CN117972685B - 一种基于模拟页面与服务器通信方法及*** - Google Patents
一种基于模拟页面与服务器通信方法及*** Download PDFInfo
- Publication number
- CN117972685B CN117972685B CN202410361342.XA CN202410361342A CN117972685B CN 117972685 B CN117972685 B CN 117972685B CN 202410361342 A CN202410361342 A CN 202410361342A CN 117972685 B CN117972685 B CN 117972685B
- Authority
- CN
- China
- Prior art keywords
- calling
- port
- collaborative
- moment
- analysis model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004891 communication Methods 0.000 title claims abstract description 37
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 13
- 230000005856 abnormality Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000035605 chemotaxis Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001427 coherent effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明属于电子信息、服务器控制技术领域,提出了一种基于模拟页面与服务器通信方法及***,具体为:首先布置模拟页面场景,在模拟页面场景中包括服务中台,然后从服务中台测量并获得调用度,再根据调用度构建协作异常分析模型并获得协作杂冗比,最后通过各个客户端之间的协作杂冗比的对比触发预警。通过提升对CPU中的工作效率异常具有的敏感性,对各个模拟页面构建过程中调用端口的异样性有效量化,把调用性能出现坍缩的位置或者时间点进行高质量识别和标记,进一步对异样IP或者异样客户端的定位进行量化提供数理支撑,提高对异常IP或者客户端的识别精确性。根据不同用户的行为分析进而对恶意用户进行有效甄别。
Description
技术领域
本发明属于电子信息、服务器控制技术领域,具体涉及一种基于模拟页面与服务器通信方法及***。
背景技术
基于模拟页面的服务器通信指的是通过模拟用户交互行为来进行服务器通信,例如使用前端技术(如JavaScript、TypeScript或者GraphQL等)来模拟用户在页面上的操作,然后将相应的数据发送到服务器,这种方式在一些单页应用(SPA)和类似的前端架构中比较常见。在涉及基于模拟页面的服务器通信的领域中,前端的安全性扮演着相当重要的角色,这是因为前端代码在用户的浏览器中运行,可以被用户直接查看和修改,可能会涉及敏感数据的处理和传输,非法分子坑能会对数据篡改,试图通过篡改前端页面上的数据,例如修改表单数据、篡改请求参数等,从而达到不正当的目的。因此,确保前端代码和通信方式的安全性,以防止恶意用户的攻击和数据泄露,这种通信方式的安全性保障对企业和用户都是至关重要的。在模拟页面的应用端口,即客户端的应用程序使用过程,往往涉及多个调用程序,各个调用程序分别存储在对应的服务器中,调用程序的调用行为特征可应用于对用户的行为分析,进而对恶意用户进行有效甄别。
发明内容
本发明的目的在于提出一种基于模拟页面与服务器通信方法及***,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,根据本发明的一方面,提供一种基于模拟页面与服务器通信方法,所述方法包括以下步骤:
S100,布置模拟页面场景,在模拟页面场景中包括服务中台;
S200,从服务中台测量并获得调用度;
S300,根据调用度构建协作异常分析模型并获得协作杂冗比;
S400,通过各个客户端之间的协作杂冗比的对比触发预警。
