-
公开(公告)号：CN110020433B
公开(公告)日：2023-04-18
申请号：CN201910256769.2
申请日：2019-04-01
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F40/295 , G06F16/35 , G06Q50/00
Abstract: 本发明公开了一种基于企业关联关系的工商高管人名消歧方法，涉及实体消歧领域，包括以下步骤：将待消歧数据集U，按高管姓名划分成组n个高管姓名组A；根据步骤S1得到的姓名组划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；针对每个姓名组A，根据密切度计算规则，计算姓名组A中高管节点之间的关联密切度f；根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果。本发明能自动化对工商高管人名进行消歧，具有较高的消歧准确率，且具有一定的阈值设置灵活性，可满足较多应用场景的工商高管人名消歧；同时可构建高管任职关联关系、高管投资关联关系，为高管全视角的关联图谱分析提供支撑。
-
公开(公告)号：CN116561244A
公开(公告)日：2023-08-08
申请号：CN202310403811.5
申请日：2023-04-14
Applicant: 国家计算机网络与信息安全管理中心 , 长城计算机软件与系统有限公司
IPC: G06F16/31 , G06F16/35 , G06F40/289 , G06F16/36 , G06F18/214 , G06F18/24 , G06F40/30 , G06N3/0499 , G06N3/0895
Abstract: 本发明实施例涉及一种目标关系的识别方法及装置，所述方法包括：获取目标关系对应的训练数据集和检测数据集；根据上下句预测和掩码预测对联合模型进行模型预训练，得到训练好的联合抽取预训练模型；将所述训练数据集输入到所述联合抽取预训练模型中进行模型训练，得到训练好的联合抽取模型；将所述检测数据集输入到所述联合抽取模型中进行数据抽取处理，得到检测抽取结果；根据所述检测抽取结果确定所述检测数据集对应目标关系的识别结果。通过将检测数据集输入到训练好的联合抽取模型中，实现数据抽取，得到检测抽取结果，将在抽取到的检测抽取结果进行判断分析，确定所述检测数据集的识别结果；由本方案，可以实现企业关系、资本谱系或实体关系的快速识别的技术效果。
-
公开(公告)号：CN116092102A
公开(公告)日：2023-05-09
申请号：CN202211714858.5
申请日：2022-12-27
Applicant: 国家计算机网络与信息安全管理中心 , 长城计算机软件与系统有限公司
IPC: G06V30/412 , G06V30/413 , G06V30/18 , G06V30/162 , G06V30/148 , G06V30/19 , G06V10/44 , G06V10/26 , G06V10/28 , G06V10/48 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种包含文本信息的结构图的处理方法，所述方法包括：基于包含文本信息的结构图的线段组成进行轮廓检测；根据检测出的轮廓拟合出几何多边形；基于所述结构图中文本框的特征条件，从所述几何多边形中过滤掉不符合所述特征条件的形状，得到边框。本发明能够从包含有文本信息的结构图中高效、准确地提取出边框。
-
公开(公告)号：CN113076464B
公开(公告)日：2022-07-22
申请号：CN202110392387.X
申请日：2021-04-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/953 , G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于重构编码异常检测的多通道网络线索发现方法及装置，该方法步骤如下：步骤一、构建面向暗网、telegram、区块链交易网络的正则化多通道网络并进行节点对齐；步骤二、基于多通道图表征重构的特征表示学习的线索检测：该装置包括：多通道网络构建与对齐模块、多通道图表征重构的特征表示学习的线索检测模块。本发明可实现对暗网、国外主流即时通讯工具等多通道的网络进行监测，实现网络异常发现和内容管控,实现针对不良信息发现，或者一些网络异常行为的发现。
-
公开(公告)号：CN104135474B
公开(公告)日：2017-11-03
申请号：CN201410343212.X
申请日：2014-07-18
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于主机出入度的检测网络异常行为的方法，从全新的角度提出了一种主机属性判定,攻击检测方法,在技术难度较低,资源耗用较小的情况下能够实现一定量种类的网络行为检测，异常行为监测。首先定义度、出度和入度；其中，度是四元组连接的数量；出度是指主机向其他主机发出的四元组连接的数量；入度是指主机接收其他主机的四元组连接的数量；该方法根据主机的出入度比例是否超出已知范围，以实现网络异常行为的检测；不同业务主机的出入度比例范围不同。
