简介:摘要:随着微服务、容器等高新技术的推进,开源软件逐渐成为行业的主流模式。目前开源软件越来越趋于复杂化和多样化,加剧了安全威胁、漏洞攻击的风险,然而传统的用户攻击行为检测具有一定的局限性,无法检测未知用户攻击行为,检测识别时间较长,检测性能低和误报率较高的问题。针对上述问题,本文提出了基于开源软件系统用户攻击行为的检测模型,通过抓取当前用户行为流量数据包,对其进行标准化处理后按照时间戳的正序排列依次构造图形表示,采用聚合函数、自注意力机制将图形表示进行聚合,转化为图特征,基于WL图核计算方法,依次计算图特征向量的相似度,最后通过图特征向量相似度的差异值的对比计算,实现当前用户攻击行为的检测。
简介:2015年8月,纽约推出了一项名为“DriveSmarf”的计划,该计划将对纽约市约400名司机进行驾驶习惯跟踪调查,其中调查的项目包括车速以及尾气排放量等。所有参与该计划的驾驶员都将获得最高30%的汽车保险折扣。纽约交通运输部表示,该计划还将收集驾驶员会在何时急转弯或者急刹车的数据,因为这一计划就是为了解纽约市人们的驾驶情况,最终利用这些数据来解决交通问题,比如让纽约不再被称为“堵城”,让驾驶员养成良好的驾驶习惯等。该试点计划将会进行整整一年。在此期间,所有参与该计划的驾驶员都需要在OBD—11(车载诊断系统)上接入一个专门的数据监测设备,该设备将会把这些数据上传至DriveSmart云端服务器。