一种病毒检测方法及病毒检测引擎

    公开(公告)号:CN104200163A

    公开(公告)日:2014-12-10

    申请号:CN201410428004.X

    申请日:2014-08-27

    IPC分类号: G06F21/56

    CPC分类号: G06F21/564

    摘要: 本发明实施例公开一种病毒检测方法及病毒检测引擎,应用于病毒检测领域,能够解决现有的病毒检测耗时大效率低的问题。该方法包括:接收应用文件,其中应用文件中包括证书文件;从应用文件的证书文件中抽取证书签名,证书签名和证书文件一一对应,将证书签名与签名数据库进行匹配,根据匹配结果判断应用文件是否为病毒。本发明的实施例应用于病毒检测。

    用于物联网的信息融合引擎及方法

    公开(公告)号:CN102724307B

    公开(公告)日:2016-04-06

    申请号:CN201210194744.2

    申请日:2012-06-14

    IPC分类号: H04L29/08 H04L12/58 G06F17/30

    摘要: 本发明提供一种用于物联网的信息融合引擎,其包括调度器和多个管理器。所述调度器为所接收的来自特定设备的消息选择用于处理该消息的管理器,所选择的管理器将该消息传递到对应于该设备类型的插件进行处理。每个管理器代表一种业务需求或功能并且管理具有相应功能的一个或多个插件,用于处理来自不同设备类型的消息。通过规范的、可扩展的业务处理插件接口,实现灵活增加专用、通用的接收、存储、转发插件,从而解决各类行业应用数据类型不同、计算方式不同,但需要统一计算、处理的问题。而且可以支持第三方插件,实现日志、内容审计、认证的功能。

    一种基于高斯混合模型的通信数据异常检测方法

    公开(公告)号:CN115442107B

    公开(公告)日:2024-07-09

    申请号:CN202211054379.5

    申请日:2022-08-31

    IPC分类号: H04L9/40 G06F18/214

    摘要: 本申请提供了一种基于高斯混合模型的通信数据异常检测方法,解决了现有的基于统计方法的异常检测预测效果不理想、计算复杂度高的技术问题。其包括以下步骤:输入数据集:输入网络通信行为数据集,数据集为若干条通信在各个阶段的时间成本集合;确定隐变量:每个阶段的数据均来自高斯混合模型,设定隐变量为链路编号Z,且取值范围为[1,K];构成每个高斯混合模型的高斯分布的数量等于链路条数K;参数求解:通过EM算法,进行迭代求解,对该隐变量确定的高斯混合模型进行参数求解;异常检测:新通信行为出现时,通过计算该通信行为的数据点来自高斯混合模型的概率,来预测是否存在异常攻击。本申请广泛应用于通信数据异常检测技术领域。

    用于物联网的信息融合引擎及方法

    公开(公告)号:CN102724307A

    公开(公告)日:2012-10-10

    申请号:CN201210194744.2

    申请日:2012-06-14

    IPC分类号: H04L29/08 H04L12/58 G06F17/30

    摘要: 本发明提供一种用于物联网的信息融合引擎,其包括调度器和多个管理器。所述调度器为所接收的来自特定设备的消息选择用于处理该消息的管理器,所选择的管理器将该消息传递到对应于该设备类型的插件进行处理。每个管理器代表一种业务需求或功能并且管理具有相应功能的一个或多个插件,用于处理来自不同设备类型的消息。通过规范的、可扩展的业务处理插件接口,实现灵活增加专用、通用的接收、存储、转发插件,从而解决各类行业应用数据类型不同、计算方式不同,但需要统一计算、处理的问题。而且可以支持第三方插件,实现日志、内容审计、认证的功能。

    一种基于高斯混合模型的通信数据异常检测方法

    公开(公告)号:CN115442107A

    公开(公告)日:2022-12-06

    申请号:CN202211054379.5

    申请日:2022-08-31

    IPC分类号: H04L9/40 G06K9/62

    摘要: 本申请提供了一种基于高斯混合模型的通信数据异常检测方法,解决了现有的基于统计方法的异常检测预测效果不理想、计算复杂度高的技术问题。其包括以下步骤:输入数据集:输入网络通信行为数据集,数据集为若干条通信在各个阶段的时间成本集合;确定隐变量:每个阶段的数据均来自高斯混合模型,设定隐变量为链路编号Z,且取值范围为[1,K];构成每个高斯混合模型的高斯分布的数量等于链路条数K;参数求解:通过EM算法,进行迭代求解,对该隐变量确定的高斯混合模型进行参数求解;异常检测:新通信行为出现时,通过计算该通信行为的数据点来自高斯混合模型的概率,来预测是否存在异常攻击。本申请广泛应用于通信数据异常检测技术领域。