表项快速同步的方法及系统

    公开(公告)号:CN109783430B

    公开(公告)日:2021-04-27

    申请号:CN201811467161.6

    申请日:2018-12-03

    IPC分类号: G06F15/17 G06F16/27

    摘要: 本发明公开了一种表项快速同步的方法及系统,该表项快速同步的方法包括:第一步,用户下发表项至主控板卡CPU;第二步,主控板卡CPU通过板间带外通道发送表项至业务板卡CPU;第三步,主控板卡CPU通过板间带内通道发送表项至业务板卡NP处理器;第四步,业务板卡CPU通过板间带外通道异步接收表项至业务板卡本地数据库,与此同时,业务板卡NP处理器通过板外通道同步接收表项。本发明通过引入业务板卡CPU异步接收表项方式,使得业务板卡CPU在更短的时间内释放当前接收处理任务,进行下一次接收处理。并且表项接收后只需同步至本板数据库,不必再通过板内PCIe通道下发至本板NP处理器,简化了处理流程,释放了更多的CPU资源。

    表项快速同步的方法及系统

    公开(公告)号:CN109783430A

    公开(公告)日:2019-05-21

    申请号:CN201811467161.6

    申请日:2018-12-03

    IPC分类号: G06F15/17 G06F16/27

    摘要: 本发明公开了一种表项快速同步的方法及系统,该表项快速同步的方法包括:第一步,用户下发表项至主控板卡CPU;第二步,主控板卡CPU通过板间带外通道发送表项至业务板卡CPU;第三步,主控板卡CPU通过板间带内通道发送表项至业务板卡NP处理器;第四步,业务板卡CPU通过板间带外通道异步接收表项至业务板卡本地数据库,与此同时,业务板卡NP处理器通过板外通道同步接收表项。本发明通过引入业务板卡CPU异步接收表项方式,使得业务板卡CPU在更短的时间内释放当前接收处理任务,进行下一次接收处理。并且表项接收后只需同步至本板数据库,不必再通过板内PCIe通道下发至本板NP处理器,简化了处理流程,释放了更多的CPU资源。

    一种基于协同网络表示学习的电信异常检测方法

    公开(公告)号:CN109474756A

    公开(公告)日:2019-03-15

    申请号:CN201811367747.5

    申请日:2018-11-16

    CPC分类号: H04M3/2281 H04W12/12

    摘要: 本发明公开了一种基于协同网络表示学习的电信异常检测方法,属于数据挖掘与机器学习领域。首先训练xgboost分类器,测试每条CDR数据的欺诈类别概率构成待检测的信令数据集。提取主被叫用户构成通联二部图P,根据评分从信令数据集中选取疑似欺诈的主叫节点生成种子节点集合Z,并将存在共同被叫邻居的任意两个主叫添加到协同网络集合G。通联二部图P扩展出待选的被叫节点集合B,并移除不满足条件的被叫用户,保留下来的被叫节点更新到集合B'中;扩展并更新种子节点集合Z',去重合并更新协同网络G',降维得到嵌入向量进行建模预测,取异常得分最大的N个作为检测结果输出。本发明保证了生成的协同网络的质量,提高计算速度,可以适应不同的数据特点。

    一种基于局部-全局特征注意力的加密应用流量分类方法及系统

    公开(公告)号:CN116827873A

    公开(公告)日:2023-09-29

    申请号:CN202310199298.2

    申请日:2023-03-03

    摘要: 本发明公开了一种基于局部‑全局特征注意力的加密应用流量分类方法及系统,该方法分为人工智能模型训练阶段和加密应用流量分类阶段。在人工智能模型训练阶段,将根据有应用类别标签的加密应用字节流序列,训练神经网络中的可学习参数,从而实现自动化的加密应用流量特征提取和加密应用流量分类,并得到训练好的加密流量分类模型。加密应用流量分类阶段,基于训练完成的加密应用流量模型参数,对网络环境中获取到的真实网络流量进行特征提取并完成加密应用流量分类。本发明通过局部‑全局特征注意力机制的加密应用流量建模方法,建立更加鲁棒的分类特征,实现对应用流量更加精准的分类。