一种从外侧评估递归解析器用户规模的方法及系统

    公开(公告)号:CN118413449A

    公开(公告)日:2024-07-30

    申请号:CN202410496284.1

    申请日:2024-04-24

    Abstract: 本发明提供一种从外侧评估递归解析器用户规模的方法及系统,涉及数据处理技术领域,所述方法包括:根据划分的用户量等级,测量并分析不同用户规模等级的递归解析器的属性特征,以得到测量结果;根据测量结果分析不同用户等级的递归解析器的属性特征,以获取递归解析器的响应时延和响应IP数量;通过属性配置模块获取递归解析器的响应时延、响应IP数量及其配置属性;获取并分析被动数据;根据递归解析器的响应时延、响应IP数量、配置属性以及被动数据,构建多属性评估模型,评估DNS递归解析器的用户规模等级。本发明可以从多维数据评估递归解析器的用户规模。

    基于传感器数据和事理图谱的用户画像构建方法及装置

    公开(公告)号:CN116821478A

    公开(公告)日:2023-09-29

    申请号:CN202310621351.3

    申请日:2023-05-29

    Abstract: 本申请公开了一种基于传感器数据和事理图谱的用户画像构建方法及装置。通过应用本申请的技术方案,可以由结合多个传感器数据的深度学习模型来识别用户在一段时间内的动作序列特征,并且基于该动作序列特征识别出用户的个性化信息以及将识别的动作序列特征基于预设规则转化为用户画像关键词。以使后续基于该关键词、个性化信息以及事理图谱得到用于对用户标签进行预测的用户画像。从而一方面通过关联多传感器数据的深度学习模型,有效提升了过滤噪声数据能力的和增加可识别动作种类的目的。另一方面也可以根据用户的运动关键词,有效的定位图谱中跨层节点之间映射关系,实现由传感器数据构建用户画像进而预测用户角色标签的目的。

    一种基于自适应时间戳与多尺度特征提取的轨迹预测方法

    公开(公告)号:CN112667763A

    公开(公告)日:2021-04-16

    申请号:CN202011594675.5

    申请日:2020-12-29

    Abstract: 本发明公开了一种基于自适应时间戳与多尺度特征提取的轨迹预测方法,包括以下步骤:S1:构建自适应轨迹切割时间戳;S2:根据时间戳,对用户轨迹进行切割,来拟合用户的运动模式;S3:对用户历史轨迹进行特征提取;S4:对特征向量进行归一化处理,统一多尺度特征量纲;S5:通过LSTM网络模型和分类器预测下一个POI。本发明通过结合历史轨迹数据的时间统计特性,自适应地为每一个用户定义个性化时间戳,关注不同用户运动模式之间的差异性;并结合时间序列特征提取方法多尺度对用户轨迹特征进行提取,解决了人为固定时间戳定义、轨迹特征单一性以及特征向量嵌入量纲不统一给用户轨迹预测带来的问题,提高了预测精度的效果。

    基于多方协同的个人信息流转监测系统及方法

    公开(公告)号:CN117972768A

    公开(公告)日:2024-05-03

    申请号:CN202311774507.8

    申请日:2023-12-21

    Abstract: 本发明提供一种基于多方协同的个人信息流转监测系统及方法,该系统包括:协同规划和准备模块,用于确定多个协同参与方是否就协同策略达成一致,在协同参与方之间建立通信渠道,对协同参与方的协同工作进行培训和演练;协同发现和报告模块,用于将协同参与方上报的侵权事件信息在协同参与方中进行交换;协同评估与决策模块,用于根据侵权事件信息,评估侵权事件的影响和范围,基于侵权事件的影响和范围确定是否启动协调请求,并确定参与协调的事件响应小组;协同响应模块,用于事件响应小组共同确定协调请求的事件响应计划;协同经验总结模块,用于协同参与方共同评估事件响应过程。本发明实现个人信息的有效线上安全监测,提高监测效率和实时性。

    一种基于人工智能体的购物平台用户权益风险监测方法

    公开(公告)号:CN117522133A

    公开(公告)日:2024-02-06

    申请号:CN202311555687.0

    申请日:2023-11-21

    Abstract: 本发明公开了一种基于人工智能体的购物平台用户权益风险监测方法,涉及人工智能、风险监测技术领域。包括:获取购物平台初始数据,构建购物生态模拟系统;根据不同用户的消费特征和购物平台的基本特性构建人工智能体行为;基于人工智能体行为,进行初始数据迭代,将第1~n次的迭代数据作为历史数据,第n+1次的迭代数据作为更新数据,n为正整数;持续监测历史数据和更新数据,获得历史数据和更新数据的差值;将差值与指标进行比对,从而对用户权益进行风险监测。本发明拟真性高、兼容性强,还具有高效性:仅用数十个人工智能体即可完成对某一购物平台的监测,无需占用更多资源。

Patent Agency Ranking