-
公开(公告)号：CN111753322A
公开(公告)日：2020-10-09
申请号：CN202010635435.9
申请日：2020-07-03
Applicant: 烟台中科网络技术研究所 , 烟台中科数据技术有限公司
Abstract: 本发明公开了一种移动App权限列表自动核验方法，包括S1、获取待测移动App实际的权限列表，转化为向量形式，得到实际权限列表向量；S2、获取待测移动App的隐私协议，通过经训练的深度学习分类模型转化为向量形式，与设定阈值进行比较，得到声明权限列表向量；S3、对比待测移动App的实际权限列表向量跟声明权限列表向量是否一致，若一致，则判定待测移动App“合规”，否则判定待测移动App“不合规”。本发明的移动App权限列表自动核验方法实现了移动APP权限列表自动核验，不需要再通过人工对App隐私协议内容进行阅读审核就能判定该App是否存在违规获取用户个人信息的问题。本发明还公开了一种移动App权限列表自动核验系统。
-
公开(公告)号：CN106874489B
公开(公告)日：2020-05-12
申请号：CN201710092869.7
申请日：2017-02-21
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于卷积神经网络的肺结节图像块检索方法及装置，通过对获取的肺结节图像块进行切片处理，得到至少两张肺结节切片扫描图，通过构造卷积神经网络提取肺结节切片扫描图的图像特征，得到肺结节的局部特征集合，获取数据库中所有肺结节的局部特征集合，对所有肺结节的局部特征集合进行聚类构建视觉词典，基于视觉词典获取肺结节带权特征向量，通过倒排索引的方式对肺结节带权特征向量构建索引库，根据输入的查询信息对索引库执行检索，得到符合查询条件的肺结节图像块。本发明能够快速、准确的检索出与待检索肺结节最相似的肺结节图像序列。
-
公开(公告)号：CN110070088A
公开(公告)日：2019-07-30
申请号：CN201910275572.3
申请日：2019-04-08
Applicant: 烟台中科网络技术研究所
Abstract: 本申请涉及一种混淆字符的验证码识别方法、装置及存储介质，该方法包括如下步骤：下载目标汉字的字体文件，并根据待识别的目标汉字从所述字体文件中提取出混淆汉字的字模和码字对应关系表，其中，所述码字对应关系表指示所述混淆汉字和所述目标汉字的对应关系，每个所述混淆汉字分别对应一个所述目标汉字；对所述混淆汉字的字模进行渲染，得到渲染图片；利用光学字符识别方法对所述渲染图片进行识别，得到所述混淆汉字；利用所述码字对应关系表识别出与所述混淆汉字对应的目标汉字。不仅可以保证了验证码的使用安全性，而且能有效提高验证码的识别效率和准确性。
-
公开(公告)号：CN119514540A
公开(公告)日：2025-02-25
申请号：CN202510088849.7
申请日：2025-01-21
Applicant: 烟台中科网络技术研究所
IPC: G06F40/289 , G06F16/353 , G06F18/23213 , G06F18/22
Abstract: 本申请涉及数据处理技术领域，具体涉及一种面向大模型的内容提取分析方法、装置及系统。所述方法包括：对所述大模型生成的当前文本进行预处理，获取所述当前文本的分词向量；根据所述分词向量的重要性，对所述分词向量进行聚类，获取多个分词类簇中心；根据所述多个分词类簇中心并结合敏感词库，确定所述当前文本是否合规。本申请实施例根据分词向量的重要性对分词向量进行聚类，再将聚类得到的分词类簇中心与敏感词库结合来确定当前文本是否合规，因此能够减少误检或漏检的情况发生，提高检测结果的准确性。
-
公开(公告)号：CN119248643A
公开(公告)日：2025-01-03
申请号：CN202411341205.6
申请日：2024-09-25
Applicant: 烟台中科网络技术研究所
IPC: G06F11/36 , G06N5/04 , G06N3/0455 , G06F18/24 , G06N3/0442
Abstract: 本发明涉及计算机技术领域，尤其涉及一种基于改进BERT的移动应用大模型风险自动评估方法，包括以下步骤：S1：测试准备阶段；S2：基于集成化群控设备模拟点击的交互式自动提问方法，实现移动应用版本大模型的自动化问答全流程；S3：基于集成化群控设备的动静态数据采集引擎，实现测试结果文本数据和图片信息的批量采集；S4：基于改进BERT的风险研判模型，对测试结果进行安全风险判别分类，并依据安全风险评估规则进行评估打分；S5：将评估结果和测试结果截图统一妥善保存，本方法提高了输出结果判别算法的准确性和可靠性，并建立了全面的安全风险评估体系。
-
Patent Agency Ranking
公开(公告)号：CN118282876B
公开(公告)日：2024-08-30
