网上图像智能安全监管方法

    公开(公告)号:CN1419361A

    公开(公告)日:2003-05-21

    申请号:CN02137755.3

    申请日:2002-10-31

    Abstract: 一种网上图像智能安全监管方法属于网络及信息安全领域。方法具体如下:首先,通过数据捕获和协议分析技术捕获网上图像;其次,通过图像特征提取技术提取图像特征并基于图像特征定位出图像中的可疑部位;然后,对图像中可疑部位进行图像内容识别,以判断其是否是不健康图像信息;最后,根据识别结果对网上数据流进行相应监管处理。本发明使用了基于小波变换的形状提取技术等性能良好的图像特征提取技术并使用了高效快速的基于神经网络的图像可疑部位内容识别技术,与已有的相关技术相比,不但提高了图像识别的准确率,而且也提高了整个图像监管过程的速度。

    网络聊天室内容安全监管系统

    公开(公告)号:CN1350241A

    公开(公告)日:2002-05-22

    申请号:CN01139008.5

    申请日:2001-12-03

    Abstract: 一种网路聊天室内容安全监管系统,包括若干终端用户1、2、3、聊天室服务器4和管理员5,其特点是,还有过滤服务器10,该过滤服务器10分别与该若干终端用户1、2、3和管理员5以双向网路6、7、8和双向网路11相连接,以及以单向网路12连接该聊天室服务器4;该过滤服务器10过滤来自终端用户1、2、3的不良发言并丢入垃圾箱和生成审计记录,该管理员5通过网路11管理所述的垃圾箱和审计日志,这样,能在聊天室中的发言发布之前,及时地发现和删除其中的不良言论,管理员只需要通过管理垃圾箱和审计记录对那些不良言论和发布不良言论的用户进行管理,极大地减少监管工作量。

    新能源波动和数据注入攻击叠加的信息物理融合危害评估方法及系统

    公开(公告)号:CN119835048A

    公开(公告)日:2025-04-15

    申请号:CN202411983291.0

    申请日:2024-12-31

    Abstract: 本发明涉及一种新能源波动和数据注入攻击叠加的信息物理融合危害评估方法及系统,其中方法包括以下步骤:构造新能源波动和数据注入攻击叠加的攻击模型,攻击模型在线路潮流中引入数据注入攻击向量和因新能源出力不确定性引起的变化矢量;通过线路负载安全约束的计算,基于攻击模型确定新能源波动和数据注入攻击叠加下的信息物理融合危害。与现有技术相比,本发明能够确定最坏情况下由新能源出力不确定性和恶意数据攻击叠加引起电网本体危害水平,可以帮助运维人员找到电力系统中的关键风险节点。

    一种用于深度半监督学习的后门攻击防御方法

    公开(公告)号:CN116933261A

    公开(公告)日:2023-10-24

    申请号:CN202310912178.2

    申请日:2023-07-24

    Abstract: 本发明涉及一种用于深度半监督学习的后门攻击防御方法,该方法包括:生成用于对受害深度半监督学习系统进行训练的无标记中毒数据;采用注入有无标记中毒数据的无标记训练数据对受害深度半监督学习系统进行训练,获取被植入后门的受害深度半监督学习系统;采用对比注毒策略,获取受害深度半监督学习系统的后门脆弱性分析结果;根据后门脆弱性分析结果,确定后门攻击防御策略。与现有技术相比,本发明具有防御效果好、验证了深度半监督学习系统的后门脆弱性、能够直观观测不同扰动幅度对后门脆弱性的影响等优点。

    基于用户兴趣的信息溯源方法和系统

    公开(公告)号:CN109885760B

    公开(公告)日:2020-12-29

    申请号:CN201910059484.X

    申请日:2019-01-22

    Abstract: 本发明提供了一种基于用户兴趣的信息溯源方法和系统,提取用户历史微博信息中的内容关键词,计算所述内容关键词与兴趣关键词的相关程度,评估博主对某个兴趣分类的感兴趣程度,计算博主微博在某个兴趣分类的用户影响力,进一步获得博主的总影响力;计算评论人或者转发人对某个兴趣分类的感兴趣程度,得到评论人或者转发人的评论转发总影响力;根据微博信息的发布时间,计算时间影响力;分别对博主总影响力、评论人或者转发人的评论转发总影响力、时间影响力、关注度赋予对应的权重,得到微博综合得分,根据微博得分进行排序溯源。

    异常流量检测系统及方法
    18.
    发明公开

    公开(公告)号:CN111832647A

    公开(公告)日:2020-10-27

    申请号:CN202010662958.2

    申请日:2020-07-10

    Abstract: 本发明提供了一种异常流量检测系统及方法,包括:流量特征分析与选取模块:根据泛在电力物联网流量特点对流量特征进行筛选,并使用KPCA算法对流量特征进行降维;流量基准模型构建模块:对降维后的流量特征进行提取,基于RBM模型和SOM聚类算法构建受限玻尔兹曼机模型并进行训练,完成基准模型的构建;流量基准模型训练模块:根据对比散度算法对训练后的基准模型进行异常度划分,划分为正常基准模型与异常基准模型;异常流量检测模块:提取待检测流量特征并进行计算,根据基准模型的输出与原输入特征数据的相似度进行异常流量检测。本发明可以完成流量数据的自动类别标注,且具有较高的网络流量异常检测准确率。

    基于认知正则化参数构建的图像超分辨率重构方法

    公开(公告)号:CN103871041B

    公开(公告)日:2016-08-17

    申请号:CN201410108363.7

    申请日:2014-03-21

    Abstract: 一种基于认知正则化参数构建的图像超分辨率重构方法,利用人眼认知理论为每一个图像分块计算合适的正则化参数,称之为认知正则化参数,并将其引入到求解稀疏表示的过程中,然后再结合基于稀疏表示的超分辨率重构方法对所有分块进行重构,最后重组所有重构后的分块得到高分辨率图像。将本发明用于人脸图像中进行测试,结果表明本方法在重构图像效果上优于使用固定正则化参数的方法。

    基于三角簇多标签传播的复杂网络社区结构挖掘方法

    公开(公告)号:CN103020267B

    公开(公告)日:2016-01-20

    申请号:CN201210573195.X

    申请日:2012-12-26

    Abstract: 一种基于三角簇多标签传播的复杂网络社区挖掘方法,包括以下步骤:搜索网络中互不相交的三角簇;为不同三角簇中的节点设置互不相同的标签作为标签传播的起始状态;按照多标签更新规则,对于网络中的所有节点,同步进行标签的传播更新;将更新后得到的标签数组与之前更新得到的标签数组进行比较;如果标签仍在传播,则继续进行更新;如果标签产生振荡,则进行振荡消除处理后再继续进行更新;如果标签不再改变,则停止更新,得到网络中的具有重叠的社区结构。本发明的时间复杂度很低,适用于大规模的复杂网络。此外,本发明可以很好地检测出网络社区结构的重叠部分,并且具有良好的鲁棒性,检测的准确度很高。

Patent Agency Ranking