进一步地,在步骤S100中,所述布置模拟页面场景,在模拟页面场景中包括服务中台的方法是,模拟页面场景中包含若干调用程序,其中调用程序为存储于服务器中的应用程序,各个调用程序分别存储于特定的服务器中,以调用程序作为调用端口;模拟页面场景中还包含应用端口,应用端口安装于用户的客户端,应用端口客户端中安装的应用程序;
用户通过应用端口向服务中台发送操作指令,服务中台根据操作指令形成子指令,将各个子指令分配到对应调用端口进行运算,其中各个子指令拥有一一对应的调用端口;各个调用端口获得子指令后以固定的时间间隔连续生成返回值并发送返回值到服务中台,服务中台根据从各个调用端口获得的返回值建立模拟页面,再将的模拟页面发送到应用端口;其中服务中台为连接客户端口和调用端口的服务器。
进一步地,所述从服务中台测量并获得调用度的方法是,服务中台根据操作指令分配调用端口,一个操作指令形成若干子指令后通过调用各个子指令对应的调用端口共同作业,将这些共同作业的调用端口的集合作为该操作指令的调用组合;如果调用组合相同,则将这样的操作指令定义为同调组指令;各个调用端口每运算并形成一次返回值,测量获得返回值的过程在CPU中运算的时间长度作为实用时长LDW;
调用端口连续地向服务中台发送返回值和对应的实用时长,其中实用时长拥有指令类标记,指令类标记为该调用端口最近一次获得子指令对应操作指令所属的同调组指令;设定一个时间段作为TK,TK∈[12,48]小时;计算获得当前时刻下一个应用端口在一个调用端口的调用度FNDG为:FNDG=LDW/ov.LDW;其中ov.LDW为最近TK时段内服务中台在一个调用端口获得的同一个指令类标记下不限于当前应用端口的所有实用时长的平均值。
进一步地,在步骤S300中,所述根据调用度构建协作异常分析模型并获得协作杂冗比的方法是:设定一个时间段作为监测时段Ft,Ft∈[0.5.5]小时;在最近的时间段Ft内,以同一个调用端口下的不同时刻的调用度为一行,以不同时刻下的同一个调用端口的调用度为一列,构矩阵作为建异常分析模型AMatrix;
取同一时刻下不同调用端口的调用度的平均值,记为该时刻的均调值FFD;取所有时刻下的均调值的平均值作为异常分析模型的全调值SFD;筛选出满足FFD≥SFD的时刻,记为第一危漏点;对于同一时刻下各个调用端口的调用度中的最大值和最小值的差值为该时刻的点端差PMM,取不同时刻下的点端差的平均值记为均点端差e.PMM;根据各个时刻的点端差筛选出满足PMM≤e.PMM的时刻,并将其记为第二危漏点;把同时满足第一危漏点和第二危漏点的时刻记为第一风险位点;
设定Lnj为第一风险位点对应时刻在AMatrix中列的序号值,分别记同一调用端口下各个第一风险位点的调用度中的最大值和最小值为HFDMa和HFDMi,通过异常分析模型矩阵和第一风险位计算获得任一调用端口的协作杂冗比eFHG:
;
其中ln()为自然常数e为底数的对数函数。
由于在筛选第二危漏点的过程中,可能会出现差值为零的情况,从而导致所筛选出的第一风险位点的判断具有一定的缺失,风险范围不够精确,进一步使得计算所得的协作杂冗比不够精确,但是现有的技术并无法解决这种筛选方式精确性不够的问题,为了使对第一风险位点的筛选更加精准和合理并解决该问题,因此本发明还提出了一个更优选的方案如下:
进一步地,在步骤S300中,所述根据调用度构建协作异常分析模型并获得协作杂冗比的方法是,设定一个时间段作为监测时段Ft,Ft∈[0.5.5]小时;在最近的Ft时段内,以一个时刻下的各个调用端口的调用度为一列,以同一个调用端口在各个时刻获得的调用度为一行,构建一个矩阵作为协作异常分析模型DMatrix,以i1和i2分别作为协作异常分析模型中行和列的序号,以DMatrix(i1,i2)代表协作异常分析模型中第i1行i2列的元素,以DMatrix(i1,)代表协作异常分析模型中第i1行中各个元素构成的序列;计算获得协作异常分析模型中第i1行i2列元素的第一调权值FQw(i1,i2)为:
;
其中,dmm{}为极差距离函数,通过极差距离函数可以计算调用序列中最大值与最小值的差值,计算协作异常分析模型中任一列元素的第一调权值的平均值,记为列对应时刻的点位调权值SQw;取协作异常分析模型中所有的元素的第一调权值的平均值,计算获得域调权值TQw;如果在一个时刻下的SQw≥TQw,则将对应的时刻记为第一低险点;
