-
公开(公告)号：CN111353032B
公开(公告)日：2022-06-14
申请号：CN202010122754.X
申请日：2020-02-27
Applicant: 福州大学
IPC: G06F16/332 , G06F16/35 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种面向社区问答的问题分类方法及系统，该方法包括以下步骤：步骤A：采集网络问答社区中用户所提问题以及对应的问题类别，构建问题分类训练集TS；步骤B：对问题分类训练集TS中的问题进行字符级编码和词语级编码，得到问题的表征向量，以此训练基于双通道神经网络的深度学习网络模型；步骤C：问题分类系统接受用户提交的问题，将问题输入到训练好的深度学习网络模型中，输出模型划分的问题所述类别。该方法及系统有利于提高社区问答中问题分类的准确性。
-
公开(公告)号：CN110222163B
公开(公告)日：2022-10-04
申请号：CN201910497128.6
申请日：2019-06-10
Applicant: 福州大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种融合CNN与双向LSTM的智能问答方法及系统，包括以下步骤：采集智能问答系统中的问题以及回答记录，构建问答对训练集QA；采集智能问答系统中每个用户的问题回答记录，构建用户的历史回答训练集UA；步骤C：使用问答对训练集QA以及用户的历史回复训练集UA，训练融合CNN与双向LSTM的深度学习网络模型M；步骤D：智能问答系统接受用户的提问，将提问输入到训练好的深度学习网络模型M中，输出匹配的答案。本发明融合CNN与双向LSTM，能够全面准确地提取影响智能问答精度的各项特征。
-
公开(公告)号：CN110222163A
公开(公告)日：2019-09-10
申请号：CN201910497128.6
申请日：2019-06-10
Applicant: 福州大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种融合CNN与双向LSTM的智能问答方法及系统，包括以下步骤：采集智能问答系统中的问题以及回答记录，构建问答对训练集QA；采集智能问答系统中每个用户的问题回答记录，构建用户的历史回答训练集UA；步骤C：使用问答对训练集QA以及用户的历史回复训练集UA，训练融合CNN与双向LSTM的深度学习网络模型M；步骤D：智能问答系统接受用户的提问，将提问输入到训练好的深度学习网络模型M中，输出匹配的答案。本发明融合CNN与双向LSTM，能够全面准确地提取影响智能问答精度的各项特征。
-
Patent Agency Ranking
公开(公告)号：CN109088899A
公开(公告)日：2018-12-25
申请号：CN201811280577.7
申请日：2018-10-30
Applicant: 福州大学
IPC: H04L29/06
Abstract: 本发明涉及一种针对XSS攻击的APT预警方法，首先接收来自WEB应用防火墙的WEB攻击检测结果，并针对XSS攻击检测结果，模拟黑客绕过WEB应用防火墙拦截规则的行为，产生新的攻击规则，丰富XSS攻击规则库；然后结合APT攻击知识库，对XSS攻击检测结果进行标识，产生APT攻击标识结果；并将没有标识的XSS攻击添加到未知APT攻击集中；接着对未知APT攻击集合中进行预处理，得到未知APT攻击预处理结果集；利用基于MapReduce的分布式Aprior算法对未知APT攻击预处理结果集进行关联分析，产生APT关联规则，得到与XSS攻击对应的APT分析情报，作为APT威胁情报输出。本发明实现了对目前XSS攻击种类多样并主动防御的机制。
-
公开(公告)号：CN110225030A
公开(公告)日：2019-09-10
申请号：CN201910498923.7
申请日：2019-06-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和RCNN-SPP网络的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含基于空间金字塔SPP池化的循环卷积RCNN的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到RCNN-SPP神经网络模型，得到域名的特征向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
公开(公告)号：CN110225030B
公开(公告)日：2021-09-28
申请号：CN201910498923.7
申请日：2019-06-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于SMOTE和RCNN‑SPP网络的恶意域名检测方法，包括以下步骤：对训练集中的域名进行数据预处理，得到域名字符序列训练集D；利用改进的SMOTE算法，对域名字符序列训练集D进行均衡化数据合成，得到增强均衡化的训练集D’；构造并初始化包含基于空间金字塔SPP池化的循环卷积RCNN的神经网络模型；将训练集D’中的域名转换为固定长度的表征向量；将步骤D得到的域名的表征向量输入到RCNN‑SPP神经网络模型，得到域名的特征向量；将域名的上下文向量输入到神经网络模型的全连接层，得到训练好的神经网络模型；将待判定的域名转换为字符序列，输入训练好的神经网络模型，输出判定结果。
-
公开(公告)号：CN109088899B
公开(公告)日：2021-04-27
申请号：CN201811280577.7
申请日：2018-10-30
Applicant: 福州大学
IPC: H04L29/06
Abstract: 本发明涉及一种针对XSS攻击的APT预警方法，首先接收来自WEB应用防火墙的WEB攻击检测结果，并针对XSS攻击检测结果，模拟黑客绕过WEB应用防火墙拦截规则的行为，产生新的攻击规则，丰富XSS攻击规则库；然后结合APT攻击知识库，对XSS攻击检测结果进行标识，产生APT攻击标识结果；并将没有标识的XSS攻击添加到未知APT攻击集中；接着对未知APT攻击集合中进行预处理，得到未知APT攻击预处理结果集；利用基于MapReduce的分布式Aprior算法对未知APT攻击预处理结果集进行关联分析，产生APT关联规则，得到与XSS攻击对应的APT分析情报，作为APT威胁情报输出。本发明实现了对目前XSS攻击种类多样并主动防御的机制。
-
公开(公告)号：CN111353032A
公开(公告)日：2020-06-30
申请号：CN202010122754.X
申请日：2020-02-27
Applicant: 福州大学
IPC: G06F16/332 , G06F16/35 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种面向社区问答的问题分类方法及系统，该方法包括以下步骤：步骤A：采集网络问答社区中用户所提问题以及对应的问题类别，构建问题分类训练集TS；步骤B：对问题分类训练集TS中的问题进行字符级编码和词语级编码，得到问题的表征向量，以此训练基于双通道神经网络的深度学习网络模型；步骤C：问题分类系统接受用户提交的问题，将问题输入到训练好的深度学习网络模型中，输出模型划分的问题所述类别。该方法及系统有利于提高社区问答中问题分类的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
