations
EP2993866A1 (en) * 2014-09-08 2016-03-09 Alcatel Lucent Method for distribution of service requests
US20160112254A1 (en) * 2014-10-17 2016-04-21 Cisco Technology, Inc. Address autoconfiguration using bloom filter parameters for unique address computation
CN106131086A (zh) * 2016-08-31 2016-11-16 迈普通信技术股份有限公司 一种访问控制列表的匹配方法及装置
CN107357843A (zh) * 2017-06-23 2017-11-17 东南大学 基于数据流结构的海量网络数据查找方法
CN107368527A (zh) * 2017-06-09 2017-11-21 东南大学 基于数据流的多属性索引方法
US20180248698A1 (en) * 2017-02-28 2018-08-30 Blackberry Limited Inadvertent password entry detection
CN109145158A (zh) * 2017-06-13 2019-01-04 华为技术有限公司 一种布隆过滤器中数据的处理方法以及布隆过滤器
CN110191109A (zh) * 2019-05-17 2019-08-30 杭州迪普信息技术有限公司 一种报文采样方法及装置
CN110865982A (zh) * 2019-11-19 2020-03-06 深信服科技股份有限公司 一种数据匹配方法、装置、电子设备及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1416666A1 (en) * 2002-10-28 2004-05-06 Abb Research Ltd. Method to simplify the management and enhance the security of passwords
CN101309179A (zh) * 2007-05-18 2008-11-19 北京启明星辰信息技术有限公司 一种基于主机活跃性和通信模式分析实时异常流量检测方法
CN101227318A (zh) * 2007-12-04 2008-07-23 东南大学 高速网络流量的超点实时检测方法
CN101459560A (zh) * 2009-01-09 2009-06-17 中国人民解放军信息工程大学 长流的识别方法、数据流量的测量方法及其设备
CN101795273A (zh) * 2010-01-26 2010-08-04 联想网御科技(北京)有限公司 一种垃圾邮件过滤方法及装置
CN102546293A (zh) * 2011-12-20 2012-07-04 东南大学 基于哈希比特串复用的高速网络流量网络地址测量方法
US20140036912A1 (en) * 2012-07-31 2014-02-06 Cisco Technology, Inc. Multicast group assignment using probabilistic approximations
EP2993866A1 (en) * 2014-09-08 2016-03-09 Alcatel Lucent Method for distribution of service requests
US20160112254A1 (en) * 2014-10-17 2016-04-21 Cisco Technology, Inc. Address autoconfiguration using bloom filter parameters for unique address computation
CN106131086A (zh) * 2016-08-31 2016-11-16 迈普通信技术股份有限公司 一种访问控制列表的匹配方法及装置
US20180248698A1 (en) * 2017-02-28 2018-08-30 Blackberry Limited Inadvertent password entry detection
CN107368527A (zh) * 2017-06-09 2017-11-21 东南大学 基于数据流的多属性索引方法
CN109145158A (zh) * 2017-06-13 2019-01-04 华为技术有限公司 一种布隆过滤器中数据的处理方法以及布隆过滤器
CN107357843A (zh) * 2017-06-23 2017-11-17 东南大学 基于数据流结构的海量网络数据查找方法
CN110191109A (zh) * 2019-05-17 2019-08-30 杭州迪普信息技术有限公司 一种报文采样方法及装置
CN110865982A (zh) * 2019-11-19 2020-03-06 深信服科技股份有限公司 一种数据匹配方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙志刚等: "BFPC:一种新型的基于Bloom Filter的报文分类算法", 《计算机工程与科学》 *
曾鹏等: "Analysis and Enhancement of a Watermarking Protocol Suitable for Web Context", 《JOURNAL OF SHANGHAI JIAOTONG UNIVERSITY(SCIENCE)》 *
白建东等: "基于Bloom Filter的报文分类算法", 《计算机工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113627561A (zh) * 2021-08-20 2021-11-09 北京软通智慧科技有限公司 一种数据融合的方法、装置、电子设备及存储介质
CN116132319A (zh) * 2021-11-15 2023-05-16 华为技术有限公司 一种识别流的方法和装置
CN114786141A (zh) * 2022-04-29 2022-07-22 恒玄科技(上海)股份有限公司 一种蓝牙无线网格网络中的消息过滤方法及装置
CN114786141B (zh) * 2022-04-29 2023-11-21 恒玄科技(上海)股份有限公司 一种蓝牙无线网格网络中的消息过滤方法及装置

Also Published As

Publication number Publication date
CN112714040B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
CN112714040B (zh) 全息报文检测方法、装置、设备及存储介质
CN108377240B (zh) 异常接口检测方法、装置、计算机设备和存储介质
CN110209652B (zh) 数据表迁移方法、装置、计算机设备和存储介质
CN108400978B (zh) 漏洞检测方法、装置、计算机设备和存储介质
CN109413153B (zh) 数据爬取方法、装置、计算机设备和存储介质
CN110597709B (zh) 混合模式移动应用的交互调试方法、装置和计算机设备
CN108200087B (zh) web入侵检测方法、装置、计算机设备和存储介质
CN108011898B (zh) 漏洞检测方法、装置、计算机设备和存储介质
CN111224939B (zh) 任务请求的拦截方法、装置、计算机设备和存储介质
CN112527357A (zh) 服务热加载更新方法、装置、计算机设备和存储介质
CN115174212A (zh) 一种利用熵技术甄别网络数据传输是否加密的方法
CN111552696A (zh) 基于大数据的数据处理方法、装置、计算机设备和介质
CN112541102B (zh) 异常数据过滤方法、装置、设备及存储介质
CN108389124B (zh) 数据处理方法、装置、计算机设备和存储介质
CN110659188A (zh) 页面画像数据处理方法、装置、计算机设备和存储介质
CN111814052A (zh) 移动互联网用户管理方法、装置、服务器及可读存储介质
CN109471852B (zh) 医疗数据库建立方法、装置、计算机设备和存储介质
CN110597782A (zh) 数据库动态切换方法、装置、计算机设备和存储介质
CN111667190B (zh) 一种电力施工接地监控方法、装置及服务器
CN111901324B (zh) 一种基于序列熵流量识别的方法、装置和存储介质
CN111431888B (zh) 关键信息屏蔽的方法、装置、设备及存储介质
CN115221471A (zh) 一种异常数据的识别方法、装置、存储介质及计算机设备
CN112422474B (zh) 一种加密数据流的监测方法、第一电子设备和存储介质
CN112104569A (zh) 报文数据处理方法、装置、计算机设备和存储介质
CN112822685B (zh) 一种基于溯源的Android移动攻击防范方法、装置和***

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