-
公开(公告)号：CN115718835A
公开(公告)日：2023-02-28
申请号：CN202211370652.5
申请日：2022-11-03
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司
IPC: G06F16/9535 , G06F17/16
Abstract: 本申请涉及一种破除信息茧房问题的冷启动个性化推荐方法及装置，其中，方法包括：在目标账号的使用阶段处于冷启动阶段的情况下，确定与目标账号的用户行为相似度达到第一阈值的对照账号；利用对照账号的对照兴趣矩阵确定目标账号的目标兴趣矩阵；利用目标兴趣矩阵在预设内容池中确定候选推荐集；利用量化因子对候选推荐集中的特征相关度进行权重调整，得到各个候选推荐数据的推荐指数；将推荐指数达到第二阈值的候选推荐数据确定为目标推荐数据，并将目标推荐数据推送给目标账号。通过对照账号来预测用户账号的兴趣矩阵，然后用兴趣矩阵选出候选推荐集，最后结合目标账号的浏览记录确定推荐数据，解决了为冷启动阶段用户推荐的内容趋于同质化的问题。
-
公开(公告)号：CN115034286A
公开(公告)日：2022-09-09
申请号：CN202210435266.3
申请日：2022-04-24
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于自适应损失函数的异常用户识别方法和装置，其中，该方法包括：获取web系统的用户行为日志数据样本，并将用户行为日志数据样本向量化，得到无标签数据样本和有标签数据样本；进行数据预处理得到训练数据集；基于训练数据集的输入特征训练第一自编码器模型，并基于第一自编码器模型构造无标签数据样本损失函数和有标签数据样本损失函数；迭代优化第一自编码器模型并构造异常用户检测优化问题函数，得到第二自编码器模型；基于第二自编码器模型，对无标签数据样本进行异常点检测，以识别异常用户。本发明解决实际业务场景中，无标签数据中存在异常点，采用固定损失函数难以提高准确率，误报率高的技术问题。
-
公开(公告)号：CN110879856B
公开(公告)日：2022-08-05
申请号：CN201911180128.X
申请日：2019-11-27
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F16/901 , G06F16/906 , G06F16/909 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于多特征融合的社交群体分类方法及系统。本方法为：1)对一目标社交群体的数据集，对该数据集中各用户的轨迹数据进行预处理，去除噪声并对缺失位置信息进行插值；2)使用频繁序列挖掘算法从各用户轨迹数据中挖掘对应用户的轨迹模式，再将用户的轨迹模式看作时序序列，采用LSTM对该时间序列进行编码，得到用户的轨迹编码；3)根据所述社交关系生成一图网络，将所述社交关系投影到低维空间，学习得到各用户的嵌入表示；4)将每一用户的轨迹编码和对应用户的嵌入表示结合输入softmax层，确定各用户的类别，实现对该目标社交群体的分类。本发明大大提升了群体分类的精度。
-
公开(公告)号：CN110674390B
公开(公告)日：2022-05-20
申请号：CN201910747703.3
申请日：2019-08-14
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06F16/9535 , G06F16/9536
Abstract: 本发明公开了一种基于置信度的群体发现方法及装置，所述方法包括：步骤1，设置群体的约束条件，基于所述约束条件生成群体的候选用户集及候选网络；步骤2，基于所述候选用户集及所述候选网络综合得到每个候选用户属于该群体的置信度；步骤3，根据所述候选用户的置信度，与预先设置的置信度阈值进行比较，发现新种子用户和新候选用户；步骤4，获取新种子用户，重复执行步骤1‑4直到达到预先设置的迭代次数。
-
公开(公告)号：CN113343219A
公开(公告)日：2021-09-03
申请号：CN202110606530.0
申请日：2021-05-31
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: 本发明公开了一种自动高效的高风险移动应用程序检测方法，包括S1、获取待测App的SDK列表和权限列表，转化为向量形式，得到列表向量；计算待测App与已知的高风险App之间的相似度，判定为潜在风险App；S2、动态分析进一步判定是否为高风险App，若判定为“是”，将其标记为高风险App；S3、人工审核判定是否是高风险App，若“是”，添加至高风险App库，标记为高风险App。本发明采用以静态分析、动态分析为主，辅助以人工审核的方式，避免了人工审核存在的效率低、成本高、准确率低等问题，实现了高风险App得自动高效识别。
-
Patent Agency Ranking