对于DMatrix的任一行,如果一个时刻下的调用度大于其前一个时刻下的调用度,则定义该行这样的时刻为上趋点;如果一个时刻下的调用度小于其前一个时刻下的调用度,则定义该行这样的时刻为下趋点;计算获得协作异常分析模型中任一列的上趋点和下趋点的比值,记为列对应时刻的趋极比RTT;取协作异常分析模型中的所有列的趋极比的平均值,获得平均趋极比eRTT;
如果在一个时刻下的RTT≥eRTT,则将该时刻记为第二低险点;筛选出协作异常模型中同时满足第一低险点和第二低险点的时刻,记这样的时刻为风险位点;设定i3为风险位点的序号,利用第一调权值和第i1个调用端口在第i3个风险位点下的调用度,计算可得在风险位点中第i3个风险位点下的第i1个调用端口的子协作杂冗比FHG(i1,i3),
;
其中FQw(i1,i3)为协作异常分析模型中第i1行第i3个风险位点对应列的第一调权值,len.DMatrix代表协作异常分析模型中列的数量,取风险位点下任一调用端口下的所有时刻的子协作杂冗比的平均值作为对应调用端口的协作冗杂比eFHG。
有益效果:协作冗杂比是通过各个时刻下调用端口的调用度计算获得,即基于一个调用端口中各个返回值形成过程在CPU中的实际运行时长计算获得,对CPU中的工作效率异常具有敏感性,所以可以对各个模拟页面构建过程中调用端口的异样性有效量化,把调用性能出现坍缩的位置或者时间点进行高质量识别和标记,为进一步对异样IP或者异样客户端的定位进行量化提供数理支撑,提高对异常IP或者客户端的识别精确性。
进一步地,在步骤S400中,所述通过各个客户端之间的协作杂冗比的对比触发预警的方法是:以任一个应用端口作为检测应用端口,获取其最近一次操作指令作为当前指令,获取该操作指令对应调用组合中的各个调用端口作为检索调用端口,将当前时刻下各个检索调用端口对应的协作冗杂比构建成检索序列;获取当前服务中台中各个连接的应用端口,各个应用端口均可获取当前指令对应的检索调用端口并获得检索序列;如果检测应用端口对应的检索序列中任一元素均比其他应用端口的对应元素的数值大,则标记检测应用端口为异常应用端,将异常应用端对应的序号或者IP发送到管理人员的客户端,并且禁止异常应用端与服务中台进行数据通信。
优选地,其中,本发明中所有未定义的变量,若未有明确定义,均可为人工设置的阈值。
本发明还提供了一种基于模拟页面与服务器通信***,所述一种基于模拟页面与服务器通信***包括:处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种基于模拟页面与服务器通信方法中的步骤,所述一种基于模拟页面与服务器通信***可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中,可运行的***可包括,但不仅限于,处理器、存储器、服务器集群,所述处理器执行所述计算机程序运行在以下***的单元中:
场景布置单元,用于布置模拟页面场景,在模拟页面场景中包括服务中台;
测度单元,用于从服务中台测量并获得调用度;
模型分析单元,用于根据调用度构建协作异常分析模型并获得协作杂冗比;
警报触发单元,用于通过各个客户端之间的协作杂冗比的对比触发预警。
本发明的有益效果为:本发明提供一种基于模拟页面与服务器通信方法及***,通过提升对CPU中的工作效率异常具有的敏感性,可以对各个模拟页面构建过程中调用端口的异样性有效量化,把调用性能出现坍缩的位置或者时间点进行高质量识别和标记,进一步对异样IP或者异样客户端的定位进行量化提供数理支撑,提高对异常IP或者客户端的识别精确性。根据不同用户的行为分析进而对恶意用户进行有效甄别。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,在附图中:
图1所示为一种基于模拟页面与服务器通信方法的流程图;
图2所示为一种基于模拟页面与服务器通信***结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。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组合。
如图1所示为一种基于模拟页面与服务器通信方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种基于模拟页面与服务器通信方法,所述方法包括以下步骤:
S100,布置模拟页面场景,在模拟页面场景中包括服务中台;
S200,从服务中台测量并获得调用度;
S300,根据调用度构建协作异常分析模型并获得协作杂冗比;
