-
公开(公告)号：CN111163065A
公开(公告)日：2020-05-15
申请号：CN201911279299.8
申请日：2019-12-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L29/06 , G06F16/2458 , G06F16/23
Abstract: 本发明提出了一种异常用户检测方法及装置，检测方法包括：获取用户的行为数据信息；对行为数据信息进行预处理，获得行为序列；将行为序列与预先训练的异常行为库中的异常行为特征进行匹配，以判定用户是否为异常用户；其中，行为序列包括：操作事件和时间间隔信息。根据本发明的异常用户检测方法，依据移动端用户行为的特点，充分利用异常用户特征，在行为序列挖掘过程中，加入时间间隔属性，进行带有时间间隔的行为序列挖掘，可以有效提升异常用户检测的准确率。
-
公开(公告)号：CN118051623A
公开(公告)日：2024-05-17
申请号：CN202410028993.7
申请日：2024-01-08
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/36 , G06F16/35 , G06N5/025 , G06N5/04 , G06F40/295 , G06F40/30 , G06F40/289 , G06F16/951 , G06F16/9535 , G06F16/9538 , H04L67/55
Abstract: 本发明涉及人工智能和知识工程技术领域,本发明提供了一种移动应用知识库构建系统和方法，能够实现面向移动应用知识库的构建，完成移动应用知识库的智能应用。本发明移动应用知识库构建系统，基于APP(应用)基础信息和内容数据的多源异构数据，通过应用实体抽取、属性抽取、关系抽取等结构化处理，结合移动APP推理规则和移动APP标签图谱实现，为移动APP相似性、关联性分析以及移动应用内容分析、风险研判等建立基于检索式的知识服务方式，提供了一种面向移动应用的知识库，是一套面向业务应用的知识属性体系，提高相关的工作和生产效率。
-
公开(公告)号：CN117278253A
公开(公告)日：2023-12-22
申请号：CN202311043720.1
申请日：2023-08-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L9/40 , H04L61/4511 , G06F21/56 , G06N3/04
Abstract: 一种基于DNS流量特征与进程特征的恶意软件检测装置与方法，该装置主要包括：DNS进程特征采集模块，部署于要保护的终端主机上，用于确定发起DNS请求的进程，获取其特征信息；DNS流量特征采集模块，部署于网关，用于获取终端主机发起的DNS请求，获取其流量特征信息；数据整合模块，用于对上述模块收集到的特征信息进行关联后发送给分析模块；分析模块，将收到的DNS特征数据输入预先训练好的神经网络，判断对应的进程是否有害。监控DNS请求中的流量特征和进程特征，有效地发现设备中存在的恶意软件。
-
公开(公告)号：CN116935117A
公开(公告)日：2023-10-24
申请号：CN202310887423.9
申请日：2023-07-19
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06V10/764 , G06V10/56
Abstract: 本发明涉及标志物检测系统领域，尤其为一种复杂场景下特定标志物检测系统，包括：收集模块：用于通过网络爬虫技术对特定标志物图片进行收集，获得特定标志物图片；处理模块：用于对收集模块收集的特定标志物图片进行图片预处理，获得预处理数据；分类器训练模块：用于根据处理模块处理得到的预处理数据进行模型训练，得到自动分类模型；分类模块：用于连接自动分类模型，对特定标志物图片进行分类。本发明通过颜色和形状的标志物检测算法，从色彩增强、颜色分割和形状分类三个方面提高特定标志物检测系统算法的鲁棒性，通过比较RGB和HSV颜色分割效果，选取效果更好的HSV颜色分割，在形状分类中不仅仅使用简单的SVM模型训练而且同时使用Contourlet变化提高算法的鲁棒性使的算法预测效果更好，保证出现差错在系统允许的范围内。
-
公开(公告)号：CN118658456B
公开(公告)日：2024-11-22
申请号：CN202411146603.2
申请日：2024-08-21
Applicant: 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提供一种用于音频特定信息识别方法及系统，属于信息识别领域；解决了不良行为或不良语言的识别问题；具体如下：步骤S1：获取图像信息和语音信息；步骤S2：分别对图像信息和语音信息进行增强处理，得到待分析图像和待分析语音；步骤S3：构建行为识别模型和语音识别模型，并分析待分析图像和待分析语音，判断公共数据中是否存在恶意行为；若存在，则保存出现显性恶意行为或隐性恶意行为的公共数据；若不存在，则继续监测；本发明通过对目标地区的公共数据进行获取、分析和处理，识别公共数据中的不良行为或不良语言，降低了公共地区的管理难度。
