-
公开(公告)号：CN110300016B
公开(公告)日：2020-12-04
申请号：CN201910397763.7
申请日：2019-05-14
Applicant: 中国科学院信息工程研究所
IPC: H04L12/24
Abstract: 本发明提供一种基于差分预解集的网络信息扩散源头推断方法，属于信息技术处理领域，用G＝(V，E)表示网络节点之间的连接关系，其中V表示网络节点集，E表示网络边集，从中选取差分预解集S，建立扩散源特征，收集级联信息，判断指标集合的模|Ic|的大小，如果大于预设值，则提取级联C的特征向量，对每个节点v∈V的扩散源特征进行调整，对所有的节点v∈V逐一计算范数，找到范数最小的那个节点推断为源头。本方法能够主动地对数据来源进行优化选取，提高输入数据的质量，大幅提升源头推断的精度。
-
公开(公告)号：CN106878102B
公开(公告)日：2020-05-22
申请号：CN201611204278.6
申请日：2016-12-23
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种基于网络流量多字段识别的人流量检测方法，步骤包括：1)获取网络流量，对所含的数据包进行预处理，包括IP碎片重组、链接还原和协议识别；2)识别预处理后的数据包所含的多字段信息，该多字段信息包括基准字段、设备指纹字段、位置信息和时间戳信息；3)将多字段信息填充于设备表中；4)通过检测设备表中的联网设备位置信息和时间戳信息来统计人流量。本发明还提供一种基于网络流量多字段识别的人流量检测系统，包括流量获取模块、数据预处理模块、多字段识别模块、设备表模块及人流量统计模块。
-
公开(公告)号：CN110363282A
公开(公告)日：2019-10-22
申请号：CN201910489364.3
申请日：2019-06-06
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于图卷积网络的网络节点标签主动学习方法和系统。该方法包括：1)根据当前带标签节点集合L，采用图卷积网络GCN预测本轮迭代中各节点的标签；2)根据GCN的分类效果更新待标注节点的查询策略，根据查询策略获得相应的待标注节点；3)将根据查询策略得到的待标注节点进行集成，从本轮迭代中的不带标签节点集合U中选出最优的待标注节点进行标注，并加入带标签节点集合L中；4)迭代进行步骤1)～3)，直到标注的节点数目达到预先设置的目标数目。所述查询策略包括标签覆盖率查询策略、信息熵查询策略、节点中心性查询策略、信息密度查询策略。本发明能够改善和解决图卷积网络当带标签节点过少时参数更新困难的问题。
-
公开(公告)号：CN110300016A
公开(公告)日：2019-10-01
申请号：CN201910397763.7
申请日：2019-05-14
Applicant: 中国科学院信息工程研究所
IPC: H04L12/24
Abstract: 本发明提供一种基于差分预解集的网络信息扩散源头推断方法，属于信息技术处理领域，用G＝(V，E)表示网络节点之间的连接关系，其中V表示网络节点集，E表示网络边集，从中选取差分预解集S，建立扩散源特征，收集级联信息，判断指标集合的模|Ic|的大小，如果大于预设值，则提取级联C的特征向量，对每个节点v∈V的扩散源特征进行调整，对所有的节点v∈V逐一计算范数，找到范数最小的那个节点推断为源头。本方法能够主动地对数据来源进行优化选取，提高输入数据的质量，大幅提升源头推断的精度。
-
公开(公告)号：CN110233938A
公开(公告)日：2019-09-13
申请号：CN201910398052.1
申请日：2019-05-14
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提出一种基于可疑性度量的团伙诈骗电话识别方法，采用无监督的方式，利用电话号码之间的呼叫记录信息，为每个电话号码定义可疑性度量，采用风险等级量化的方式识别团伙诈骗电话。本方法不需引入用户的主观标记结果，不仅能避免主观判断带来的缺陷，还能在较短时间内完成模型训练与线上使用，为用户遭受团体诈骗提供了一种简单、实用的识别方法，有效地缓解了滞后性所带来的问题。
-
Patent Agency Ranking
公开(公告)号：CN105468681B
公开(公告)日：2018-11-23
申请号：CN201510783824.5
申请日：2015-11-16
