-
公开(公告)号：CN117591119B
公开(公告)日：2024-05-31
申请号：CN202311441226.0
申请日：2023-11-01
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及软件检测技术领域，公开了一种海量APK源码特征提取及相似分析方法，首先输入两个APK文件，通过源码解析反编译方法提取到APK包的AndroidManifest文件、本地化语言配置文件，提取到SMALI或JAVA源代码；再通过包名索引、启动类索引、固定目录识别方式，识别APK核心源码目录、第三方包目录、系统资源目录，并生成源码树；再对核心源码目录中的文件进行分析，计算文件HASH，提取源码文件中字符串类声明特征表示作为加权特征；计算拟进行分析的两棵源码树结构的相似度情况，根据源码目录的类型对进行不同程度的相似度加权。本发明降低分析资源投入和时间消耗，提升源码相似分析的准确度，能够实现在大规模APK数据分析场景的高性能分析。
-
公开(公告)号：CN118013105A
公开(公告)日：2024-05-10
申请号：CN202310961857.9
申请日：2023-08-01
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F16/9538
Abstract: 本申请涉及一种推送信息的生成方法、装置、电子设备及存储介质，所述推送信息的生成方法通过获取第一推送信息集合，判断第一推送信息集合中，推送信息的第一比例是否小于预设阈值，推送信息表示包含预设内容的推送信息，并在第一比例小于预设阈值的情况下，根据第一比例确定调整策略，调整策略用于调整第一推送信息集合中的推送信息，基于调整策略调整第一推送信息集合中的推送信息，以生成目标推送信息集合。由此，在推送信息的第一比例较低时，可以通过调整策略起到调整推送信息的第一比例的作用，以此解决个性化推送方式中特定推送内容比例低的问题，实现了检测以及调整推送信息的比例的效果。
-
公开(公告)号：CN116644229B
公开(公告)日：2024-01-26
申请号：CN202310545163.7
申请日：2023-05-15
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F18/214 , G06F18/243
Abstract: 本申请涉及一种推荐信息过度泛娱乐化预测方法、装置及服务器，方法应用于服务器，包括：获取用户个性化推荐场景下的待预测时刻的实时行为数据和第一历史行为数据；对待预测时刻的实时行为数据和第一历史行为数据进行特征提取，获得待输入特征；将待输入特征输入推荐信息过度泛娱乐化预测模型；获取推荐信息过度泛娱乐化预测模型的输出结果，输出结果表征用户待预测时刻是否发生推荐信息过度泛娱乐化。通过上述方式，解决了现在对过度泛娱乐化的信息推荐的预测角度的研究还存在空白的问题。
-
公开(公告)号：CN116962996A
公开(公告)日：2023-10-27
申请号：CN202311222480.1
申请日：2023-09-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04W4/12 , H04W4/08 , H04L51/063 , H04L51/214 , H04L51/52 , H04L51/56 , G06N3/006
Abstract: 本发明提供一种基于粒子群算法的信息传播预测方法、装置和设备，属于信息处理技术领域，该方法包括：确定在第一时刻目标信息对应的各个类型的用户的数量；其中，各个类型的用户对目标信息的信任程度和/或传播方式不同；根据第一时刻目标信息对应的各个类型的用户的数量和信息传播模型，确定目标信息的传播预测结果；目标信息的传播预测结果中包括在第二时刻目标信息对应的各个类型的用户的数量；信息传播模型用于对信息在传播过程中各个类型用户数量的变化情况进行预测。本发明的方法实现了对目标信息传播过程中各类型用户数量变化情况的准确预测，提升了信息传播预测结果的准确性。
-
公开(公告)号：CN113674142B
公开(公告)日：2023-10-17
申请号：CN202111003756.8
申请日：2021-08-30
Applicant: 国家计算机网络与信息安全管理中心 , 恒安嘉新(北京)科技股份公司
Inventor： 佟玲玲 , 李玉惠 , 井雅琪 , 任博雅 , 段东圣 , 段运强 , 时磊 , 傅强 , 蔡琳 , 阿曼太 , 梁彧 , 马寒军 , 田野 , 王杰 , 杨满智 , 金红 , 陈晓光
IPC: G06T3/00 , G06N3/0464 , G06N3/08 , G06V10/762
