-
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：CN110059181A
公开(公告)日：2019-07-26
申请号：CN201910202727.0
申请日：2019-03-18
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35
Abstract: 本发明属于文本分类领域，具体涉及一种面向大规模分类体系的短文本标签方法、系统、装置，旨在为了解决有限数据情况下面向大规模分类体系的短文本标签系统的稳定性不高的问题。本发明方法包括：获取待分类的第一短文本信息集合，并基于正向最大匹配分词和word2vec词向量表示技术进行预处理得到第二短文本信息集合；基于规则的分类方法、有监督的神经网络分类方法，对第二短文本信息集合进行二分类后进行短文本过滤，并基于同样的分类方法进行各短文本的第一、二级分类标签，基于半监督学习的标签传播方法进行各短文本的第三、四级分类标签。本发明在有限数据情况下保证了面向大规模分类体系的短文本标签系统的稳定性。
-
公开(公告)号：CN114021627B
公开(公告)日：2025-04-22
申请号：CN202111239649.5
申请日：2021-10-25
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: G06F18/25 , G06F18/2411 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种融合LSTM与场景规则知识的异常轨迹检测方法及装置，包括依据目标轨迹构建时序序列；将时序序列输入LSTM网络，获取的目标轨迹中每个时刻的位置隐向量，并基于各位置隐向量进行注意力机制计算，得到目标轨迹表示向量；拼接目标轨迹表示向量与设定场景规则的向量，并对拼接后向量进行分类，得到异常轨迹检测结果。本发明采用的融合方法除了使用向量表示轨迹之外，还加入了可调整的应用场景规则，解决单一方法的不足，具有更好的迁移性。
-
公开(公告)号：CN114626425B
公开(公告)日：2024-11-08
申请号：CN202011456860.8
申请日：2020-12-10
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: G06F18/22 , G06F40/30 , G06F40/284 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种面向噪声文本的多视角交互匹配方法及电子装置，包括对两段待匹配噪声文本分别编码，得到两段编码向量序列，并向两段编码向量序列的每个编码向量中加入位置信息；对加入位置信息的两段编码向量序列进行内部交互，分别得到两段内部交互结果；对两段内部交互结果进行外部交互，分别构建两个双向的噪声文本交互矩阵；拼接两个噪声文本交互矩阵，判断两个待匹配噪声文本是否匹配。本发明采用注意力机制捕获噪声文本之间的双向匹配模式，受噪声文本中句子的逻辑顺序影响较小，增加文本有效语义单词影响，提高模型时间效率及噪声文本匹配效果，避免传递匹配问题。
-
公开(公告)号：CN118520929A
公开(公告)日：2024-08-20
申请号：CN202411003497.2
申请日：2024-07-25
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06N3/09 , G06N3/0455 , G06F40/194
Abstract: 本发明提供一种文本相似度确定模型的训练方法及文本相似度计算方法，属于计算机技术领域，该训练方法包括：获取第一数据集和第二数据集；第一数据集中包括至少一个短文本数据对；第二数据集中包括至少一个目标文本数据对，目标文本数据对中的两个目标文本数据至少一个为长文本数据；基于句向量对比模型，获取第二数据集中各目标文本数据的关键表述；句向量对比模型是基于第一数据集和第一损失函数对第一预训练模型训练得到的；基于各关键表述和第二损失函数，对第二预训练模型进行训练，得到文本相似性确定模型。通过在判定过程中引入短文本和长文本，提升了文本相似度确定模型输出结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114817516B
公开(公告)日：2024-08-09
申请号：CN202210448769.4
申请日：2022-04-26
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/335 , G06F16/35 , G06F16/951 , G06F40/242 , G06F40/279 , G06F40/30 , G06N3/088
Abstract: 本发明涉及一种零样本条件下基于逆向匹配的画像映射方法，包括在数据特征标签和画像标签两个不同体系间建构双相关文本语料库，使用逆向匹配对语料库进行筛选修正；通过人工标注构建分类语料库，并训练模型建立画像体系间的映射关系；采用基于持续响应衰减的更新机制，并结合标签历史状态对时序变化的画像相关更新数据进行修正。本方法从扩展数据的角度出发，采用基于逆向匹配的文本库构建方法，引入与原始标签相关的外部文本数据扩展并增强标签的语义表达，再引入与用户画像相关的外部数据进行标注建立扩展标签和标注数据之间的联系，从而挖掘出原始特征标签隐含的丰富含义，达到从少量标签序列中计算目标画像的目的。
-
公开(公告)号：CN115034286B
公开(公告)日：2024-07-02
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
IPC: G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/084
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：CN118014049A
公开(公告)日：2024-05-10
申请号：CN202410177798.0
申请日：2024-02-08
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06N3/09 , G06N3/0455 , G06F18/22 , G06F18/2431 , G06F40/30 , G06V20/70 , G06V10/40 , G06V10/82
Abstract: 本发明提供一种图文互生模型的训练方法，该方法包括：基于模态自感单元从样本模态数据中提取自感信息；模态自感单元基于自注意力网络通过多任务有监督训练得到；基于图文编码器对自感信息进行编码，得到隐空间特征，并对隐空间特征进行多模态扩散处理，得到扩散后的目标模态类型的隐空间特征；基于图文解码器对自感信息和扩散后的目标模态类型的隐空间特征进行解码，得到解码信息；根据解码信息和多任务损失函数对图文编码器和图文解码器进行训练，得到图文互生模型；目标损失包括重建损失、图像类的理解辅助任务对应损失和文本类的理解辅助任务对应损失确定。本发明所述方法提高了图文互生对应模型的性能和可适配性。
-
公开(公告)号：CN114978585B
公开(公告)日：2024-02-27
申请号：CN202210380490.7
申请日：2022-04-12
Applicant: 国家计算机网络与信息安全管理中心 , 北京赋乐科技有限公司
IPC: H04L9/40 , G06F18/2135 , G06F18/243 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本公开的实施例提供了基于流量特征的深度学习对称加密协议识别方法、装置、设备和计算机可读存储介质。所述方法包括获取网络流量数据；对所述网络流量数据进行预处理，得到对称加密流量；基于主成分分析‑皮尔森系数法流量识别模型和基于注意力机制的CNN‑LSTM算法流量识别模型，构建基于流量特征的对称加密协议识别模型；将所述对称加密流量，输入至所述基于流量特征的对称加密协议识别模型，完成对所述网络流量数据的识别。以此方式，实现了对对称加密协议的高效识别。
-
公开(公告)号：CN116825137A
公开(公告)日：2023-09-29
申请号：CN202310802442.7
申请日：2023-07-03
Applicant: 国家计算机网络与信息安全管理中心天津分中心
Abstract: 本发明属于深度合成音频检测领域技术领域，特别涉及一种基于多粒度注意力机制的深度合成音频检测方法和装置，其中，深度合成音频检测方法包括以下步骤：获取待检测音频；对待检测音频进行预处理，得到对应的频谱图；对频谱图进行多粒度特征提取，得到不同时间尺度的中间特征；对不同时间尺度的中间特征采用多粒度注意力机制进行特征融合，得到多粒度特征；将多粒度特征输入预训练好的深度合成音频检测模型中，输出对应的预测结果。本发明提供的深度合成音频检测方法多粒度注意力机制，结合深度学习技术，充分利用音频信号的时频特征，提高对不同时序的关注能力，从而提高音频检测的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.05 seconds)
