-
公开(公告)号：CN103716204B
公开(公告)日：2017-02-08
申请号：CN201310712975.2
申请日：2013-12-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于维纳过程的异常入侵检测集成学习方法，包括以下步骤：选择网络流量数据集；将每个网络流量样本及其样本概率分布输入到未初始化的神经网络分类器或者经过上次训练得到的神经网络弱分类器中，判断神经网络弱分类器对每个网络流量样本是否分类错误，调整每个网络流量样本的数量及样本概率分布；反复执行步骤2，得到多个神经网络弱分类器；分别确定每个神经网络弱分类器的权重；根据每个弱分类器及每个弱分类器对应的权重，得到强分类器；将待检测网络数据流输入到强分类器中，得到入侵检测结果；重复执行步骤6，直至所有待检测网络数据流检测完毕。本发明能够解决不平衡数据集的分类问题、得到分类正确率较高的无偏分类器。
-
公开(公告)号：CN104008401A
公开(公告)日：2014-08-27
申请号：CN201410191249.5
申请日：2014-05-07
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种图像文字识别的方法及装置，包括将获取到的不同格式的文字图像进行图像解析生成格式统一的TIFF图像；对所述TIFF图像进行图像处理得到二值图像；对所述二值图像进行矢量转换，获取所述二值图像像素阵列对应的矢量数据；将所述矢量数据与预设的英文或汉字的矢量库进行模式匹配，获取匹配的文字结果。采用本发明提出的方法及装置，能够有效识别文档图像中的文字部分，方便图像文字文档的二次编辑和处理，实现对文档图像的识别速度快、效率高、准确率好、应用范围广的效果。
-
公开(公告)号：CN103617235A
公开(公告)日：2014-03-05
申请号：CN201310611396.9
申请日：2013-11-26
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/3089
Abstract: 本发明涉及一种基于粒子群算法的网络水军账号识别方法，具体包括以下步骤：步骤1：收集β个用户的用户信息，从所述每个用户信息中提取λ个相关指标，得到β个指标向量；步骤2：对λ个指标根据需要分配权重，得到权重向量；步骤3：将β个指标向量按照其中每个指标大小进行排序，得到λ个序列；步骤4：选取每个用户为粒子，应用粒子群算法，将符合条件的粒子保存到水军用户列表；步骤5：选取水军用户列表中所有可疑水军用户，将符合条件的所有邻居加入水军用户列表。本发明在实时性方面，本发明提出的基于改进粒子群算法的网络水军账号识别方法更为适宜。
-
Patent Agency Ranking
公开(公告)号：CN104008401B
公开(公告)日：2018-05-18
申请号：CN201410191249.5
申请日：2014-05-07
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种图像文字识别的方法及装置，包括将获取到的不同格式的文字图像进行图像解析生成格式统一的TIFF图像；对所述TIFF图像进行图像处理得到二值图像；对所述二值图像进行矢量转换，获取所述二值图像像素阵列对应的矢量数据；将所述矢量数据与预设的英文或汉字的矢量库进行模式匹配，获取匹配的文字结果。采用本发明提出的方法及装置，能够有效识别文档图像中的文字部分，方便图像文字文档的二次编辑和处理，实现对文档图像的识别速度快、效率高、准确率好、应用范围广的效果。
-
公开(公告)号：CN104008336B
公开(公告)日：2017-04-12
申请号：CN201410191246.1
申请日：2014-05-07
Applicant: 中国科学院信息工程研究所
IPC: G06F21/56
Abstract: 本发明提供一种ShellCode检测方法和装置，包括：建立包含ShellCode特征序列的ShellCode指令序列特征库；载入待检测文件，对所述待检测文件进行解析，形成解析文件；对所述解析文件进行指令的模拟执行和分析，记录可疑指令序列并与所述ShellCode指令序列特征库中的ShellCode特征序列进行对比，判断所述解析文件中是否包含ShellCode；输出检测结果。本发明能够在ShellCode执行之前即进行检测，防止了ShellCode对系统造成的影响，及时阻止了其进行恶意篡改的可能性。
-
公开(公告)号：CN103955714A
公开(公告)日：2014-07-30
申请号：CN201410146467.7
申请日：2014-04-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及水军检测模型构建方法，包括步骤：对一组样本数据进行任务分割得到多个任务，平均特征抽取得到多个任务的训练样本集；多任务特征选择，得到多个任务的特征权重矩阵；设定一个阈值δ，判断特征权重矩阵中的一个列向量中的最大值是否大于阈值δ，如是，下一步；否则，放弃所述列向量，执行步骤5；将所述列向量添加到共享特征项集合中；判断特征权重矩阵中是否存在未与阈值δ进行比较的列向量，如是，执行步骤3；否则，下一步；输入新的训练数据集；计算得到线性分类值；设置水军阈值，使线性分类值大于水军阈值时判定其为水军。本发明利用多任务学习的方法建立水军检测模型，实现了方便快捷的识别出水军用户。
-
公开(公告)号：CN103812872A
公开(公告)日：2014-05-21
申请号：CN201410073426.X
申请日：2014-02-28
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于混合狄利克雷过程的网络水军行为检测方法及系统，其方法为，采集包括用户行为特征和内容特征的原始数据，并对每个维度的原始数据进行量化表示构成用户的历史行为向量，构成待聚类用户数据集；对待聚类用户数据集中的历史行为向量进行聚类，得到至少一个分类用户行为集合；将所有分类用户行为集合中的数据进行转换，对转换后的数据中具有相同用户标识的数据合并，得到序列数据库；模式挖掘模块对序列数据库进行序列模式挖掘，得到分别对应每个分类用户行为集合的至少一个事务序列模式；水军判断模块比较每个事务序列模式，就可以判断出哪个分类用户行为集合是水军账号。本发明很容易分辨出哪一类属于水军账号。
-
公开(公告)号：CN103729678A
公开(公告)日：2014-04-16
申请号：CN201310681479.5
申请日：2013-12-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于改进DBN模型的水军检测方法，具体包括以下步骤：步骤1：采用已分类数据集对原始DBN深度信念网络模型进行训练和检测，构成改进DBN深度信念网络模型；步骤2：将待分类数据集中的数据输入改进DBN深度信念网络模型进行分类，完成对水军用户的识别。本发明结合DBN深度信念网络和PSO粒子群算法对“苍蝇水军”进行识别，然后构造DBN模型，用已分类数据集对模型进行训练，最后用得到的模型对待分类用户数据进行分类，即实现了“苍蝇水军”的识别。该方法是对BP神经网络算法的改进，既可以保证较高的判定准确率，又具有较短的训练时间，且不易陷入局部最优解。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
