CN113239968A - 实现服务器分类的方法、装置、计算机存储介质及终端 - Google Patents

实现服务器分类的方法、装置、计算机存储介质及终端 Download PDF

Info

Publication number
CN113239968A
CN113239968A CN202110404731.2A CN202110404731A CN113239968A CN 113239968 A CN113239968 A CN 113239968A CN 202110404731 A CN202110404731 A CN 202110404731A CN 113239968 A CN113239968 A CN 113239968A
Authority
CN
China
Prior art keywords
clustering
service
server
information
network session
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.)
Pending
Application number
CN202110404731.2A
Other languages
English (en)
Inventor
韩志辉
张宇鹏
雷君
吕志泉
严寒冰
丁丽
李志辉
徐剑
郭晶
马莉雅
冯逸
吴明悦
周彬
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.)
National Computer Network and Information Security Management Center
Original Assignee
National Computer Network and Information Security Management Center
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 National Computer Network and Information Security Management Center filed Critical National Computer Network and Information Security Management Center
Priority to CN202110404731.2A priority Critical patent/CN113239968A/zh
Publication of CN113239968A publication Critical patent/CN113239968A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本文公开一种实现服务器分类的方法、装置、计算机存储介质及终端，本发明实施例从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，服务信息包括：提供的服务类型及次数；将预先确定的两个服务器是否提供相同类型服务的成对约束信息与获取的服务信息通过半监督层次聚类算法进行聚类后，实现了具有多项服务功能的服务器的分类。

