-
公开(公告)号：CN108460772B
公开(公告)日：2022-05-17
申请号：CN201810150076.0
申请日：2018-02-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06T7/11 , G06T7/136 , G06T7/155 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种基于卷积神经网络的广告骚扰传真图像检测系统及方法，包括关键字区域提取模块，所述关键字区域提取模块用于确定待检测传真图像的关键字可疑区域；神经网络置信度分析模块，所述神经网络置信度分析模块与所述关键字区域提取模块相连，所述神经网络置信度分析模块用于对所述关键字可疑区域的文字进行识别，实现传真图像的分类。本发明通过关键字区域提取模块对关键字可疑区域进行提取，自动化运行，工作效率高；通过神经网络置信度分析模块对关键字可疑区域的文字进行识别，实现广告骚扰传真的分类判断，节约时间，管控能力强，使得本发明具有工作效率高，管控能力强的特点。
-
公开(公告)号：CN110895933B
公开(公告)日：2022-05-03
申请号：CN201811030952.2
申请日：2018-09-05
Applicant: 中国科学院声学研究所 , 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空时残差神经网络的远场语音识别方法，所述方法包括：步骤1)构建并训练空时残差神经网络ST‑RES‑LSTM，该神经网络是在的空间和时间两个维度上都引入了残差结构的LSTM神经网络；步骤2)利用训练好的空时残差神经网络ST‑RES‑LSTM进行声学模型训练，并生成每一帧的分类概率；步骤3)构建语音识别解码网络，并使用步骤2)的训练好的声学模型进行维特比解码出最终识别结果。本发明的方法在LSTM网络的空间和时间两个维度都引入残差结构，既能缓解层数加深带来的梯度消失问题，又能缓解LSTM在时间维度存在的梯度消失问题，从而提高语音识别的性能。
-
公开(公告)号：CN113742478A
公开(公告)日：2021-12-03
申请号：CN202010474192.5
申请日：2020-05-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/33 , G06F40/295 , G06N3/04
Abstract: 本发明公开了一种针对海量文本数据的定向筛选架构及方法。本方法步骤包括：1)使用关键词匹配方法从待筛选文本中获取疑似目标文本；2)从已标注的目标文本中提取常用句式，并分为与业务强相关句式、与业务弱相关句式；对待筛选文本进行模糊句式匹配，如果与业务强相关句式匹配，则将文本判断为目标文本，否则为疑似目标文本；3)对每一疑似目标文本进行分类；4)根据疑似目标文本匹配上的关键词的个数确定文本的评估值E1；根据分类判别结果，确定文本的评估值E2；基于文本与外部辅助语料的信息匹配结果确定文本的评估值E3；然后基于评估值E1～E3，计算得到文本最终评分反馈给研判层；5)研判层确定反馈的文本是否为目标文本。
-
公开(公告)号：CN111709472A
公开(公告)日：2020-09-25
申请号：CN202010543099.5
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种动态融合规则到诈骗行为识别模型的方法，包括：由全量通话记录生成电信通联网络：G＝{V，E，Y}，并据此构建识别诈骗行为的时空图；读取诈骗行为识别规则表中的每条规则，计算每个用户对应于每条规则的转换值；将每个用户对应于规则的转换值构成每个用户的通话特征指标向量，每个用户的通话特征指标向量即是时空图中每个用户的节点特征；构建、并训练诈骗行为识别模型，然后将待识别用户的节点特征输入至诈骗行为识别模型，并根据模型输出判断待识别用户是否是可疑诈骗行为号码。本发明属于信息技术领域，能实现规则和模型的动态融合，从而实时检测、并准确识别各种诈骗行为。
-
公开(公告)号：CN111708887A
公开(公告)日：2020-09-25
申请号：CN202010542354.4
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种自定义规则的多模型融合的不良呼叫识别方法，包括：构建规则策略模型：设置若干条规则，将多条规则通过逻辑运算符连接构成策略，并设置策略的模型融合方式，由所有策略构成规则策略模型；构建识别不良呼叫的卷积神经网络和基于不良呼叫投诉的BERT文本分类模型；根据策略包含的规则的计算式，为每条策略生成递归计算表达式，然后执行递归计算表达式以获得策略执行结果，同时，运行卷积神经网络和BERT文本分类模型以获得输出结果，最后根据每条策略的模型融合方式和执行结果、卷积神经网络和BERT文本分类模型的输出结果，计算得到不良呼叫识别结果。本发明属于信息技术领域，能将规则和隐性表征模型有效融合到不良呼叫识别技术中。
-
Patent Agency Ranking
公开(公告)号：CN111669757A
公开(公告)日：2020-09-15
申请号：CN202010542362.9
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
