基于深度包解析的信息系统性能监测分析方法

提出一种基于深度包解析技术的Web信息系统性能监测分析方法。首先,阐述方法实现的技术基础;其次,给出方法的具体实现步骤,涉及网络传输时延、页面访问时延、系统健康度等指标;最后,在某电力企业门户系统中对上述方法进行验证。实践表明,该性能监测分析方法运行稳定、分析直观,具有较好的实用性与市场价值。

基于深度流量分析的挖矿行为检测与实践

为密织防范网络,清理挖矿木马病毒,有效治理校园网虚拟货币挖矿行为,提出了一种校园网恶意挖矿行为的检测与阻断模型。该模型采用基于签名的深度包检测技术,结合动态威胁情报,建立了挖矿协议的状态机模型,对报文进行深度包分析,以识别挖矿协议,在校园网出口实现挖矿流量的检测、识别与阻断。实践证明,该模型能够实时检测出虚拟货币相关流量,动态拦截受害矿机与矿池的通信流量,并实时定位受感染主机,有效地遏制校园网的恶意挖矿行为。

深度包检测(DPI)技术浅谈及应用

DPI(深度包检测)是一种智能管道的感知技术,随着电信运营商提出"智能管道"的概念,DPI技术在电信网络中的应用越来越广泛。文章介绍了DPI的概念,系统架构有串接、并接和串并一体化方式,系统工作包括数据采集、数据分析、数据统计和控制,主要实现全业务分析与控制、用户行为分析、广告推送等功能,并提出了在电信运营商的应用场景。

脑电双频谱指数用于肝包虫患者麻醉中深度监测的应用

研究分析脑电双频谱指数用于肝包虫患者麻醉中深度监测的应用。方法:纳入时间为2019年1月-2020年8月,在此期间在我院进行麻醉手术的患有肝包虫疾病的患者作为研究对象,一共280例,随机分组分为参照组和观察组两组,每组140例,在麻醉期间,参照组采用常规方法进行麻醉深度检测,观察组采用脑电双频谱指数(BIS)进行麻醉深度检测,观察对比两组患者使用麻醉药品的药物用量、患者的各项苏醒指标、术中知晓率以及患者发生恶心、呕吐、嗜睡等手术麻醉不良反应率。结果:对比两组患者使用麻醉药物的用量,观察组明显低于参照组(P<0.05),观察对比两组患者苏醒时间,拔管时间、语言指令反应恢复时间以及定向力恢复时间等苏醒指标,观察组明显短于参照组(P<0.05),且观察组无术中知晓现象发生,明显低于参照组的发生率(11.43%),对比两组患者发生恶心、呕吐、嗜睡等手术麻醉不良反应率,观察组的发生率也相对较低,对比参照组组差异明显(P<0.05),实验结果有统计学意义。结论:脑电双频谱指数用于肝包虫患者麻醉中深度监测的效果显著,有效减少麻醉药物的使用量,间接降低了患者麻醉后因麻醉药物产生不良反应的概率,还对缩短患者苏醒有一定的协助作用,提高了手术麻醉的安全性,值得推广应用。

深度包检测中一种高效的正则表达式压缩算法

提出一种基于确定的有穷状态自动机(deterministic finite automaton,简称DFA)的正则表达式压缩算法.首先,定义了膨胀率DR(distending rate)来描述正则表达式的膨胀特性.然后基于DR提出一种分片的算法RECCADR(regular expressions cut and combine algorithm based on DR),有效地选择出导致DFA状态膨胀的片段并隔离,降低了单个正则表达式存储需求.同时,基于正则表达式的组合关系提出一种选择性分群算法REGADR(regular expressions group algorithm based on DR),在可以接受的存储需求总量下,通过选择性分群大幅度减少了状态机的个数,有效地降低了匹配算法的复杂性.