Description

实现服务器分类的方法、装置、计算机存储介质及终端
技术领域
本文涉及但不限于聚类分析技术，尤指一种实现服务器分类的方法、装置、计算机存储介质及终端。
背景技术
服务器是管理资源并为用户提供服务的计算机；服务器按照服务功能通常分为文件服务器、万维网(web)服务器、数据库服务器、存储服务器和应用程序服务器。
相关技术中主要按照服务功能进行服务器类型的划分。随着互联网技术的应用发展，服务器由单一服务功能向多服务功能方向发展。如何对具有多项服务功能的服务器进行划分，成为一个有待解决的问题。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供一种实现服务器分类的方法、装置、计算机存储介质及终端，能够对具有多项服务功能的服务器进行类型划分。
本发明实施例提供了一种实现服务器分类的方法，包括：
从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，所述服务信息包括：提供的服务类型及次数；
通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，根据聚类结果识别服务器类型；
其中，所述成对约束信息包括：预先确定的两个服务器是否提供相同类型服务的信息。
在一种示例性实例中，所述从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息，包括：
根据所述网络会话数据中每一条网络会话包含的协议信息，确定每一条网络会话提供的服务类型；
根据确定的每一条网络会话提供的服务类型，统计所述服务器提供的服务类型及次数。
在一种示例性实例中，所述通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，包括：
根据获取的所有服务器的所述服务信息建立关联矩阵；
将所述成对约束信息与建立的所述关联矩阵输入至所述半监督层次聚类算法中进行聚类。
在一种示例性实例中，所述通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类之前，所述方法还包括：
从预设的聚类中心数K的取值范围内，每一次选取其中一个数值作为聚类中心数K值；
将预先存储的预设数量的网络会话样本数据，分别输入至选取的每一个聚类中心数K值的半监督层次聚类算法中进行预设时长的聚类处理，获得样本聚类结果；
根据获得的样本聚类结果，确定用于对所述成对约束信息与所述服务信息进行聚类的所述半监督层次聚类算法所述聚类中心数K的值。
另一方面，本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述实现服务器分类的方法。
再一方面，本发明实施例还提供一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如上述实现服务器分类的方法。
还一方面，本发明实施例还提供一种实现服务器分类的装置，包括：获取单元和聚类单元；其中，
获取单元设置为：从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，所述服务信息包括：提供的服务类型及次数；
聚类单元设置为：通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，根据聚类结果识别服务器类型；
其中，所述成对约束信息包括：预先确定的两个服务器是否提供相同类型服务的信息。
在一种示例性实例中，所述获取单元是设置为：
根据所述网络会话数据中每一条网络会话包含的协议信息，确定每一条网络会话提供的服务类型；
根据确定的每一条网络会话提供的服务类型，统计所述服务器提供的服务类型及次数。
在一种示例性实例中，所述聚类单元是设置为：
根据获取的所有服务器的所述服务信息建立关联矩阵；
将所述成对约束信息与建立的所述关联矩阵输入至所述半监督层次聚类算法中进行聚类。
在一种示例性实例中，所述聚类单元还设置为：
从预设的聚类中心数K的取值范围内，每一次选取其中一个数值作为聚类中心数K值；
将预先存储的预设数量的网络会话样本数据，分别输入至选取的每一个聚类中心数K值的半监督层次聚类算法中进行预设时长的聚类处理，获得样本聚类结果；
根据获得的样本聚类结果，确定用于对所述成对约束信息与所述服务信息进行聚类的所述半监督层次聚类算法所述聚类中心数K的值。
本发明实施例从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，服务信息包括：提供的服务类型及次数；将预先确定的两个服务器是否提供相同类型服务的成对约束信息与获取的服务信息通过半监督层次聚类算法进行聚类后，实现了具有多项服务功能的服务器的分类。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为本发明实施例实现服务器分类的方法的流程图；
图2为本发明实施例实现服务器分类的装置的结构框图；
图3为本发明应用示例半监督层次聚类算法的聚类示意图；
图4为本发明应用示例半监督层次聚类算法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例实现服务器分类的方法的流程图，如图1所示，包括：
步骤101、从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，服务信息包括：提供的服务类型及次数。
在一种示例性实例中，本发明实施例从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息，包括：
根据网络会话数据中每一条网络会话包含的协议信息，确定每一条网络会话提供的服务类型；
根据确定的每一条网络会话提供的服务类型，统计服务器提供的服务类型及次数。
在一种示例性实例中，本发明实施例网络会话数据可以是预设时长的数据。预设时长可以由本领域技术人员根据经验设定。对预设时长的网络会话数据进行统计，可以获得待确定服务类型的服务器的上述服务信息。
步骤102、通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，根据聚类结果识别服务器类型。
其中，成对约束信息包括：预先确定的两个服务器是否提供相同类型服务的信息。
本发明实施例通过聚类结果可以确定服务器所属分类，根据确定的服务器所属分类可以获得服务器类型。
本发明实施例从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，服务信息包括：提供的服务类型及次数；将预先确定的两个服务器是否提供相同类型服务的成对约束信息与获取的服务信息通过半监督层次聚类算法进行聚类后，实现了具有多项服务功能的服务器的分类。
在一种示例性实例中，本发明实施例通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，包括：
根据获取的所有服务器的服务信息建立关联矩阵；
将成对约束信息与建立的关联矩阵输入至半监督层次聚类算法中进行聚类。