S400,通过各个客户端之间的协作杂冗比的对比触发预警。
进一步地,在步骤S100中,所述布置模拟页面场景,在模拟页面场景中包括服务中台的方法是,模拟页面场景中包含若干调用程序,其中调用程序为存储于服务器中的应用程序,各个调用程序分别存储于特定的服务器中,以调用程序作为调用端口;模拟页面场景中还包含应用端口,应用端口安装于用户的客户端,应用端口客户端中安装的应用程序;
用户通过应用端口向服务中台发送操作指令,服务中台根据操作指令形成子指令,将各个子指令分配到对应调用端口进行运算,其中各个子指令拥有一一对应的调用端口;各个调用端口获得子指令后以固定的时间间隔连续生成返回值并发送返回值到服务中台,服务中台根据从各个调用端口获得的返回值建立模拟页面,再将的模拟页面发送到应用端口;其中服务中台为连接客户端口和调用端口的服务器。
进一步地,所述从服务中台测量并获得调用度的方法是,服务中台根据操作指令分配调用端口,一个操作指令形成若干子指令后通过调用各个子指令对应的调用端口共同作业,将这些共同作业的调用端口的集合作为该操作指令的调用组合;如果调用组合相同,则将这样的操作指令定义为同调组指令;各个调用端口每运算并形成一次返回值,测量获得返回值的过程在CPU中运算的时间长度作为实用时长LDW;
调用端口连续地向服务中台发送返回值和对应的实用时长,其中实用时长拥有指令类标记,指令类标记为该调用端口最近一次获得子指令对应操作指令所属的同调组指令;设定一个时间段作为TK,TK∈[12,48]小时;计算获得当前时刻下一个应用端口在一个调用端口的调用度FNDG为:FNDG=LDW/ov.LDW;其中ov.LDW为最近TK时段内服务中台在一个调用端口获得的同一个指令类标记下不限于当前应用端口的所有实用时长的平均值。
进一步地,在步骤S300中,所述根据调用度构建协作异常分析模型并获得协作杂冗比的方法是:设定一个时间段作为监测时段Ft,Ft∈[0.5.5]小时;在最近的时间段Ft内,以同一个调用端口下的不同时刻的调用度为一行,以不同时刻下的同一个调用端口的调用度为一列,构矩阵作为建异常分析模型AMatrix;
取同一时刻下不同调用端口的调用度的平均值,记为该时刻的均调值FFD;取所有时刻下的均调值的平均值作为异常分析模型的全调值SFD;筛选出满足FFD≥SFD的时刻,记为第一危漏点;对于同一时刻下各个调用端口的调用度中的最大值和最小值的差值为该时刻的点端差PMM,取不同时刻下的点端差的平均值记为均点端差e.PMM;根据各个时刻的点端差筛选出满足PMM≤e.PMM的时刻,并将其记为第二危漏点;把同时满足第一危漏点和第二危漏点的时刻记为第一风险位点;
设定Lnj为第一风险位点对应时刻在AMatrix中列的序号值,分别记同一调用端口下各个第一风险位点的调用度中的最大值和最小值为HFDMa和HFDMi,通过异常分析模型矩阵和第一风险位计算获得任一调用端口的协作杂冗比eFHG:
;
其中ln()为自然常数e为底数的对数函数。
进一步地,在步骤S300中,所述根据调用度构建协作异常分析模型并获得协作杂冗比的方法是,设定一个时间段作为监测时段Ft,Ft∈[0.5.5]小时;在最近的Ft时段内,以一个时刻下的各个调用端口的调用度为一列,以同一个调用端口在各个时刻获得的调用度为一行,构建一个矩阵作为协作异常分析模型DMatrix,以i1和i2分别作为协作异常分析模型中行和列的序号,以DMatrix(i1,i2)代表协作异常分析模型中第i1行i2列的元素,以DMatrix(i1,)代表协作异常分析模型中第i1行中各个元素构成的序列;计算获得协作异常分析模型中第i1行i2列元素的第一调权值FQw(i1,i2)为:
;
其中,dmm{}为极差距离函数,通过极差距离函数可以计算调用序列中最大值与最小值的差值,计算协作异常分析模型中任一列元素的第一调权值的平均值,记为列对应时刻的点位调权值SQw;取协作异常分析模型中所有的元素的第一调权值的平均值,计算获得域调权值TQw;如果在一个时刻下的SQw≥TQw,则将对应的时刻记为第一低险点;
对于DMatrix的任一行,如果一个时刻下的调用度大于其前一个时刻下的调用度,则定义该行这样的时刻为上趋点;如果一个时刻下的调用度小于其前一个时刻下的调用度,则定义该行这样的时刻为下趋点;计算获得协作异常分析模型中任一列的上趋点和下趋点的比值,记为列对应时刻的趋极比RTT;取协作异常分析模型中的所有列的趋极比的平均值,获得平均趋极比eRTT;