IPC: H04W12/12 , G06F40/211 , G06F40/284 , G06F40/30 , G06N3/04
Abstract: 一种基于通话文本词向量的终端诈骗电话识别方法，包括：用户在终端App中标记来话，当标记为诈骗类别时，经用户授权同意后转化为文本，由用户检视和脱敏，并在用户授权后上传服务器保存为文本样本；对文本样本进行分词和词性标注，获得分词的句法依存标签和词组合向量，再将词组合向量、词性标注和句法依存标签拼合构成分词的内容向量，计算分词所属的情景要素标签，以获得文本样本的语义向量；构建诈骗分类识别模型，使用服务器中文本样本作为训练样本，然后将训练好的模型从服务器端推送给App；App接收新的待识别通话后，根据模型获得其所属的涉诈类别，并提示用户。本发明属于信息技术领域，能基于通话文本准确识别诈骗电话。
-
公开(公告)号：CN108460772A
公开(公告)日：2018-08-28
申请号：CN201810150076.0
申请日：2018-02-13
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明提供了一种基于卷积神经网络的广告骚扰传真图像检测系统及方法，包括关键字区域提取模块，所述关键字区域提取模块用于确定待检测传真图像的关键字可疑区域；神经网络置信度分析模块，所述神经网络置信度分析模块与所述关键字区域提取模块相连，所述神经网络置信度分析模块用于对所述关键字可疑区域的文字进行识别，实现传真图像的分类。本发明通过关键字区域提取模块对关键字可疑区域进行提取，自动化运行，工作效率高；通过神经网络置信度分析模块对关键字可疑区域的文字进行识别，实现广告骚扰传真的分类判断，节约时间，管控能力强，使得本发明具有工作效率高，管控能力强的特点。
-
公开(公告)号：CN105187403B
公开(公告)日：2018-06-12
申请号：CN201510498610.3
申请日：2015-08-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L29/06
Abstract: 本发明提出一种面向软件定义网络的网络安全性测试方法，包括针对目标软件定义网络的安全性测试框架、安全性测试策略、分类安全性测试方法、项目安全性测试方法和安全性测试步骤。其中，测试框架包括将目标软件定义网络划分为数据、控制、应用和管理四个网络平面，分别对各个网络平面的各个网元、链路以及各个网络平面之间的接口展开安全性测试；测试策略包括对安全性测试框架中的各个单元进行测试的选择和流程编制方法；分类安全性测试方法依据各个单元的类别特点开展不同类型的安全性测试；项目安全性测试方法实现具体的针对目标网元、链路或接口的安全性测试，测试流程定义了完整的针对目标软件定义网络的安全性测试过程和步骤。
-
公开(公告)号：CN119940368A
公开(公告)日：2025-05-06
申请号：CN202510008588.3
申请日：2025-01-03
Applicant: 国家计算机网络与信息安全管理中心 , 烟台中科网络技术研究所
IPC: G06F40/30 , G06F40/194 , G06F40/16 , G06N3/045 , G06N3/0475 , G06N3/042 , G06N3/0464 , G06F18/22 , G06F18/23211
Abstract: 本发明涉及文本数据分析技术领域，尤其涉及一种面向生成式大模型的文本同源性分析方法，包括以下步骤：S1：对面向生成式大模型的文本数据进行预处理后，将文本数据转化为高维语义嵌入向量，引入混合距离度量进行相似度分析；S2：采用基于密度峰值的动态聚类算法进行动态聚类分析，生成初步的同源文本簇，引入多重迭代映射与动态梯度扰动机制进一步分析，得到优化的同源文本簇；S3：将优化的同源文本簇进行多模态融合，利用图结构对融合后的多模态同源文本簇进行分析，应用时间序列分析方法，得到文本的同源性分析与来源追踪结果，本方法能够有效应对生成式大模型生成文本数据语义表达的多样性和复杂性，增强了文本表示的鲁棒性和准确性。
-
公开(公告)号：CN119759719A
公开(公告)日：2025-04-04
申请号：CN202411830029.2
申请日：2024-12-12
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F11/34 , G06N3/0475 , G06N3/0455 , G06N3/08 , G06N5/022 , G06N5/04
Abstract: 一种基于提示学习的大模型测评数据生成方法及系统，属于机器学习模型领域，包括以下步骤：从提示模板集合中获取初始提示模板；对初始提示模板进行变异操作；接收输入；将变异后的提示模板和接收的输入相结合组成若干完整提示，将这些完整提示输入到生成模型中得到测评数据；评估测评数据的生成质量，将能生成高质量测评数据的提示模板放入提示模板集合中，供下一次测评数据生成使用。与现有技术相比，本发明具有测评数据生成质量高、测评数据生成成本低、测评数据生成速度快、测评场景丰富、测评数据生成容易实现等优点。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.051 seconds)