在一种示例性实例中，关联矩阵的第一方向(行或列)记录各服务器，第二方向(第一方向为行时，第二方向为列；第一方向为列时，第二方向为行)记录根据网络会话数据统计出的服务器提供的各项服务的服务次数。以第一方向为行为例，在关联矩阵的第一行分别记录每一个服务器的编号或名称；第一列逐项列出所有服务类型，在每一个服务器的对应列中，每一行记录统计出的服务器提供的该服务的次数。
在一种示例性实例中，本发明实施例通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类之前，本发明实施例方法还包括：
从预设的聚类中心数K的取值范围内，每一次选取其中一个数值作为聚类中心数K值；
将预先存储的预设数量的网络会话样本数据，分别输入至选取的每一个聚类中心数K值的半监督层次聚类算法中进行预设时长的聚类处理，获得样本聚类结果；
根据获得的样本聚类结果，确定用于对成对约束信息与服务信息进行聚类的半监督层次聚类算法聚类中心数K的值。
本发明实施例还提供一种计算机存储介质，计算机存储介质中存储有计算机程序，计算机程序被处理器执行时实现上述实现服务器分类的方法。
本发明实施例还提供一种终端，包括：存储器和处理器，存储器中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
计算机程序被处理器执行时实现如上述实现服务器分类的方法。
图2为本发明实施例实现服务器分类的装置的结构框图，如图2所示，包括：获取单元和聚类单元；其中，
获取单元设置为：从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，服务信息包括：提供的服务类型及次数；
聚类单元设置为：通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，根据聚类结果识别服务器类型；
其中，成对约束信息包括：预先确定的两个服务器是否提供相同类型服务的信息。
本发明实施例从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，服务信息包括：提供的服务类型及次数；将预先确定的两个服务器是否提供相同类型服务的成对约束信息与获取的服务信息通过半监督层次聚类算法进行聚类后，实现了具有多项服务功能的服务器的分类。
在一种示例性实例中，本发明实施例获取单元是设置为：
根据网络会话数据中每一条网络会话包含的协议信息，确定每一条网络会话提供的服务类型；
根据确定的每一条网络会话提供的服务类型，统计服务器提供的服务类型及次数。
在一种示例性实例中，本发明实施例聚类单元是设置为：
根据获取的所有服务器的服务信息建立关联矩阵；
将成对约束信息与建立的关联矩阵输入至半监督层次聚类算法中进行聚类。
在一种示例性实例中，本发明实施例聚类单元还设置为：
从预设的聚类中心数K的取值范围内，每一次选取其中一个数值作为聚类中心数K值；
将预先存储的预设数量的网络会话样本数据，分别输入至选取的每一个聚类中心数K值的半监督层次聚类算法中进行预设时长的聚类处理，获得样本聚类结果；
根据获得的样本聚类结果，确定用于对成对约束信息与服务信息进行聚类的半监督层次聚类算法聚类中心数K的值。
以下通过应用示例对本发明实施例进行简要说明，应用示例仅用于陈述本发明实施例，并不用于限定本发明的保护范围。
应用示例
本应用示例将服务器是否提供某种服务视作一个随机变量，则根据预设时长的网络会话信息，可以统计获得各服务器提供的服务类型及次数的信息，即本发明实施例中的服务信息，假设服务器个数为N，服务种类包括s中，本发明实施例根据获得的服务信息，可以得到规模为N*s的关联矩阵AN×s，行对应服务器，列对应服务，aij表示服务器i提供服务j的次数。根据通过相关技术确定的服务器提供服务类型，本应用示例设置成对约束信息，成对约束信息用于标识两个服务器是否提供相同类型服务的信息。假设两个服务器提供相同类型服务可以通过G表示，则
Figure BDA0003021842600000085
式中，m和n表示服务器i的身份标识，k表示服务j的编号，G表示服务器m和服务器n均提供k服务；两个服务器不提供相同类型服务可以通过G表示，也可以通过其他表达式表示，通过G表示时则
Figure BDA0003021842600000081
的取值与表示提供相同类型服务时不同，例如，可以设置
Figure BDA0003021842600000082
两个服务器不提供相同类型服务可以通过H表示，
Figure BDA0003021842600000083
本应用示例采用半监督层次聚类算法(semi-supervised hierarchicalclustering)对关联矩阵和成对约束信息进行聚类；半监督层次聚类算法先将各个样本作为一个类，计算类与类之间的距离，将距离最近的类合并，直至所有样本合并为一个类时终止；图3为本发明应用示例半监督层次聚类算法的聚类示意图，如图3所示，通过半监督层次聚类算法的聚类，所有样本聚类为一个类；图4为本发明应用示例半监督层次聚类算法的流程图，如图4所示，包括：
步骤401、将关联矩阵和成对约束信息输入半监督层次聚类算法；
步骤402、将关联矩阵的每一个元素作为一个样本，设置半监督层次聚类算法的簇、类及类中心；本应用示例将每一个样本作为一个簇，形成初始的类Si＝{xi},类中心ceni＝xi，k＝N；
步骤402、根据聚类距离进行合并处理，直至输出聚类结果；
本发明实施例合并处理包括：
计算距离矩阵Dk×k,
Figure BDA0003021842600000084
找到Dk×k中最小的元素di,j，将第i类和第j类合并，更新Si和ceni，k＝k-1；
本发明实施例根据聚类距离进行合并处理包括：当k大于1时，继续执行合并处理；当k等于1时，输出聚类结果。
本发明应用示例半监督层次聚类算法，除输入不同外，处理过程与相关技术相同，将关联矩阵和成对约束信息输入至半监督层次聚类算法，将每个样本都作为一簇，形成初始的类与类中心，按照元素计算规则计算距离矩阵，通过转换法则得到判定条件，如果判定成功则输出，判定不成功则继续迭代更新。
表1为本发明应用示例的聚类结果，通过对服务器提供的服务类型进行聚类，本应用示例将服务器分为4类；其中，第一类服务类型包括：超文本传输安全协议(HTTPS)、安全传输层协议(TLS)和超文本传输协议(http)，第二类服务类型包括：HTTPS、tls、http和安全外壳协议(ssh)、微软远程桌面协议(MSRDP)、虚拟网络计算(VNC)和关系型数据库管理***(MySQL)，第三类服务类型包括：ssh、MSRDP、VNC和(其他不含HTTPS/tls/http)，第四类服务类型包括：HTTPS、tls、http和ssh、MSRDP、VNC+(其他不含MySQL)。本发明实施例可以将服务器聚类到上述类别中，由于服务器识别结果的特殊性，本发明应用示例能够实现服务器行为的识别。
Figure BDA0003021842600000091
Figure BDA0003021842600000101
表1
“本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。”

