-
公开(公告)号：CN107391598B
公开(公告)日：2021-01-26
申请号：CN201710522318.X
申请日：2017-06-30
Applicant: 北京航空航天大学
IPC: G06F16/34 , G06F16/901
Abstract: 本发明公开了一种威胁情报自动生成方法及系统，所述方法包括：获取与工业控制系统安全相关联的数据，所述数据至少包括第一类数据、第二类数据、第三类数据；针对所述第一类数据，对所述数据进行情报处理统计，并基于统计结果进行实体及关系的抽取；将抽取出来的内容存储至图数据库中；针对所述第二类数据，对所述数据进行实体识别，并基于识别结果进行关系抽取；将抽取出来的内容存储至图数据库中；针对所述第三类数据，对所述数据进行情报处理统计，并将统计结果存储至情报数据库中；利用第一类算法对所述图数据库中存储的内容进行分析，以及利用第二类算法对所述情报数据库中存储的内容进行分析，基于分析结果生成威胁情报。
-
-
公开(公告)号：CN106897265B
公开(公告)日：2020-07-10
申请号：CN201710022458.0
申请日：2017-01-12
Applicant: 北京航空航天大学
IPC: G06F40/284 , G06F40/242 , G06F16/23
Abstract: 本发明提供一种词向量训练方法及装置，属于机器学习技术领域。该词向量训练方法包括：获取新增词汇库，新增词汇库中的词汇与旧词汇库中的词汇构成新词汇库，旧词汇库中的词汇对应有旧词向量；对新词汇库中的词汇进行初始化处理，使得新词汇库中属于旧词汇库中的词汇的词向量为旧词向量，新词汇库中属于新增词汇库中的词汇词向量为随机词向量；根据新词汇库对应的第一哈夫曼树和旧词汇库对应的第二哈夫曼树分别对新词汇库中词汇的词向量进行更新。本发明提供的词向量训练方法及装置，提高了词向量的训练效率。
-
公开(公告)号：CN111210002A
公开(公告)日：2020-05-29
申请号：CN201911393726.5
申请日：2019-12-30
Applicant: 北京航空航天大学
Abstract: 本发明实现了一套基于生成对抗网络模型的多层学术网络社区发现方法及其系统，基于GAN模型学习多层网络的嵌入表示，通过构建多层学术网络；使用生成对抗模型学习节点嵌入表示：生成器生成层内节点对和层间节点对作为伪样本，判别器判别数据是否为真实数据分布；生成器和判别器迭代更新进行对抗学习；使用基于K-means聚类的方法发现社团的步骤，实现对于网络来源的学者信息的处理，发现其中多层网络结构所能提供的关系网络的深层信息，并使其算法和系统更具有鲁棒性。
-
公开(公告)号：CN111199458A
公开(公告)日：2020-05-26
申请号：CN201911393658.2
申请日：2019-12-30
Applicant: 北京航空航天大学
Abstract: 本发明通过元学习、强化学习和数据挖掘领域的方法，实现了一种基于元学习与强化学习的推荐系统，定义和构建内部更新模块和元更新模块模型，并由上述两模块构成系统模型；系统模型训练过程为：对一次用户的特征数据输入产生推荐的策略，进而根据这个策略求出误差，然后通过内部更新过程中提到的优化方法来优化模型的参数得到下一步策略，根据设定的内部更新的步数得到最终的策略，最后通过输入用户对推荐内容的反馈而产生误差，然后对初始的模型进行求导，并进行更新得到新的模型。在模型训练完成之后，系统接受用户的特征数据，为该用户推荐推内容，并收集这之后用户对于这些内容的反馈。
-
Patent Agency Ranking
公开(公告)号：CN106657150B
公开(公告)日：2020-01-14
申请号：CN201710061515.6
申请日：2017-01-26