-
Patent Agency Ranking
公开(公告)号：CN118821782A
公开(公告)日：2024-10-22
申请号：CN202410768553.5
申请日：2024-06-14
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种多粒度相似性增强的篇章级事件论元抽取方法及系统，属于文本信息抽取领域。本发明首先将文档输入预训练语言模型编码，得到高维度嵌入表示；然后构建包含句子和段落节点的异构图，通过图神经网络融合全局语义信息；最后，通过对比学习和排序损失增强段落和句子粒度的相似性。本发明解决了远距离事件论元抽取的难题，并有效缓解了噪音实体对抽取结果的干扰，提高了抽取的准确性和鲁棒性。
-
公开(公告)号：CN117234572A
公开(公告)日：2023-12-15
申请号：CN202310892421.9
申请日：2023-07-20
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F8/70 , G06F8/71 , G06F8/74 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及多模态数据提取技术领域，尤其为一种基于游戏引擎的多模态数据提取方法，包括如下步骤包括如下步骤：S1：通过对游戏文件逆向，获得游戏的资源文件；S2：通过对资源文件引擎特征提取，获得游戏资源文件中的游戏引擎；S3：通过对游戏资源文件中的游戏引擎进行特征融合获得融合特征进行多模态数据提取。本发明通过逆向手段分析游戏引擎，从游戏引擎对资源文件打包开始，深入研究打包流程和打包过程中使用的技术，无需运行游戏，直接从游戏安装路径下对资源文件提取，减少了资源浪费问题。
-
公开(公告)号：CN117149949B
公开(公告)日：2024-12-17
申请号：CN202311059658.5
申请日：2023-08-22
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/33 , G06F16/335 , G06F16/35 , G06F18/23
Abstract: 本发明公开了一种融合多源信息的人名消歧方法及装置，所述方法包括：将所有文本划分为若干个类；基于同名作者对应的机构名称、文本共同作者和文本主题内容，分别对每一类文本进行聚类，以得到该类文本的机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果；基于簇内机构信息及文本的共现信息，对机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果进行融合，得到该类文本的初步聚类结果；提取初步聚类结果中的单簇文本，并基于所述单簇文本与该类文本中其他文本的相似度进行单簇文本的融合后，得到人名消歧结果。本发明可以实现了更好的消歧准确率。
-
公开(公告)号：CN117633092A
公开(公告)日：2024-03-01
申请号：CN202311358101.1
申请日：2023-10-19
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/26 , G06F16/2455
Abstract: 一种改进apriori的频繁有序项集挖掘方法，包括：采取项为首、特征为尾拼接的方式生成新项集，以发现数据中频繁出现的连续有序项集，而不是无序的关联规则；在候选项筛选中，加入项预判断，减少对事务集的扫描次数；另外，还采用记录项事务集的方式避免了对全部数据集的频繁扫描，提高了算法的时间性能。该方法有效解决了Apriori算法无法用于发现频繁有序项集，以及候选集筛选过程中频繁扫描整个事务集带来的时间开销巨大的问题。
-
公开(公告)号：CN117371423A
公开(公告)日：2024-01-09
申请号：CN202311076561.5
申请日：2023-08-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/20 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种不平衡条件下的文本分类器生成方法和装置，所述方法包括：获取不平衡数据，基于所述不平衡数据构建训练集；生成特征向量，将特征向量作为输入数据；将输入数据输入分类网络，分类网络包括依次相连的卷积层、池化层、LSTM层、GRU层、全连接层；输入数据经所述分类网络处理，得到中间分类结果，所述中间分类结果是未经完全训练，但是已有分类效果的结果；将中间分类结果与真实标签输入损失函数，得到中间结果对应的损失值，若损失值小于预定义的损失值，则当前的分类网络结合当前的权重作为构建完毕的分类器。本方法能在训练过程中减少分对样本的损失在总的损失中的权重，使得分类器的优化更偏向分错的样本。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.057 seconds)