Claims (10)

1.一种实现服务器分类的方法，包括：
从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，所述服务信息包括：提供的服务类型及次数；
通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，根据聚类结果识别服务器类型；
其中，所述成对约束信息包括：预先确定的两个服务器是否提供相同类型服务的信息。
2.根据权利要求1所述的方法，其特征在于，所述从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息，包括：
根据所述网络会话数据中每一条网络会话包含的协议信息，确定每一条网络会话提供的服务类型；
根据确定的每一条网络会话提供的服务类型，统计所述服务器提供的服务类型及次数。
3.根据权利要求1或2所述的方法，其特征在于，所述通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，包括：
根据获取的所有服务器的所述服务信息建立关联矩阵；
将所述成对约束信息与建立的所述关联矩阵输入至所述半监督层次聚类算法中进行聚类。
4.根据权利要求1或2所述的方法，其特征在于，所述通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类之前，所述方法还包括：
从预设的聚类中心数K的取值范围内，每一次选取其中一个数值作为聚类中心数K值；
将预先存储的预设数量的网络会话样本数据，分别输入至选取的每一个聚类中心数K值的半监督层次聚类算法中进行预设时长的聚类处理，获得样本聚类结果；
根据获得的样本聚类结果，确定用于对所述成对约束信息与所述服务信息进行聚类的所述半监督层次聚类算法所述聚类中心数K的值。
5.一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～4中任一项所述的实现服务器分类的方法。
6.一种终端，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如权利要求1～4中任一项所述的实现服务器分类的方法。
7.一种实现服务器分类的装置，包括：获取单元和聚类单元；其中，
获取单元设置为：从待确定服务类型的服务器的网络会话数据中获取服务器的服务信息；其中，所述服务信息包括：提供的服务类型及次数；
聚类单元设置为：通过半监督层次聚类算法对预设的成对约束信息与获取的所有服务器的服务信息进行聚类，根据聚类结果识别服务器类型；
其中，所述成对约束信息包括：预先确定的两个服务器是否提供相同类型服务的信息。
8.根据权利要求7所述的装置，其特征在于，所述获取单元是设置为：
根据所述网络会话数据中每一条网络会话包含的协议信息，确定每一条网络会话提供的服务类型；
根据确定的每一条网络会话提供的服务类型，统计所述服务器提供的服务类型及次数。
9.根据权利要求7或8所述的装置，其特征在于，所述聚类单元是设置为：
根据获取的所有服务器的所述服务信息建立关联矩阵；
将所述成对约束信息与建立的所述关联矩阵输入至所述半监督层次聚类算法中进行聚类。
10.根据权利要求7或8所述的装置，其特征在于，所述聚类单元还设置为：
从预设的聚类中心数K的取值范围内，每一次选取其中一个数值作为聚类中心数K值；
将预先存储的预设数量的网络会话样本数据，分别输入至选取的每一个聚类中心数K值的半监督层次聚类算法中进行预设时长的聚类处理，获得样本聚类结果；
根据获得的样本聚类结果，确定用于对所述成对约束信息与所述服务信息进行聚类的所述半监督层次聚类算法所述聚类中心数K的值。
CN202110404731.2A 2021-04-15 2021-04-15 实现服务器分类的方法、装置、计算机存储介质及终端 Pending CN113239968A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110404731.2A CN113239968A (zh) 2021-04-15 2021-04-15 实现服务器分类的方法、装置、计算机存储介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110404731.2A CN113239968A (zh) 2021-04-15 2021-04-15 实现服务器分类的方法、装置、计算机存储介质及终端