申请号：CN202410710859.5
申请日：2024-06-04
Applicant: 烟台大学 , 烟台中科网络技术研究所
IPC: H04L41/142 , H04L41/16 , H04L41/0631 , H04L67/104
Abstract: 本发明涉及网络异常检测技术领域，尤其是涉及一种不完备异构以太坊网络的异常节点检测方法及系统。方法，包括获取以太坊交易数据，并构建以太坊交易网络，基于残差注意力机制补全以太坊交易网络中的目标节点的缺失属性特征；基于以太坊交易网络中的交易关系，生成关系交易子图；基于关系交易子图的相关性，生成关系交易子图的特征相似度图、特征传播图、语义图及观察图；通过引入机器学习算法，将以太坊交易网络与图神经网络结合利用图结构学习算法实现对以太坊交易网络中的异常节点进行准确、高效识别和监控。
-
公开(公告)号：CN118313413B
公开(公告)日：2024-08-13
申请号：CN202410741075.9
申请日：2024-06-11
Applicant: 烟台大学 , 烟台中科网络技术研究所
Abstract: 本发明涉及神经网络模型技术领域，尤其是涉及一种基于异构图神经网络的物联网链路预测方法及系统。所述方法，包括构建异构图，并对异构图进行特征表示；基于异构图构建客户端本地模型，包括利用动态注意力机制的图注意力网络构建客户端本地模型；输入异构图至客户端本地模型，并引入贝叶斯推理对异构图的特征进行线性变换；通过损失函数对输入异构图的客户端本地模型进行损失处理；计算客户端本地模型梯度，并对客户端本地模型梯度执行全局模型聚合，得到全局模型参数；将全局模型参数下发至客户端本地模型。通过本发明的技术方案提高链路预测的准确性和鲁棒性。
-
公开(公告)号：CN115713462A
公开(公告)日：2023-02-24
申请号：CN202211412609.0
申请日：2022-11-11
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 , 国家计算机网络与信息安全管理中心上海分中心
IPC: G06T3/40 , G06N3/0464 , G06N3/08 , G06N3/082
Abstract: 本发明公开了超分辨模型训练方法、图像识别方法、装置及设备，属于图像处理技术领域，获取多个样本数据，样本数据包括获取同一场景成对的 ；构建图像超分辨率模型：将含有多个卷积网络模块的深度神经网络模型分别对低分辨率图像和高分辨率图像的特征进行提取和映射，学习特征间非线性的映射关系，最终将提取到的特征进行加权融合；构建目标方程：将低分辨率图像LR(x)输入到图像超分辨率模型中，获得超分辨率图像SR(x)，SR(x)与对应的高分辨率图像HR(x)计算损失用于约束网络的训练过程。本申请能够使得重建后的高分辨率图像具有更清晰的纹理细节，进而提高图像检测的精确率。
-
公开(公告)号：CN115495573A
公开(公告)日：2022-12-20
申请号：CN202210935919.4
申请日：2022-08-04
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: 本发明公开了一种特定业务类型App的高效准确分类方法，首先构建App社交功能属性体系表，针对不同的功能属性构建关键词过滤规则，通过静态反编译的方式获取功能按钮进行规则匹配，进行细粒度核验，考虑到细粒度核验的速度慢准确率高的特点，将部分细粒度核验的结果人工校验后作为训练数据，以App简介作为输入数据进行深度学习模型训练，实现粗粒度核验，达到快速大批量核验。对核验结果进行人工校对，不断优化整个核验流程。本方法用于App类别判定工作，能够快速、准确地从海量App中筛选出特定业务类型对象。
-
公开(公告)号：CN115236520A
公开(公告)日：2022-10-25
申请号：CN202210852508.9
申请日：2022-07-20
Applicant: 山东工商学院 , 烟台中科网络技术研究所
IPC: G01R31/367 , G01R31/388 , G01R31/392 , G01R31/396
Abstract: 本发明涉及一种基于ISSA‑LSTM算法的锂离子电池剩余使用预测方法及系统，包括：对获取的目标电池容量退化序列中的每个容量数据，利用优化的LSTM模型进行训练，预测剩余的电池容量数据；所述优化的LSTM模型是通过ISSA‑LSTM算法计算获得的；根据预测的容量和循环次数的对应关系，计算目标电池的剩余使用寿命。该方法可以在锂离子电池生命前期预测电池容量以及剩余使用寿命。仿真和实验结果表明，该方法能够准确地预测电池的剩余使用寿命，且不需要建立电池等效电路模型，计算成本低，而且适用于不同类型的电池，有良好的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.036 seconds)
