一种基于图神经网络的恶意软件快速检测方法

    公开(公告)号:CN115344863A

    公开(公告)日:2022-11-15

    申请号:CN202210996905.3

    申请日:2022-08-19

    Abstract: 本发明属于网络与信息安全技术领域,具体涉及一种基于图神经网络的恶意软件快速检测方法,该方法包括:构建恶意软件检测模型,采用不同元结构挖掘软件节点中不同实体中的隐藏信息;捕获节点之间基于高阶内容的相关性,使用注意力机制,对元路径进行语义融合;采用基于元结构相似度匹配的Sim2vec算法从未知软件节点和与之相似的已知软件节点嵌入进行增量聚合,提升检测速度;本发明考虑到不同恶意软件实体的多样性和语义关系复杂性所带来的检测精度不准得问题,采用异质信息网络构建模型,并利用高阶图神经网络挖掘恶意软件的高阶特征信息,再利用相似度算法进行匹配,能够有效的进行恶意软件的快速检测。

    一种基于长短时记忆网络以及用户评论的电影推荐方法

    公开(公告)号:CN110851718B

    公开(公告)日:2022-06-28

    申请号:CN201911095989.8

    申请日:2019-11-11

    Abstract: 本发明属于数据推荐领域,具体涉及一种基于长短时记忆神经网络以及用户评论的电影推荐方法;所述方法包括对历史电影数据预处理,对用户创建类别标签并对具有同一类别标签的用户分级;将预处理后的数据和该电影对应的宣发手段进行整合;利用长短时记忆网络计算出电影的评分值,对其进行训练后,将当前上映电影数据进行预处理后,与其宣发手段并整合形成词向量,输入到完成训练的网络中,即计算出当前电影的评分值,根据该评分值确定对应的用户类别标签,根据用户对应的等级采用对应的推荐方式进行电影推荐;本发明采用长短时记忆网络考虑到电影的时序性特征,且基于群体考虑对同一类用户进行推荐,使得推荐能够更为精准的提供给所需的用户群体。

    一种广告点击率预测方法、装置及计算机设备

    公开(公告)号:CN113888238A

    公开(公告)日:2022-01-04

    申请号:CN202111243596.4

    申请日:2021-10-25

    Abstract: 本发明属于电商大数据推荐领域,涉及一种广告点击率预测方法、装置及计算机设备;所述方法包括获取电商平台的用户行为数据,用户肖像数据和广告数据;对用户行为数据进行预处理形成用户行为序列;将用户行为序列、用户肖像数据、广告数据分别进行编码表示,得到对应特征的嵌入向量;采用基于注意力机制的深度神经网络,提取出用户的兴趣表示向量;采用堆栈式自动编码机,提取出用户肖像特征与广告特征之间的隐形关系向量;将用户的兴趣表示向量和隐形关系向量输入到多层感知机中进行联合训练,得到广告点击率的预测结果;本发明能够有效提高电商平台广告的点击率,实现精准营销和推荐的效果。

    基于稀疏表示和张量补全的谣言-辟谣博弈传播控制方法

    公开(公告)号:CN112464082A

    公开(公告)日:2021-03-09

    申请号:CN202011226185.X

    申请日:2020-11-05

    Abstract: 本发明属于网络舆情分析领域,具体涉及一种基于稀疏表示和张量补全的谣言‑辟谣博弈传播控制方法,该方法包括:获取用户数据信息,对用户数据信息进行预处理;提取预处理后的用户数据信息的相关属性;将用户数据信息的相关属性输入到基于稀疏表示和张量补全的谣言‑辟谣博弈传播模型,预测用户传播谣言的趋势;根据预测的用户谣言传播趋势对谣言传播的用户进行控制,阻止谣言的传播;本发明利用演化博弈理论和神经网络对用户是否参加谣言‑辟谣话题进行预测,可动态化的预测用户在什么时候参与该话题讨论,并对谣言话题发展趋势进行态势感知。

    一种基于三元关联图和知识表示的影响力发现方法

    公开(公告)号:CN112256756A

    公开(公告)日:2021-01-22

    申请号:CN202011135676.3

    申请日:2020-10-22

    Abstract: 本发明属于数据挖掘技术领域,具体涉及到一种基于三元关联图和知识表示的影响力发现方法,包括通过网络爬虫获取数据,并进行数据清洗;根据获取的数据源按照用户的转发行为提取热点话题下的消息传播路径和话题下的总消息以及话题下的总用户信息,构建消息‑路径‑用户三元关联图模型;根据交叉迭代策略,在构建的消息‑路径‑用户三元关联图模型上进行正反迭代打分机制来挖掘出热点话题传播的关键元素节点;得到的关键消息、关键路径和关键用户的影响力得分序列结果和相关信息存储到服务器,完成影响力发现;本发明可以帮助使用者在异构、多属性的社交网络中发现高影响力用户。

    一种基于长短时记忆网络以及用户评论的电影推荐方法

    公开(公告)号:CN110851718A

    公开(公告)日:2020-02-28

    申请号:CN201911095989.8

    申请日:2019-11-11

    Abstract: 本发明属于数据推荐领域,具体涉及一种基于长短时记忆神经网络以及用户评论的电影推荐方法;所述方法包括对历史电影数据预处理,对用户创建类别标签并对具有同一类别标签的用户分级;将预处理后的数据和该电影对应的宣发手段进行整合;利用长短时记忆网络计算出电影的评分值,对其进行训练后,将当前上映电影数据进行预处理后,与其宣发手段并整合形成词向量,输入到完成训练的网络中,即计算出当前电影的评分值,根据该评分值确定对应的用户类别标签,根据用户对应的等级采用对应的推荐方式进行电影推荐;本发明采用长短时记忆网络考虑到电影的时序性特征,且基于群体考虑对同一类用户进行推荐,使得推荐能够更为精准的提供给所需的用户群体。

    一种基于属性提取的软件漏洞挖掘系统及方法

    公开(公告)号:CN104268085A

    公开(公告)日:2015-01-07

    申请号:CN201410577779.3

    申请日:2014-10-24

    Abstract: 本发明请求保护一种基于属性提取的软件漏洞挖掘系统及方法,属于计算机安全领域,包括了关键代码发现模块、漏洞分析模块、漏洞推理模块。包括以下步骤:提取待测软件关键代码的步骤;对待测软件在虚拟机环境中执行,并采用虚拟机故障注入引擎与关键代码进行测试交互,记录测试结果;将测试结果结合挖掘经验知识库进行推理。本发明有效地解决了软件缺陷不确定与漏洞的复杂因果关系推理问题。基于属性提取的软件漏洞挖掘方法在安全性、灵活性、兼容性方面都有着一定的优势。

Patent Agency Ranking