如果在一个时刻下的RTT≥eRTT,则将该时刻记为第二低险点;筛选出协作异常模型中同时满足第一低险点和第二低险点的时刻,记这样的时刻为风险位点;设定i3为风险位点的序号,利用第一调权值和第i1个调用端口在第i3个风险位点下的调用度,计算可得在风险位点中第i3个风险位点下的第i1个调用端口的子协作杂冗比FHG(i1,i3),
;
其中FQw(i1,i3)为协作异常分析模型中第i1行第i3个风险位点对应列的第一调权值,len.DMatrix代表协作异常分析模型中列的数量,取风险位点下任一调用端口下的所有时刻的子协作杂冗比的平均值作为对应调用端口的协作冗杂比eFHG。
进一步地,在步骤S400中,所述通过各个客户端之间的协作杂冗比的对比触发预警的方法是:以任一个应用端口作为检测应用端口,获取其最近一次操作指令作为当前指令,获取该操作指令对应调用组合中的各个调用端口作为检索调用端口,将当前时刻下各个检索调用端口对应的协作冗杂比构建成检索序列;获取当前服务中台中各个连接的应用端口,各个应用端口均可获取当前指令对应的检索调用端口并获得检索序列;如果检测应用端口对应的检索序列中任一元素均比其他应用端口的对应元素的数值大,则标记检测应用端口为异常应用端,将异常应用端对应的序号或者IP发送到管理人员的客户端,并且禁止异常应用端与服务中台进行数据通信。
本发明的实施例提供的一种基于模拟页面与服务器通信***,如图2所示为本发明的一种基于模拟页面与服务器通信***结构图,该实施例的一种基于模拟页面与服务器通信***包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种基于模拟页面与服务器通信***实施例中的步骤。
所述***包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下***的单元中:
场景布置单元,用于布置模拟页面场景,在模拟页面场景中包括服务中台;
测度单元,用于从服务中台测量并获得调用度;
模型分析单元,用于根据调用度构建协作异常分析模型并获得协作杂冗比;
警报触发单元,用于通过各个客户端之间的协作杂冗比的对比触发预警。
所述一种基于模拟页面与服务器通信***可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种基于模拟页面与服务器通信***,可运行的***可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种基于模拟页面与服务器通信***的示例,并不构成对一种基于模拟页面与服务器通信***的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种基于模拟页面与服务器通信***还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种基于模拟页面与服务器通信***运行***的控制中心,利用各种接口和线路连接整个一种基于模拟页面与服务器通信***可运行***的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于模拟页面与服务器通信***的各种功能。所述存储器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***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(SecureDigital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (4)
1.一种基于模拟页面与服务器通信方法,其特征在于,所述方法包括以下步骤:
S100,布置模拟页面场景,在模拟页面场景中包括服务中台;
S200,从服务中台测量并获得调用度;
S300,根据调用度构建协作异常分析模型并获得协作杂冗比;
S400,通过各个客户端之间的协作杂冗比的对比触发预警;
其中,在步骤S200中,所述从服务中台测量并获得调用度的方法是,服务中台根据操作指令分配调用端口,一个操作指令形成若干子指令后通过调用各个子指令对应的调用端口共同作业,将这些共同作业的调用端口的集合作为该操作指令的调用组合;如果调用组合相同,则将这样的操作指令定义为同调组指令;各个调用端口每运算并形成一次返回值,测量获得返回值的过程在CPU中运算的时间长度作为实用时长LDW;