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于话题模型的网络负面信息影响最小化方法，包括如下步骤：1)采用有向图表示社交网络中信息的传播，通过话题模型分别计算负面信息的概率分布和每条边上的历史信息的概率分布；2)分别计算负面信息的概率分布和每条边上的历史信息的概率分布的距离，即KL散度d(w,i)，其中d表示KL散度的计算结果，w表示历史信息的话题分布，i表示负面信息的话题分布；3)计算和其中b(w)和o(w)分别为中心度和出度入度算法的计算结果，然后从大到小排序，并去掉前k个节点，使负面信息的传播范围最小。本发明对于恶意信息已经爆发的社交网络能进行有效地控制，使负面信息的影响范围大大降低。
-
公开(公告)号：CN110347932A
公开(公告)日：2019-10-18
申请号：CN201910479105.2
申请日：2019-06-04
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的跨网络用户对齐方法。本方法为：1)利用已知标签的用户对集合及用户对的结构信息训练深度学习框架；其中 为已对齐的用户对，即社交网络GA中第i个用户 与社交网络GB中第m个用户 是同一用户；2)根据社交网络的结构信息分别从社交网络GA、社交网络GB中提取待对齐用户的结构信息 以及 并将其以用户对为单位输入训练后的深度学习框架，确定该用户对是否属于同一个真实人进行分类预测。本发明大大提高了跨网络用户对齐的准确性。
-
公开(公告)号：CN109753589A
公开(公告)日：2019-05-14
申请号：CN201811432008.X
申请日：2018-11-28
Applicant: 中国科学院信息工程研究所
IPC: G06F16/901 , G06F16/904
Abstract: 本发明公开了一种基于图卷积网络的图可视化方法，其步骤包括：1)对于目标领域的网络G＝(V，E)，将网络G中的节点嵌入到一个低维欧式空间中，得到网络G的低维嵌入向量；所述低维嵌入向量包含网络G中节点的特征信息和网络G的拓扑结构信息；其中，V是节点集合，E是边集合；2)将所述低维嵌入向量构造成一张K近邻图，即KNN图；3)基于概率模型将所述KNN图在二维空间中绘制出来。本发明学习到的嵌入向量同时保留了节点的结构信息和特征信息，可以对可视化结果进行粒度化调整。
-
公开(公告)号：CN110363282B
公开(公告)日：2021-10-26
申请号：CN201910489364.3
申请日：2019-06-06
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于图卷积网络的网络节点标签主动学习方法和系统。该方法包括：1)根据当前带标签节点集合L，采用图卷积网络GCN预测本轮迭代中各节点的标签；2)根据GCN的分类效果更新待标注节点的查询策略，根据查询策略获得相应的待标注节点；3)将根据查询策略得到的待标注节点进行集成，从本轮迭代中的不带标签节点集合U中选出最优的待标注节点进行标注，并加入带标签节点集合L中；4)迭代进行步骤1)～3)，直到标注的节点数目达到预先设置的目标数目。所述查询策略包括标签覆盖率查询策略、信息熵查询策略、节点中心性查询策略、信息密度查询策略。本发明能够改善和解决图卷积网络当带标签节点过少时参数更新困难的问题。
-
公开(公告)号：CN110362818A
公开(公告)日：2019-10-22
申请号：CN201910489380.2
申请日：2019-06-06
Applicant: 中国科学院信息工程研究所
IPC: G06F17/27 , G06N3/04 , G06F16/951
Abstract: 本发明涉及一种基于用户关系结构特征的微博谣言检测方法和系统。该方法包括以下步骤：1)根据用户行为信息构造用户关系结构图，对所述用户关系结构图进行建模得到用户向量；2)根据微博话题流数据的传播路径构造传播树，对所述传播树进行编码得到传播树向量；3)将所述用户向量和所述传播树向量进行级联，并输入神经网络来判断微博话题是否为谣言。该系统包括用户编码器、传播树编码器和集成器。本发明对谣言传播过程中参与的用户进行建模，得到微博数据流中所有用户的向量表示，在谣言检测过程中增加了有用的检测因素，即体现了用户特征的作用，提高了谣言检测系统的正确率和F1值。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.037 seconds)