公开(公告)号：CN113132383A
公开(公告)日：2021-07-16
申请号：CN202110421317.2
申请日：2021-04-19
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: 本发明涉及大数据技术领域。本发明公开了一种网络数据采集系统，该系统包括服务器，服务器包括：任务下发模块，用于创建用户信息获取任务，将用户信息获取任务分配至不同的任务池，计算任务池优先级，根据任务下发规则，得到并传输具有优先级参数的用户信息获取任务；数据解析模块，与任务下发模块数据连接，用于获取来自中间代理服务端的用户信息流量数据，数据解析模块构建报文解析神经网络模型，将待解析报文信息输入训练后报文解析神经网络模型，判断待解析报文信息中是否包括指定用户信息并提取。通过设置任务优先级，优先处理重要的任务，提高任务处理效率。本公开实施例还公开了一种网络数据采集方法。
-
公开(公告)号：CN110134947B
公开(公告)日：2021-03-26
申请号：CN201910307654.1
申请日：2019-04-17
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提出一种基于不平衡多源数据的情感分类方法，包括：获取来自多个数据源的训练数据，其中训练数据包含多条文本数据，每条文本数据具有情感类型标签和其对应的数据源；按数据源对训练数据进行分类，以集合每个数据源对应的文本数据作为第一数据集，根据每个第一数据集中各情感类型标签的数量，统计每个第一数据集中情感类型的标准差，选择标准差最小的第一数据作为预训练集，其余第一数据集作为后续训练集；以预训练集训练神经网络模型的权值直到损失函数收敛，输出神经网络模型作为预分类模型，以后续训练集继续训练预分类模型直到损失函数收敛，输出预分类模型作为最终分类模型；将待情感分类文本数据输入最终分类模型，得到其情感类型。
-
公开(公告)号：CN112085614A
公开(公告)日：2020-12-15
申请号：CN202010778007.1
申请日：2020-08-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06Q50/00 , G06F16/9536
Abstract: 一种基于时空行为数据的跨社交网络虚拟用户身份对齐方法，主要步骤为：1)预处理用户在社交网络上产生的时空行为数据，生成用户时空行为序列；2)基于时空行为序列数据定义并计算社交网络间任意两用户的相似度；3)构建以社交网络用户为节点的二部图，相同社交网络用户节点间无边，不同社交网络用户节点间边的权重等于用户相似度；4)计算二部图的最大权匹配；5)基于最大权匹配结果生成虚拟身份对齐结果。本发明能够为全方位分析用户在社交网络中扮演的角色、准确估计用户真实属性提供重要理论基础与技术支撑，所需要数据在现实社交网络中易于获取，计算过程易于通过分布式框架进行，可以在大规模复杂网络中快速做到虚拟用户身份对齐。
-
公开(公告)号：CN111861465A
公开(公告)日：2020-10-30
申请号：CN202010706712.0
申请日：2020-07-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06Q20/38
Abstract: 本申请公开了一种基于智能合约的检测方法及装置、存储介质、电子装置，其中方法包括确定区块链上的智能合约，其中，所述智能合约包括：在所述区块链上的数字资产；根据所述数字资产的状态对所述智能合约进行检测操作，其中，所述检测操作至少包括以下之一：检测所述智能合约的链上交易、检测在所述智能合约中提取的数字资产、检测所述数字资产的匹配条件。本申请解决了对于智能合约中的数字资产无法检测是否合规以及在交易过程存在潜在风险的技术问题。
-
公开(公告)号：CN108305616A
公开(公告)日：2018-07-20
申请号：CN201810039421.3
申请日：2018-01-16
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院声学研究所
Abstract: 本发明涉及一种基于长短时特征提取的音频场景识别方法及装置，该方法包括，对输入待识别音频信号进行预处理；对经过预处理后的所述待识别音频信号，进行短时音频特征提取，再进行长时音频特征提取，将所述待识别音频信号的所述长、短时音频特征联合，输入分类模型及其融合模型，进行分类和识别，输出音频场景的识别标签。本发明在常规短时特征提取的基础之上，进一步联合音频场景长时特征，可以表征复杂的音频场景信息，输入分类模型及其融合模型，进行分类和识别，输出音频场景的识别标签，其鲁棒性更强、区分性更好，且能够在更大程度上表征场景数据的整体特性，识别效率高、稳定性强。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.084 seconds)