调用端口连续地向服务中台发送返回值和对应的实用时长,其中实用时长拥有指令类标记,指令类标记为该调用端口最近一次获得子指令对应操作指令所属的同调组指令;设定一个时间段作为TK,TK∈[12,48]小时;计算获得当前时刻下一个应用端口在一个调用端口的调用度FNDG为:FNDG=LDW/ov.LDW;其中ov.LDW为最近TK时段内服务中台在一个调用端口获得的同一个指令类标记下不限于当前应用端口的所有实用时长的平均值;
在步骤S300中,所述根据调用度构建协作异常分析模型并获得协作杂冗比的方法是:设定一个时间段作为监测时段Ft,Ft∈[0.5,5]小时;在最近的时间段Ft内,以同一个调用端口下的不同时刻的调用度为一行,以不同时刻下的同一个调用端口的调用度为一列,构建矩阵作为建异常分析模型AMatrix;
取同一时刻下不同调用端口的调用度的平均值,记为该时刻的均调值FFD;取所有时刻下的均调值的平均值作为异常分析模型的全调值SFD;筛选出满足FFD≥SFD的时刻,记为第一危漏点;对于同一时刻下各个调用端口的调用度中的最大值和最小值的差值为该时刻的点端差PMM,取不同时刻下的点端差的平均值记为均点端差e.PMM;根据各个时刻的点端差筛选出满足PMM≤e.PMM的时刻,并将其记为第二危漏点;把同时满足第一危漏点和第二危漏点的时刻记为第一风险位点;
设定Lnj为第一风险位点对应时刻在AMatrix中列的序号值,分别记同一调用端口下各个第一风险位点的调用度中的最大值和最小值为HFDMa和HFDMi,通过异常分析模型矩阵和第一风险位点计算获得任一调用端口的协作杂冗比eFHG:
;
其中ln()为自然常数e为底数的对数函数;
在步骤S400中,所述通过各个客户端之间的协作杂冗比的对比触发预警的方法是:以任一个应用端口作为检测应用端口,获取其最近一次操作指令作为当前指令,获取该操作指令对应调用组合中的各个调用端口作为检索调用端口,将当前时刻下各个检索调用端口对应的协作冗杂比构建成检索序列;获取当前服务中台中各个连接的应用端口,各个应用端口均可获取当前指令对应的检索调用端口并获得检索序列;如果检测应用端口对应的检索序列中任一元素均比其他应用端口的对应元素的数值大,则标记检测应用端口为异常应用端,将异常应用端对应的序号或者IP发送到管理人员的客户端,并且禁止异常应用端与服务中台进行数据通信。
2.根据权利要求1所述的一种基于模拟页面与服务器通信方法,其特征在于,在步骤S100中,所述布置模拟页面场景,在模拟页面场景中包括服务中台的方法是,模拟页面场景中包含若干调用程序,其中调用程序为存储于服务器中的应用程序,各个调用程序分别存储于特定的服务器中,以调用程序作为调用端口;模拟页面场景中还包含应用端口,应用端口安装于用户的客户端,应用端口客户端中安装的应用程序;
用户通过应用端口向服务中台发送操作指令,服务中台根据操作指令形成子指令,将各个子指令分配到对应调用端口进行运算,其中各个子指令拥有一一对应的调用端口;各个调用端口获得子指令后以固定的时间间隔连续生成返回值并发送返回值到服务中台,服务中台根据从各个调用端口获得的返回值建立模拟页面,再将的模拟页面发送到应用端口;其中服务中台为连接客户端口和调用端口的服务器。
3.根据权利要求1所述的一种基于模拟页面与服务器通信方法,其特征在于,在步骤S300中,根据调用度构建协作异常分析模型并获得协作杂冗比的方法可替换为,设定一个时间段作为监测时段Ft,Ft∈[0.5,5]小时;在最近的Ft时段内,以一个时刻下 的各个调用端口的调用度为一列,以同一个调用端口在各个时刻获得的调用度为一行,构建一个矩阵作为协作异常分析模型DMatrix,以i1和i2分别作为协作异常分析模型中行和列的序号,以DMatrix(i1,i2)代表协作异常分析模型中第i1行i2列的元素,以DMatrix(i1,)代表协作异常分析模型中第i1行中各个元素构成的序列;计算获得协作异常分析模型中第i1行i2列元素的第一调权值FQw(i1,i2)为:
;
其中,dmm{}为极差距离函数,通过极差距离函数可以计算调用序列中最大值与最小值的差值,计算协作异常分析模型中任一列元素的第一调权值的平均值,记为列对应时刻的点位调权值SQw;取协作异常分析模型中所有的元素的第一调权值的平均值,计算获得域调权值TQw;如果在一个时刻下的SQw≥TQw,则将对应的时刻记为第一低险点;
