一种基于网络流量预测与熵的网络流水印检测方法及系统

    公开(公告)号:CN106302433B

    公开(公告)日:2019-12-31

    申请号:CN201610657284.0

    申请日:2016-08-11

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于网络流量预测与熵的网络流水印检测方法及系统,方法包括水印嵌入与水印检测,所述水印嵌入包括:通过指数平滑预测和信息熵处理网络流量,定性定量地代替随机确定适合水印嵌入的时间间隔;在确定的时间间隔内进行水印嵌入检测操作。与传统的网络流水印方法相比,本发明克服了传统水印方案存在的共同缺点,即随机获取时间点进行水印的嵌入操作导致检测准确率较低的缺点。本发明在信息量大的时间内嵌入水印,不易暴露,具有更好的隐蔽性、更强壮的鲁棒性等优势;同时在确定的时间间隔内进行水印操作,提高了水印检测的准确率,也提高了水印的检测效率。

    一种多级负载预测与云资源弹性配置方法与监控配置系统

    公开(公告)号:CN104639626B

    公开(公告)日:2018-04-17

    申请号:CN201510043131.2

    申请日:2015-01-28

    Applicant: 华侨大学

    Abstract: 本发明涉及一种多级负载预测与云资源弹性配置方法,以及一种基于监控与预测的云资源弹性配置系统。本发明所述的多级负载预测与云资源弹性配置方法以及基于监控与预测的云资源弹性配置系统,云资源监控系统采用2层架构,降低了云资源监控系统的复杂度,同时减轻了单台监控服务器的负载压力。负载预测流程采用了时间复杂度更低的预测算法,降低了预测本身的系统资源开销。资源弹性配置流程采用多级预测与资源配置机制,在不同的时间精度内对云资源动态调整,提高云资源利用率。

    一种基于网络流水印的网络主动追踪方法及系统

    公开(公告)号:CN105072083A

    公开(公告)日:2015-11-18

    申请号:CN201510386446.7

    申请日:2015-07-03

    Applicant: 华侨大学

    CPC classification number: H04L63/1441

    Abstract: 本发明涉及一种基于网络流水印的网络主动追踪方法,以及一种基于网络流水印的网络主动追踪系统。本发明对追踪链路上的流量首先进行信息熵分析,确定嵌入水印和提取水印的时间点,有针对性的嵌入和提取水印,代替现有系统中随机盲目的嵌入和提取水印,具有更高的追踪效率。本发明对追踪链路上的流量在嵌入和提取水印之前首先对流量进行信息熵分析,在信息熵大的时间段增强了水印(追踪标志)的隐蔽性和健壮性,从而具有更高的追踪准确率。本发明同时对所述追踪的网络节点的输入流和输出流进行检测,对跳板主机来说,在它的输入流量和输出流量中同时能检测到水印,而对于攻击源来说,仅在输出流量中检测到水印。

    一种多级负载预测与云资源弹性配置方法与监控配置系统

    公开(公告)号:CN104639626A

    公开(公告)日:2015-05-20

    申请号:CN201510043131.2

    申请日:2015-01-28

    Applicant: 华侨大学

    Abstract: 本发明涉及一种多级负载预测与云资源弹性配置方法,以及一种基于监控与预测的云资源弹性配置系统。本发明所述的多级负载预测与云资源弹性配置方法以及基于监控与预测的云资源弹性配置系统,云资源监控系统采用2层架构,降低了云资源监控系统的复杂度,同时减轻了单台监控服务器的负载压力。负载预测流程采用了时间复杂度更低的预测算法,降低了预测本身的系统资源开销。资源弹性配置流程采用多级预测与资源配置机制,在不同的时间精度内对云资源动态调整,提高云资源利用率。

    一种基于网络流水印的网络主动追踪方法及系统

    公开(公告)号:CN105072083B

    公开(公告)日:2018-05-25

    申请号:CN201510386446.7

    申请日:2015-07-03

    Applicant: 华侨大学

    Abstract: 本发明涉及一种基于网络流水印的网络主动追踪方法,以及一种基于网络流水印的网络主动追踪系统。本发明对追踪链路上的流量首先进行信息熵分析,确定嵌入水印和提取水印的时间点,有针对性的嵌入和提取水印,代替现有系统中随机盲目的嵌入和提取水印,具有更高的追踪效率。本发明对追踪链路上的流量在嵌入和提取水印之前首先对流量进行信息熵分析,在信息熵大的时间段增强了水印(追踪标志)的隐蔽性和健壮性,从而具有更高的追踪准确率。本发明同时对所述追踪的网络节点的输入流和输出流进行检测,对跳板主机来说,在它的输入流量和输出流量中同时能检测到水印,而对于攻击源来说,仅在输出流量中检测到水印。

    一种基于网络流量预测与熵的网络流水印检测方法及系统

    公开(公告)号:CN106302433A

    公开(公告)日:2017-01-04

    申请号:CN201610657284.0

    申请日:2016-08-11

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于网络流量预测与熵的网络流水印检测方法及系统,方法包括水印嵌入与水印检测,所述水印嵌入包括:通过指数平滑预测和信息熵处理网络流量,定性定量地代替随机确定适合水印嵌入的时间间隔;在确定的时间间隔内进行水印嵌入检测操作。与传统的网络流水印方法相比,本发明克服了传统水印方案存在的共同缺点,即随机获取时间点进行水印的嵌入操作导致检测准确率较低的缺点。本发明在信息量大的时间内嵌入水印,不易暴露,具有更好的隐蔽性、更强壮的鲁棒性等优势;同时在确定的时间间隔内进行水印操作,提高了水印检测的准确率,也提高了水印的检测效率。

Patent Agency Ranking