Publications (1)

Publication Number Publication Date
CN113239968A true CN113239968A (zh) 2021-08-10

Family

ID=77128349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110404731.2A Pending CN113239968A (zh) 2021-04-15 2021-04-15 实现服务器分类的方法、装置、计算机存储介质及终端

Country Status (1)

Country Link
CN (1) CN113239968A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447119A (zh) * 2015-11-16 2016-03-30 北京京东尚科信息技术有限公司 一种文本聚类方法
CN107508764A (zh) * 2017-07-03 2017-12-22 网宿科技股份有限公司 一种网络数据流量类型识别方法和装置
CN107967488A (zh) * 2017-11-28 2018-04-27 网宿科技股份有限公司 一种服务器的分类方法及分类***
CN110766273A (zh) * 2019-09-16 2020-02-07 杭州电子科技大学 一种优化特征权值的半监督聚类教学资产分类方法
CN111654486A (zh) * 2020-05-26 2020-09-11 南京云利来软件科技有限公司 一种服务器设备判定识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447119A (zh) * 2015-11-16 2016-03-30 北京京东尚科信息技术有限公司 一种文本聚类方法
CN107508764A (zh) * 2017-07-03 2017-12-22 网宿科技股份有限公司 一种网络数据流量类型识别方法和装置
CN107967488A (zh) * 2017-11-28 2018-04-27 网宿科技股份有限公司 一种服务器的分类方法及分类***
CN110766273A (zh) * 2019-09-16 2020-02-07 杭州电子科技大学 一种优化特征权值的半监督聚类教学资产分类方法
CN111654486A (zh) * 2020-05-26 2020-09-11 南京云利来软件科技有限公司 一种服务器设备判定识别方法

Similar Documents

Publication Publication Date Title
US10560465B2 (en) Real time anomaly detection for data streams
CN110705683B (zh) 随机森林模型的构造方法、装置、电子设备及存储介质
US10075463B2 (en) Bot detection system based on deep learning
CN108280477B (zh) 用于聚类图像的方法和装置
US10547618B2 (en) Method and apparatus for setting access privilege, server and storage medium
EP4120122A1 (en) Video information processing method and apparatus, electronic device, and storage medium
JP2018511109A (ja) 分散データからの学習
CN113726783B (zh) 异常ip地址识别方法、装置、电子设备及可读存储介质
US11374919B2 (en) Memory-free anomaly detection for risk management systems
CN109905328A (zh) 数据流的识别方法和装置
CN113836128A (zh) 一种异常数据识别方法、***、设备及存储介质
WO2019056496A1 (zh) 图片复审概率区间生成方法及图片复审判定方法
CN113760674A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN111353103B (zh) 用于确定用户社群信息的方法和装置
WO2023024408A1 (zh) 用户特征向量确定方法、相关设备及介质
CN112084179A (zh) 一种数据处理的方法、装置、设备及存储介质
CN113239968A (zh) 实现服务器分类的方法、装置、计算机存储介质及终端
US20210064593A1 (en) Unsupervised anomaly detection
CN115130535A (zh) 一种样本噪声识别方法、装置、电子设备及存储介质
CN115803726A (zh) 使用合格关系得分的主数据的改进的实体解析
Herley Automated detection of automated traffic
CN108133046B (zh) 数据分析方法及装置
CN112764839A (zh) 一种用于管理服务平台的大数据配置方法及***
CN111507734B (zh) 作弊请求识别方法、装置、电子设备及计算机存储介质
CN114048512B (zh) 一种处理敏感数据的方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210810

RJ01 Rejection of invention patent application after publication