Abstract: 本发明实施例公开了一种图像中目标物的消融方法、装置、计算机设备及介质。该方法包括：获取多个训练样本图像，并根据各训练样本图像中预先标注的标识框的长宽值和DIou损失函数的损失值，计算得到至少一个锚点框的长宽值；根据各锚点框的长宽值，对YoLoV5改进模型进行参数设置，并使用各训练样本图像对参数设置后的模型进行训练，得到目标检测模型；将待处理的目标图像输入至目标检测模型中，获取针对目标图像输出的至少一个目标物标识框；根据目标物标识框所限定的图像区域进行消融处理，得到目标消融图像。通过本发明实施例的技术方案，能够实现快速准确地对图像中的特定内容进行定位消融，提高了方法的运行效率，节约了硬件成本。
-
Patent Agency Ranking
公开(公告)号：CN116644229A
公开(公告)日：2023-08-25
申请号：CN202310545163.7
申请日：2023-05-15
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F18/214 , G06F18/243
Abstract: 本申请涉及一种推荐信息过度泛娱乐化预测方法、装置及服务器，方法应用于服务器，包括：获取用户个性化推荐场景下的待预测时刻的实时行为数据和第一历史行为数据；对待预测时刻的实时行为数据和第一历史行为数据进行特征提取，获得待输入特征；将待输入特征输入推荐信息过度泛娱乐化预测模型；获取推荐信息过度泛娱乐化预测模型的输出结果，输出结果表征用户待预测时刻是否发生推荐信息过度泛娱乐化。通过上述方式，解决了现在对过度泛娱乐化的信息推荐的预测角度的研究还存在空白的问题。
-
公开(公告)号：CN116611433A
公开(公告)日：2023-08-18
申请号：CN202310478295.2
申请日：2023-04-28
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/289 , G06Q10/0639 , G06F18/24 , G06N3/0464 , G06N20/00
Abstract: 本发明实施例涉及一种情感识别方法及系统，所述方法包括：获取目标文本对应的初始数据，所述初始数据是由所述目标文本经过预处理得到的；设定所述初始数据的细粒度规则，得到所述初始数据对应不同长度的类别文本；根据所述细粒度规则和所述类别文本，确定不同长度的所述类别文本对应的不同类别的情感识别模型；将所述类别文本输入到对应的所述情感识别模型中进行识别处理，得到所述目标文本的情感识别结果。通过对获得到初始数据按照设定的细粒度规则进行设定分类，确定情感识别模型，通过识别处理得到情感识别结果，由此，可以更加准确地表达和识别用户的情感倾向和理解用户情感，更好地支持情感分析应用，更好地支持舆情分析，实现对短文本的情感识别处理的技术效果。
-
公开(公告)号：CN115190217A
公开(公告)日：2022-10-14
申请号：CN202210801788.0
申请日：2022-07-07
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种融合自编码网络的数据安全加密方法和装置，涉及互联网数据处理技术领域。本发明为了解决现有数据安全加密时面对包含大量图片的海量数据存储资源开销大、数据传输不安全、数据传输效率低的缺陷，其方法为采用文本加密模块对文本类型数据作加密处理，构建图片自编码网络模型，采用图片压缩模块对待加密的原始图片类型数据作预压缩处理；采用图片加密模块对图片压缩编码作加密处理，采用解密模块对需要应用于下游任务的文本密文数据或图片密文数据进行解密，采用图片重建模块对解密后的图片压缩编码进行重建复原，译码器将码字通过重建处理后得到重建图片类型数据。本发明主要用于海量数据传输。
-
公开(公告)号：CN114978585A
公开(公告)日：2022-08-30
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
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：CN112258377A
公开(公告)日：2021-01-22
申请号：CN202011088661.6
申请日：2020-10-13
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种鲁棒二值神经网络的构建方法及设备。鲁棒二值神经网络的构建方法，包括：对训练数据进行二值化处理；基于二值化处理后的训练数据，对预设二值神经网络进行训练；对完成训练的预设二值神经网络进行纠错编码。采用本发明，通过对训练数据进行二值化处理，可以将内存占用降低为原有的浮点型权值的1/32；同时，对训练好的二值神经网络进行纠错编码，使得编码后二元神经网络具有抵抗檫除或者错误的噪音干扰，所以编码后的二元神经网络具有很好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.058 seconds)
