-
公开(公告)号：CN114911933B
公开(公告)日：2025-03-11
申请号：CN202210446994.4
申请日：2022-04-26
Applicant: 济南大学
IPC: G06F16/35 , G06F16/334 , G06F16/36 , G06F40/253 , G06F40/30
Abstract: 本发明属于自然语言处理技术领域，提供了基于图内图间联合信息传播的假新闻检测方法及系统，包括：获取待检测文本，并进行预处理后，分别构建文本顺序图、文本语法图和文本语义图；基于文本顺序图、文本语法图和文本语义图，先进行图内信息交互，再进行图间信息交互后，得到联合信息文本顺序图、联合信息文本语法图和联合信息文本语义图，通过图注意力机制和节点注意力机制，得到待检测文本的向量表示，输入到分类器，得到待检测文本是否属于假新闻的结果。解决了短文本向量化时存在的特征稀疏问题，丰富了文本向量表示，解决了长距离和非连续文本信息交互缺失问题，提高文本表示的精确度。
-
公开(公告)号：CN119397358A
公开(公告)日：2025-02-07
申请号：CN202411522299.7
申请日：2024-10-29
Applicant: 济南大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06F40/284 , G06F40/30 , G06N3/0442 , G06N3/045 , G06Q50/00
Abstract: 本发明公开了基于分区过滤网络的虚假新闻检测方法及系统，其中方法包括：对新闻文本特征和评论文本特征进行融合，得到事件特征；将新闻文本与评论文本输入双重情感获取模块中，得到双重情感特征；将评论文本的词向量，输入到分区过滤网络中，得到初始立场特征和初始谣言特征；将事件特征与初始立场特征进行融合，得到修正后的立场特征；对修正后的立场特征进行分类，得到第一分类结果；将初始谣言特征、双重情感特征和修正后的立场特征进行融合，得到修正后的谣言特征；对修正后的谣言特征进行分类，得到第二分类结果；对第一分类结果和第二分类结果进行融合，得到最终的分类结果。
-
公开(公告)号：CN118740378A
公开(公告)日：2024-10-01
申请号：CN202411223043.6
申请日：2024-09-03
Applicant: 济南大学 , 山东正中信息技术股份有限公司
Abstract: 本发明涉及模式匹配技术领域，特别是涉及基于不经意传输的安全参数化模式匹配方法及系统，用户客户端和服务器分别对持有字符串进行参数预处理，将字符串中每个参数符号映射为对应的非负整数；用户客户端与服务器均设有原始秘密；构造元组，服务器根据预处理后的字符串，对原始秘密进行拆分，得到若干个真实份额；对每一个真实份额，构造对应的随机份额，并将真实份额和随机份额均存储到对应的元组中；服务器和用户客户端，按位执行不经意传输协议，用户客户端按位对元组中的份额进行选择，得到元组中的一个份额；用户客户端将获得的全部份额进行秘密重构，若重构秘密与原始秘密一致，则说明参数化模式匹配完成。保障了双方数据的安全。
-
公开(公告)号：CN118590253A
公开(公告)日：2024-09-03
申请号：CN202410163323.6
申请日：2024-02-05
Applicant: 济南大学
Abstract: 本发明涉及计算机技术领域，提供了一种基于知识图谱挖掘的钓鱼网站关联性检测方法及系统。所述方法包括，从多个已知钓鱼网站中获取钓鱼样本数据；基于钓鱼网站的特征节点、个人的网络钓鱼样本的特征属性以及不同钓鱼网站样本数据的特征关联，构建恶意钓鱼知识图谱；基于构建的恶意钓鱼知识图谱，采用恶意特征检测模块，提取钓鱼样本数据的恶意特征向量，以此训练深度神经网络，自动获取恶意特征向量的权重；获取待检测的钓鱼数据，将所述待检测的钓鱼数据加入到恶意钓鱼知识图谱中，采用恶意特征检测模块，提取特征向量；基于特征向量，采用深度神经网络，结合恶意特征向量的权重，得到恶意检测结果。
-
公开(公告)号：CN115664740B
公开(公告)日：2024-07-23
申请号：CN202211266272.7
申请日：2022-10-17
Applicant: 济南大学
Abstract: 本公开提供了基于可编程数据平面的数据包转发攻击防御方法及系统，涉及网络安全技术领域，包括获取网络中的链路拓扑信息以及链路的端口实时状态信息，将其解析成P4语言编程的信息格式；构造数据包并对构造的数据包进行转发，确定收发双方和路径，对传输的数据包进行动态攻击检测，检测所传输的数据包是否发生攻击，当确定数据包被攻击时，则判断发生攻击的类型，确定攻击的类型后启动相应的防御攻击过程；极大地提高了数据包的转发效率。同时由于P4语言的协议无关性，在验证过程中无需引入相关协议。
-
Patent Agency Ranking