对于DMatrix的任一行,如果一个时刻下的调用度大于其前一个时刻下的调用度,则定义该行这样的时刻为上趋点;如果一个时刻下的调用度小于其前一个时刻下的调用度,则定义该行这样的时刻为下趋点;计算获得协作异常分析模型中任一列的上趋点和下趋点的比值,记为列对应时刻的趋极比RTT;取协作异常分析模型中的所有列的趋极比的平均值,获得平均趋极比eRTT;
如果在一个时刻下的RTT≥eRTT,则将该时刻记为第二低险点;筛选出协作异常模型中同时满足第一低险点和第二低险点的时刻,记这样的时刻为风险位点;设定i3为风险位点的序号,利用第一调权值和第i1个调用端口在第i3个风险位点下的调用度,计算可得在风险位点中第i3个风险位点下的第i1个调用端口的子协作杂冗比FHG(i1,i3),
;
其中FQw(i1,i3)为协作异常分析模型中第i1行第i3个风险位点对应列的第一调权值,len.DMatrix代表协作异常分析模型中列的数量,取风险位点下任一调用端口下的所有时刻的子协作杂冗比的平均值作为对应调用端口的协作冗杂比eFHG。
4.一种基于模拟页面与服务器通信***,其特征在于,所述一种基于模拟页面与服务器通信***包括:处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-3中任一项所述的一种基于模拟页面与服务器通信方法中的步骤,所述一种基于模拟页面与服务器通信***运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410361342.XA CN117972685B (zh) | 2024-03-28 | 2024-03-28 | 一种基于模拟页面与服务器通信方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410361342.XA CN117972685B (zh) | 2024-03-28 | 2024-03-28 | 一种基于模拟页面与服务器通信方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117972685A CN117972685A (zh) | 2024-05-03 |
CN117972685B true CN117972685B (zh) | 2024-06-11 |
Family
ID=90851760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410361342.XA Active CN117972685B (zh) | 2024-03-28 | 2024-03-28 | 一种基于模拟页面与服务器通信方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117972685B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10268595B1 (en) * | 2017-10-24 | 2019-04-23 | Red Hat, Inc. | Emulating page modification logging for a nested hypervisor |
CN115376192A (zh) * | 2022-09-01 | 2022-11-22 | 北京瑞莱智慧科技有限公司 | 用户异常行为确定方法、装置、计算机设备及存储介质 |
CN116755920A (zh) * | 2023-08-15 | 2023-09-15 | 苏州浪潮智能科技有限公司 | 故障定位方法、设备、装置、存储介质及电子设备 |
CN117172830A (zh) * | 2023-11-01 | 2023-12-05 | 广州手拉手互联网股份有限公司 | 一种电商数据分析的预测模型构建方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220222266A1 (en) * | 2021-01-13 | 2022-07-14 | Capital One Services, Llc | Monitoring and alerting platform for extract, transform, and load jobs |
-
2024