基于钻井参数的钻头磨损泥包监测识别方法

现有的钻头磨损及钻头泥包识别方法多是利用钻井参数变化规律进行主观判断,没有一种确定的模型或方法来准确识别钻头磨损及泥包。文章在前人研究的基础上,提出了不同钻井条件下钻头摩擦系数及切削深度的计算模型,并结合邻井测井数据、钻头破岩机械比能模型建立了钻头磨损泥包监测识别方法。该方法在综合考虑了地层岩石强度、机械钻速、钻压、转速、扭矩、水力参数等因素前提下形成了一套监测识别模型。在西南油气田3口井中进行了现场试验,试验结果证明该方法能够在钻井过程中准确识别钻头磨损及泥包。现场试验主要用于PDC钻头,需要在不同钻头的井中进一步验证。

基于DPI的互联网视频业务精准推荐方法

通过深度包检测(Deep Packet Inspection,DPI)技术,分析用户访问互联网视频的行为。改变以往单一地从互联网视频网站和用户上网流量中提取用户行为的思路,采用DPI深度报文检测技术分析网络视频流量,结合视频请求、视频搜索及视频本身信息,精确、全面地分析用户视频行为,从数据源头解决用户访问多互联网视频网站时,各网站之间的用户分析信息无法关联的问题,可以快速、准确、有效地提取重度视频用户及其行为喜好,大大提升对价值视频用户挖掘的准确度。

基于DPI的流量识别系统的开发与设计

互联网技术的发展使得网络流量复杂多样,网络安全事故增多,网络流量的识别与监控对保障网络安全具有越来越重要的作用。文中针对传统的只用软件监测流量速度慢而不能满足现代网络的高速数据吞吐量问题与只用硬件识别占用内存大的问题,提出了一种基于深度包监测(DPI)的流量识别系统开发与设计方法,该方法采用软硬结合,其基于正则表达式,主要思想是针对复杂网络协议则用软件识别,而常用的网络协议则用硬件识别,从而使得系统结合传统软件与硬件方法的优点。实验结果表明,文中所设计的系统识别准确率高,且在网络没有堵塞的前提下无误报、漏报现象,满足网络使用需求。

基于DPI的流量识别系统的研究

随着网络应用的多样化,各种网络流量不断复杂化、多样化,各种网络安全事故频发。网络流量的分布不均匀以及网络安全状况的复杂使得互联网急需管理和维护,网络流量的监控问题变得尤为重要。流量识别作为一种能够自动、实时保障网络监控的技术,成为防火墙一类静态安全设备的必要补充,越来越受到人们的重视。深度包监测(DPI)技术以其识别的准确性成为应用越来越广泛的识别技术。然而单纯的软件实现系统监测速度较慢,不能满足网络高速数据包处理的吞吐量要求。单纯的硬件识别知识库会占用大量内存,一般的硬件内存达不到要求。单纯的软件识别效率又不能满足越来越大的网络吞吐量需求。这种情况下,文章研究了一种基于正则表达式的软硬件结合系统实现方法,该方法的主要思想是硬件识别网络常见协议,软件识别复杂的网络协议,且两者都支持正则表达式。这种方法兼具软件与硬件实现的优点,与传统的软件实现相比,在识别效率方面有明显提高。

DPI技术在贵州电网互联网统一出口网络的应用

作为贵州电网与互联网互联的关键组成部分,贵州电网互联网统一出口网络的重要性不言而喻。现阶段互联网应用越来越丰富,各种新业务层出不穷,越来越多的新业务对带宽的要求越来越高,这就造成新业务对关键业务的带宽抢占。作为与生产息息相关的互联网统一出口网络,如何保障关键性生产业务的业务带宽、保障关键性应用就成为网络运维的重要组成部分。在对贵州电网互联网统一出口网络中所应用的DPI(Deep Packet Inspection)深度包检测技术的应用进行阐述。

DPI用户行为触发智能提速应用的初探

电信行业发展的趋势是运营商竞争日益激烈,面向客户的服务越加细分和差异化。客户服务差异化越明显,给运营商带来的运营成本越高,因此精确化营销服务已经成为电信运营提高竞争力的一个重要营销手段。文章探讨采用DPI和DACS联动运营的模式,面向本网用户进行价值"挖潜",以分析数据直接驱动运营需求。

基于DPI技术的LTE_S1接口流量识别系统设计与实现

针对传统流量识别系统性能低、可扩展性差等问题，提出一种以多叉树作为深度包检测（deeppacketinspec-tion，DPI）技术的模式匹配方法。通过对现行长期演进（10ngtermevolution，LTE）网络Sl接口用户面数据进行解析，采用层次化、模块化设计思想，实现一套以协议解析、流量识别、数据存储为基础的流量识别系统。经测试，系统在实现对用户行为监测的基础上，达到单机4～5Gb／s的处理速度，对大数据流量识别系统的设计具有重要参考意义。

