一种基于人工智能的软件代码缺陷识别方法及相关装置

    公开(公告)号:CN111143219A

    公开(公告)日:2020-05-12

    申请号:CN201911380345.3

    申请日:2019-12-27

    Abstract: 本申请提供了一种基于人工智能的软件代码缺陷识别方法及相关装置,其中,方法包括:将待检测软件代码拆分为具有依赖关系的多个软件代码碎片;通过词向量算法,将每个软件代码碎片转换为软件代码向量,以得到具有依赖关系的多个软件代码向量;根据待检测软件代码对应的多个软件代码向量,确定待检测软件代码是否为缺陷软件代码。由于本申请在确定待检测软件代码是否为缺陷软件代码时,充分考虑了软件代码向量之间的依赖关系,从而识别待检测软件代码是否为缺陷软件代码时准确性更高。

    一种基于资产CIA的信息安全事件的定级管理方法和装置

    公开(公告)号:CN101908117A

    公开(公告)日:2010-12-08

    申请号:CN201010263360.2

    申请日:2010-08-26

    Abstract: 本发明公开了一种基于资产CIA的信息安全事件的定级管理方法,包括:A、利用事件分类映射获取信息安全事件的初始级别;B、确定信息安全事件的主要受影响资产;C、根据主要受影响资产的CIA和信息安全事件的初始级别,计算信息安全事件的最终级别;D、根据信息安全事件的最终级别进行信息安全事件的管理。本发明还公开了一种基于资产CIA的信息安全事件定级管理装置。本发明通过主要受影响资产的CIA和信息安全事件的初始级别计算出来的信息安全事件的最终级别,对信息安全事件进行管理,更准确、有效的反应信息安全事件在企业和组织中需要被关注的程度,提高企业与组织对信息安全事件的管理效率,更有效的满足企业和组织对信息安全事件的管理需求。

    一种多无线终端数据监测方法及系统

    公开(公告)号:CN112087752B

    公开(公告)日:2022-07-29

    申请号:CN202010752301.5

    申请日:2020-07-30

    Abstract: 本发明提供一种多无线终端数据监测方法包括,配置第一无线终端;嗅探当前无线信道且获取信道信息;第一无线终端解析信道信息后获取信道信息中连接WiFi的第二无线终端标识信息。第一无线终端向第二无线终端发送攻击报文且获取认证数据包及密钥。第一无线终端通过密钥获取第二无线终端的当前传输数据包。从而本发明中的多无线终端数据监测方法在实现过程中,获取监控端的链路层流量,并解密得到网络层传输数据包,从而可实现无线终端的传输数据监测,提高了无线通信的安全性及可靠性。

    一种样本生成方法及装置
    17.
    发明授权

    公开(公告)号:CN109598334B

    公开(公告)日:2021-06-29

    申请号:CN201811465635.3

    申请日:2018-12-03

    Abstract: 本发明公开了一种样本生成方法及装置,将预先采集的训练集中的数据输入神经网络模型,得到样本生成模型,神经网络模型为采用了注意力机制的神经网络模型;将预先采集的测试集中的数据输入样本生成模型,生成样本。本发明采用了注意力机制的神经网络模型,使得神经网络模型能够对输入数据中的字符赋予不同的权重,从而更有选择性地学习输入数据中的数据信息,找到输入数据中与本次输出数据相关性较高的数据,最终得到高精度的深度学习模型,且训练损失较小,而高精度的深度学习模型生成的样本也必然具有更高的合法性和多样性。

    一种多无线终端数据监测方法及系统

    公开(公告)号:CN112087752A

    公开(公告)日:2020-12-15

    申请号:CN202010752301.5

    申请日:2020-07-30

    Abstract: 本发明提供一种多无线终端数据监测方法包括,配置第一无线终端;嗅探当前无线信道且获取信道信息;第一无线终端解析信道信息后获取信道信息中连接WiFi的第二无线终端标识信息。第一无线终端向第二无线终端发送攻击报文且获取认证数据包及密钥。第一无线终端通过密钥获取第二无线终端的当前传输数据包。从而本发明中的多无线终端数据监测方法在实现过程中,获取监控端的链路层流量,并解密得到网络层传输数据包,从而可实现无线终端的传输数据监测,提高了无线通信的安全性及可靠性。

    一种电子邮件网络中节点关系的分析方法及系统

    公开(公告)号:CN109150600A

    公开(公告)日:2019-01-04

    申请号:CN201810920770.6

    申请日:2018-08-14

    CPC classification number: H04L41/14 H04L41/024 H04L41/142 H04L43/045 H04L51/22

    Abstract: 本发明公开了一种电子邮件网络中节点关系的分析方法,包括:获取与当前网络中各个节点对应的有向图;依据所述有向图,确定所述目标网络中各个节点的度值,得到度量矩阵;依据所述度量矩阵中各个节点的度值对所述当前网络中的各个节点进行筛选处理,得到目标网络;计算所述目标网络中各个节点的网页级别值,完成所述当前目标网络中节点的分析。上述的分析方法,依据当前网络中与各个节点的对应有向图,确定所述各个节点的度值,依据每一个节点的度值对所述当前网络中的各个节点进行筛选分析,得到的目标网络中节点的数量减少,避免了对所述当前网络中孤立的节点或者与其它节点关联较少的节点进行网页级别值计算,有效降低计算的复杂度和工作量。

    一种测试样本生成方法及装置

    公开(公告)号:CN111258909A

    公开(公告)日:2020-06-09

    申请号:CN202010082531.5

    申请日:2020-02-07

    Abstract: 本申请提供了一种测试样本生成方法及装置,在本申请中,利用基于强化学习的有效变异位置预测模型对目标样本的变异位置进行预测,可以降低变异位置选取的盲目性,提高变异位置的有效性,依据有效性较高的变异位置,对目标样本进行有效的变异,并基于有效变异的目标样本,生成有效性较高的测试样本,减少无效测试样本的生成,提高测试的效率。

Patent Agency Ranking