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种网络攻击结构的获取方法与装置。该方法包括：获取当前网络系统中每个网络节点的受攻击概率；根据每个网络节点的受攻击概率和预设阈值，确定第一网络节点；根据第一网络节点和网络系统中各网络节点之间的连接关系，确定至少一个网络结构集合，并从每个网络结构集合中确定每个网络结构集合的第一被攻击结构；根据每个第一被攻击结构、预设的网络攻击结构以及第一被攻击结构的评估值，从所有第一被攻击结构中确定目标攻击结构。该方案，通过获得网络系统中每个网络节点的受攻击概率，确定出该网络系统的目标攻击结构，为工作人员根据该目标攻击结构获得针对该网络系统的整体解决方案提供可靠的依据。
-
公开(公告)号：CN106886566B
公开(公告)日：2019-11-15
申请号：CN201710022499.X
申请日：2017-01-12
Applicant: 北京航空航天大学
IPC: G06F16/174 , G06F16/16
Abstract: 本发明提供一种压缩文件的修改方法与装置。该方法包括：接收用户输入的修改指令，修改指令包括待修改字符和修改字符，修改指令用于将压缩文件中的待修改字符更新为修改字符；解析压缩文件，获得压缩文件的码表和压缩文件的二进制码流；其中，码表包括压缩文件中的不同字符对应的二进制码，二进制码流包括按照压缩文件中字符顺序排列的二进制码；根据码表，获得待修改字符的第一二进制码和修改字符的第二二进制码；将二进制码流中的第一二进制码替换为第二二进制码。本发明的技术方案直接是对压缩文件的二进制码流进行修改，不需要对压缩文件进行解压和压缩，整个过程简单省时，实现了对压缩文件的快速、简便修改。
-
公开(公告)号：CN106844342B
公开(公告)日：2019-10-08
申请号：CN201710022618.1
申请日：2017-01-12
Applicant: 北京航空航天大学
IPC: G06F17/27
Abstract: 本发明实施例提供一种基于增量学习的词向量生成方法和装置。本发明基于增量学习的词向量生成方法，包括：获取原始语料库的词共现矩阵、新增语料库的词共现矩阵和所述原始语料库的训练结果参数，训练结果参数包括梯度值和第一矩阵分解结果；将原始语料库的训练结果参数作为新增语料库的初始训练参数；使用所述新增语料库的初始训练参数、所述原始语料库的词共现矩阵和所述新增语料库的词共现矩阵采用梯度下降算法迭代优化总目标函数，获取第二矩阵分解结果，所述第二矩阵分解结果为使得所述总目标函数极小化的解；根据所述第二矩阵分解结果获取多个词向量。本发明实施例可以有效减少生成词向量过程所消耗的时长。
-
公开(公告)号：CN110070099A
公开(公告)日：2019-07-30
申请号：CN201910125832.9
申请日：2019-02-20
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 一种基于强化学习的工业数据特征结构化方法，其特征在于，包括以下步骤：步骤1，建立工业数据特征结构化学习框架，初始定义工业数据特征结构化学习框架参数，所述工业数据特征结构化学习框架参数包括状态空间、行动空间和奖励；步骤2，特征结构化验证环境，接收决策器决策出的动作，据此构建特征结构，并对该特征结构予以验证；步骤3，特征结构化决策器：获取特征结构化验证环境的状态和奖励，据此决策出下一步的行动；步骤4，工业数据特征结构化学习框架：包含一个特征结构化验证环境和一个特征结构化决策器。
-
公开(公告)号：CN109871485A
公开(公告)日：2019-06-11
申请号：CN201910112704.0
申请日：2019-02-13
Applicant: 北京航空航天大学
IPC: G06F16/9535 , G06N3/04
Abstract: 本申请公开了一种个性化推荐方法及装置，包括：预处理阶段，对样本特征进行重编码处理，得到稀疏编码；将所述稀疏编码输入到相应的嵌入层，经所述嵌入层基于域敏感分解机对所述稀疏编码进行运算，得到稠密表示；神经网络训练阶段，基于标注的推荐标签信息，使用梯度下降法对所述神经网络进行训练；模型预测阶段，将所述稠密表示输入到神经网络的隐藏层，经所述隐藏层对所述稠密表示进行处理，得到推荐预测结果。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.061 seconds)