LTE-Advanced网络流量监测和分析技术的研究与实现

实现LTE-Advanced(LTE-A)网络的流量监测和分析具有重要的意义。本文应用深度包检测技术(DPI)和DFI技术对应用层业务进行精细化识别,并设计了基于传输流的业务呼叫/事务详细记录(x DR)合成方法,实现了对业务流量的精确监测以及统计分析。

一种基于DPI技术的用户上网行为管理方法

为了对企业用户行为进行动态管理,基于DPI(深度包检测)技术对用户业务的感知能力深度挖掘并分析用户行为数据。从用户属性、流量识别与监控、网络识别与监控等多角度、多层面进行用户行为分析,进而实现用户网络行为精确画像。针对不同用户建立特征库,实现个性化策略管理,最终达到用户网络行为管理精细化,网络使用合理化。

基于DPI技术的校园网络带宽管理

随着我国大学的不断扩招,越来越多的学生进入到大学生活,学生在校期间无论是从生活还是学习都离不开网络,校园网的用户与业务流量是年年递增,学生们对网络宽带的需求量也是越来越大,可是各式各样的网络在应用无序的抢占着有限宽带的资源,这必然会让网络的运行效率大幅度的降低。为了能保障网络安全快速的运行,我们就要分析出校园网络所对应的出口流量,对网络的出口流量进行严格的控制管理,实行网络宽带的有效管理策略,保证教学科研上的网络需求,节约宽带的出口资源,以此来提高网络的使用性能。为此,我们对校园网络的宽带管理的技术,结合学校的实际情况来进行了探析。

基于DPI数据的NB-IoT业务故障三定分析

针对NB-IoT(窄带物联网)业务特性,在移动DPI(深度包检测)识别技术的基础上,从移动DPI数据的NB-IoT特有信令与业务协议、物联网企业特征3个方面,对业务故障进行“三定”(定段、定界、定位)研究,实现对NB-IoT主流业务客户感知问题的发现和处理,从而提升物联网业务运营能力。

Net Optics:专注DPI 做深网络智能

移动互联网应用的火热和数据爆炸的冲击,正使运营商刮起一股席卷全球的"智能管道"旋风。DPI(深度包检测)、PCC(计费策略控制)成为智能管道建设的两大重点领域,也成为当前运营商和设备商重点投入的落脚点。来自美国的Net Optics便是其中之一,这家成立于美国硅谷的企业。

城域网宽带提速用户流量和行为分析系统探讨

互联网的快速发展使网络流量迅猛增长,电信运营商希望通过宽带提速提升宽带用户的上网感知。在宽带提速背景下,还应对用户流量和行为进行分析。文章根据电信运营商对用户流量多维度分析的业务诉求,提出城域网宽带提速用户流量和行为分析系统的建设。描述系统的实现原理和建设方案,对系统实现的大带宽用户流量统计及行为统计分析功能进行深入研究,并通过系统在现网部署分析大带宽用户流量和上网行为的变化趋势。

家庭WiFi下手机号码特征自动提取方法

提出一种家庭宽带WiFi下手机号码特征自动提取方法。该方法采用DPI(深度包检测)技术、Hyperscan高速字符串匹配、Hadoop分布式架构、分布式爬虫等技术,可以更加快速准确地识别出固网WiFi下用户手机号码特征。通过实验进行论证,手机号码特征可以每天定时自动输出,且根据这些手机号码特征提取的手机号准确率可以达到86%以上,相比传统离线人工肉眼识别方法,提取特征的效率有很大的提高。

P2P流量识别技术研究

自上世纪90年代以来,P2P在网络中的应用越来越广泛,P2P应用也开始多元化。P2P流量在因特网总流量中占据了极其重要的地位,而且对于P2P应用的关注也越来越多。因此,在很多情况下,对P2P流量的检测是十分必要的。文章结合P2P网络中出现的问题,分析了P2P对网络流量的影响,提出了P2P流量识别的几项关键技术并对其优缺点做出评价。