-
Patent Agency Ranking
公开(公告)号：CN107220347A
公开(公告)日：2017-09-29
申请号：CN201710390490.4
申请日：2017-05-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京赛思信安技术股份有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种基于Lucene的支持表达式的自定义相关度排序算法，属于计算机技术领域。所述算法包括：用表达式解析模块对用户输入的表达式进行合法性检查，并转化为系统可以计算的形式；表达式计算模块根据表达式中的参数，在Lucene索引中提取出相应字段进行计算；相关度排序模块对表达式的计算结果进行排序；最后用结果整合模块对各数据节点返回的计算结果进行整合，将最终自定义表达式的排序结果返回给用户。本发明支持多字段间进行表达式计算，并按照其进行排序，优于单纯的文档打分排序机制，而且该发明支持更多的函数计算，且该算法适用于分布式的大数据平台上。
-
公开(公告)号：CN107194804A
公开(公告)日：2017-09-22
申请号：CN201710391332.0
申请日：2017-05-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京赛思信安技术股份有限公司
Abstract: 本发明公开了一种P2P网贷数据自动化核验方法，包括步骤一：数据接入，步骤二：数据接入自动化审核，步骤三：数据API自动化接入，步骤四：完成自动化数据核验，本发明中数据多重核验全自动化进行，安全、智能；本发明的方法，具有很强的实用性，具有很广泛的应用前景。
-
公开(公告)号：CN107067322A
公开(公告)日：2017-08-18
申请号：CN201710390471.1
申请日：2017-05-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京赛思信安技术股份有限公司
CPC classification number: G06Q40/025 , H04L67/104
Abstract: 本发明公开了一种应用于P2P网络借贷企业数据接入模型的系统及方法；系统分为三个模块：数据接入模块、数据预处理模块和数据加载存储模块；数据接入模块完成对网络借贷平台的身份认证和数据接入接口规范；数据预处理模块完成数据完整性和有效性校验，建立各类数据完整性和有效性校验规则，并对数据进行去重和修正操作；数据加载存储模块完成大规模数据安全存储技术，为数据分析建模提供安全而方便的数据支撑服务；本发明的优点在于：可以对大量网络借贷平台中的异构数据形成规范和统一的标准，并进行规范、安全、稳定的数据接入，为P2P网络借贷平台监管奠定数据基础。
-
公开(公告)号：CN106055646A
公开(公告)日：2016-10-26
申请号：CN201610377615.5
申请日：2016-05-31
Applicant: 国家计算机网络与信息安全管理中心
Inventor： 卫冰洁 , 王啸 , 熊刚 , 贺欣 , 石俊峥 , 刘培朋 , 李镇 , 周立 , 王秀文 , 贺龙涛 , 李晓倩 , 袁媛 , 朱佳伟 , 李城龙 , 张慧 , 曹首峰 , 于贺威 , 王大伟 , 刘阳
IPC: G06F17/30
CPC classification number: G06F16/2282 , G06F16/2255
Abstract: 为了提升多线程对哈希表操作的高效性，本发明提供一种并发哈希表的无锁操作方法。当需要对哈希表进行插入操作时，首先构造新增的值对象，并将对象中的next指针指向键值对应的哈希槽中的指针指向的对象，同时利用原子操作将对应哈希槽中的指针指向新增的对象；当需要对哈希表进行删除操作时，利用原子操作将对应的对象从链表中移除；当需要对哈希表进行更新操作时，首先构造需要更新的对象的副本，并进行更新，同时原子地将更新后的对象插入到链表中；对于删除对象的回收，利用Hazard指针实现。
-
公开(公告)号：CN114819432B
公开(公告)日：2025-04-11
申请号：CN202110065882.X
申请日：2021-01-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06Q10/0635
Abstract: 本发明实施例涉及一种企业非法集资风险预测方法、装置、电子设备及存储介质，所述方法包括：获取待进行非法集资风险预测的目标企业的企业数据；对所述企业数据进行特征提取，得到所述目标企业的企业特征；将所述企业特征输入至至少一个已训练的非法集资风险预测模型，得到至少一个所述目标企业非法集资的风险概率；根据至少一个所述目标企业非法集资的风险概率确定所述目标企业是否存在非法集资风险。由此，可以提高对企业非法集资风险进行预测的预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.078 seconds)
