-
公开(公告)号：CN119420629A
公开(公告)日：2025-02-11
申请号：CN202411450178.6
申请日：2024-10-17
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L41/0631 , H04L41/16 , G06N3/042
Abstract: 本发明涉及一种基于图卷积神经网络的微服务故障根因定位方法(Micro)，该方法通过图卷积神经网络分析微服务之间的复杂依赖关系，帮助在故障发生时判断故障类型，首先，利用监控系统模拟各种故障类型并将其注入系统，对模拟故障的度量数据进行分类和标记，然后，通过图卷积神经网络MetricSage，基于历史度量数据进行训练，以实现实例级别的故障根因分析。故障发生后，系统收集实时故障数据和服务调用数据，并通过异常服务调用数据构建微服务异构拓扑子集。根据实时指标数据分配权重，创建加权异构拓扑，并对其执行个性化随机漫步算法以生成根因候选集。最后，将该候选集和实时数据特征输入MetricSage进行特征加权分析，确定最终的故障根因和类型。
-
公开(公告)号：CN119544259A
公开(公告)日：2025-02-28
申请号：CN202411444901.X
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: H04L9/40 , H04L9/00 , H04L67/104 , G06F21/62 , G06F21/60 , G06F21/32 , G06F21/64 , G06F18/241
Abstract: 本发明公开了一种云平台数据安全风险预测方法、系统及存储介质，涉及数据安全技术领域，包括：获取云平台的至少一个数据存储节点和至少一个数据存储路径；获取数据存储节点的数据重要等级；对云平台的数据进行备份，备份数据存储在区块链中；得到至少一个网络攻击类别，计算得出网络攻击类别的占比；计算得出网络攻击类别对云平台攻击的平均影响因子；计算得出至少一个网络攻击对云平台攻击的总体影响因子；使用总体影响因子作为云平台数据安全风险预测等级。通过设置安全分类模块、异常获取模块、因子计算模块和风险预测模块，考虑到各种网络攻击的不同情况及对数据影响的不同，得到的预测结果具有较高的参考价值。
-
公开(公告)号：CN119537070A
公开(公告)日：2025-02-28
申请号：CN202411447065.0
申请日：2024-10-16
Applicant: 国网安徽省电力有限公司信息通信分公司 , 东南大学
IPC: G06F11/07 , G06F18/22 , G06F18/24 , G06F18/213
Abstract: 本发明公开了一种云平台大规模主机故障的处理方法及系统，包括：获取所有历史主机分析原始数据，并对所有历史主机分析原始数据进行特征提取。基于对主机中的海量历史分析数据及最终的分析结果进行综合总计分析，最终分析为存有主机故障种类的所有历史分析特征数据中出现的分析特征作为与主机故障种类相关的若干个分析特征，同时计算主机故障种类与分析特征之间的相关权重，依次作为后续分析时，进行匹配度计算的数据基础，进而实现对于海量分析数据的有效复用，提高推荐分析手段时的精准度，可有效的降低对于工作人员分析经验的积累需求，实现海量分析数据的有效复用，保证主机故障分析时可以进行推荐最佳的检修手段。
-
公开(公告)号：CN119179934A
公开(公告)日：2024-12-24
申请号：CN202411682757.3
申请日：2024-11-22
Applicant: 东南大学 , 国网安徽省电力有限公司信息通信分公司
Abstract: 本发明公开了一种基于谱聚类构图的图卷积神经网络协议分类方法，涉及于网络安全和机器学习领域，所述方法包括以下步骤：从收集到的网络协议数据中筛选出关键字段；优化传统谱聚类构图算法，对筛选出的数据进行聚类，将数据处理成适合图神经网络的图结构形式；利用谱聚类得到的图结构作为图卷积神经网络的输入，提出S‑GCN模型，采用随机初始化的三层GCN进行建模，对节点三阶邻域进行卷积，在最后一层通过对节点特征聚合来实现网络协议分类。实验证明本发明的方法在分类结果上有较高的准确率，S‑GCN中图结构的优劣直接影响到分类结果，同时证明了本发明图结构的高效性。
-
-
-
Search Results
4
records
(took 0.043 seconds)