- 2024-03-28 CN CN202410361342.XA patent/CN117972685B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10268595B1 (en) * | 2017-10-24 | 2019-04-23 | Red Hat, Inc. | Emulating page modification logging for a nested hypervisor |
CN115376192A (zh) * | 2022-09-01 | 2022-11-22 | 北京瑞莱智慧科技有限公司 | 用户异常行为确定方法、装置、计算机设备及存储介质 |
CN116755920A (zh) * | 2023-08-15 | 2023-09-15 | 苏州浪潮智能科技有限公司 | 故障定位方法、设备、装置、存储介质及电子设备 |
CN117172830A (zh) * | 2023-11-01 | 2023-12-05 | 广州手拉手互联网股份有限公司 | 一种电商数据分析的预测模型构建方法及*** |
Non-Patent Citations (1)
Title |
---|
Web前端异常响应监控与WRG生成***的设计与实现;杨晨;中国优秀硕士学位论文全文数据库信息科技辑;20231115;1-94 * |
Also Published As
Publication number | Publication date |
---|---|
CN117972685A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949803B (zh) | 一种基于知识图谱的网络异常用户检测方法、装置和设备 | |
CN108183916A (zh) | 一种基于日志分析的网络攻击检测方法及装置 | |
CN113489713A (zh) | 网络攻击的检测方法、装置、设备及存储介质 | |
CN108777687B (zh) | 基于用户行为画像的爬虫拦截方法、电子设备、存储介质 | |
CN111683084B (zh) | 一种智能合约入侵检测方法、装置、终端设备及存储介质 | |
CN107679626A (zh) | 机器学习方法、装置、***、存储介质及设备 | |
CN111144267B (zh) | 设备运行状态检测方法、装置、存储介质及计算机设备 | |
CN107403108A (zh) | 一种数据处理的方法及*** | |
CN111191601A (zh) | 同行用户识别方法、装置、服务器及存储介质 | |
CN111737692A (zh) | 应用程序的风险检测方法及装置、设备、存储介质 | |
CN113761514A (zh) | 一种云桌面多因子安全认证方法及*** | |
CN111327466A (zh) | 一种告警分析方法、***、设备以及介质 | |
CN113051552A (zh) | 一种异常行为检测方法和装置 | |
CN117972685B (zh) | 一种基于模拟页面与服务器通信方法及*** | |
CN112973128A (zh) | 消极游戏行为自动分析处理方法、装置、设备及介质 | |
US20230328101A1 (en) | Systems and methods of detecting anomalous websites | |
CN115643044A (zh) | 数据处理方法、装置、服务器及存储介质 | |
CN115834231A (zh) | 一种蜜罐***的识别方法、装置、终端设备及存储介质 | |
CN114218574A (zh) | 一种数据检测方法、装置、电子设备以及存储介质 | |
CN114710325A (zh) | 网络入侵检测模型的构建方法、装置、设备及存储介质 | |
CN110830321A (zh) | 网站的检测调度方法及装置、存储介质、*** | |
CN108932279A (zh) | 一种应用页面处理方法及装置 | |
CN114925033A (zh) | 信息上链方法、装置、***及存储介质 | |
CN114490262A (zh) | 数据库监控方法、装置、设备及存储介质 | |
CN113722225A (zh) | 页面测试方法、装置、计算机设备和存储介质 |
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 |