公开(公告)号：CN118332300A
公开(公告)日：2024-07-12
申请号：CN202410463213.1
申请日：2024-04-17
Applicant: 济南大学
IPC: G06F18/21 , G06F18/214 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/09 , G06F21/62
Abstract: 本发明属于标签合规性检测技术领域，提供了一种移动端应用程序隐私政策标签的合规性检测方法及系统，首先对获取的隐私政策链接进行筛选和树遍历，排除无效链接，删除无效字符；然后，提取筛选处理后隐私政策链接文本中的名词，建立数据库；根据预先训练好的大语言模型，进行标签预测；最后，将预测得到的标签，服务商中预定义的隐私标签，以及实际运行时的隐私标签进行一致性判断。在实现标签自动化准确预测基础上，通过预测得到的标签，服务商中预定义的隐私标签，以及实际运行时的隐私标签进行一致性判断后，得到检测结果，解决了隐私政策与应用程序在现实世界的使用中所采集的信息不一致问题。
-
公开(公告)号：CN115429272B
公开(公告)日：2024-04-30
申请号：CN202211127908.X
申请日：2022-09-16
Applicant: 济南大学 , 山东思正信息科技有限公司 , 中国人民解放军联勤保障部队第九六〇医院
Abstract: 本发明公开了一种基于多模态生理信号的心理健康状态评估方法及系统，该方法包括：采集被测人员在不同情绪诱发方式、相同情绪诱发范式下的多模态生理信号；利用相应模态的情绪识别模型，获取多条基于时间维度的情绪变化曲线，将多条情绪变化曲线拟合为一条拟合情绪变化曲线；基于不同模态的生理信号和拟合情绪变化曲线，分别利用相应模态的心理健康状态分类模型和综合心理健康状态分类模型，获取被测人员心理健康状态异常的多个初始概率和综合概率，进而计算得到最终概率，根据最终概率评估被测人员的心理健康状态。本发明利用多模态的生理信号综合评估被测人员的心理健康状态，提高心理健康状态评估的客观性和准确性。
-
公开(公告)号：CN113704472B
公开(公告)日：2024-04-09
申请号：CN202111005000.7
申请日：2021-08-30
Applicant: 济南大学
IPC: G06F16/35 , G06F16/31 , G06F40/205 , G06F40/279 , G06Q50/00
Abstract: 本发明属于自然语言处理领域，提供了基于主题记忆网络的仇恨和攻击性言论识别方法及系统，首先将文本转换为词袋向量和词索引序列向量，并进行特征提取得到特征向量；然后基于词袋向量，主题提取模型提取主题混合分布；基于主题混合分布，主题记忆机制获得主题词权重矩阵，并通过两次级联运算与词索引序列向量和特征向量进行联合学习，得到分类特征；最后基于分类特征，分类器得到文本是否属于仇恨和攻击性言论的结果；达到了丰富短文本特征的目的，解决了短文本存在的特征稀疏问题，提高了仇恨和攻击性言论识别的精度。
-
公开(公告)号：CN117792672A
公开(公告)日：2024-03-29
申请号：CN202311515140.8
申请日：2023-11-14
Applicant: 济南大学
IPC: H04L9/40
Abstract: 本发明公开了基于网络流图和深度聚类的僵尸网络流量检测方法及系统，基于原始网络流图和增强后的网络流图，对图神经网络进行第一次训练，得到第一次训练后的图神经网络；基于不同的原始网络流图，对第一次训练后的图神经网络进行第二次训练，得到第二次训练后的图神经网络；基于所有的原始网络流图，对第二次训练后的图神经网络进行第三次训练，得到第三次训练后的图神经网络；获取待检测网络流量，将待检测网络流量表示为待检测网络流图；将待检测网络流图和已知属性的若干个原始网络流图，输入到第三次训练后的图神经网络，利用第三次训练后的图神经网络对所有网络流图进行聚类；将待检测网络流图所归属的类簇属性作为待检测网络流图的属性。
-
公开(公告)号：CN117634608A
公开(公告)日：2024-03-01
申请号：CN202311283185.7
申请日：2023-09-28
Applicant: 济南大学
IPC: G06N5/025 , G06N3/045 , G06N3/0464 , G06N3/09 , G06F18/2415 , G06F18/25
Abstract: 本发明属于人工智能技术领域，提供了一种基于双向集成匹配网络的阅读理解方法及系统。首先，融合段落上下文和问答序列对以增强词向量表示；其次，线性集成协同注意力模块和卷积模块以匹配全局交互关系，进而提高机器阅读理解模型的性能。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.066 seconds)
