-
公开(公告)号：CN103414711A
公开(公告)日：2013-11-27
申请号：CN201310336960.0
申请日：2013-08-05
Applicant: 哈尔滨工业大学
IPC: H04L29/06
Abstract: 基于信任的网络群体异常感知方法，涉及一种网络群体的异常感知方法，解决现有异常感知没有考虑群体性恶意行为在网络中演化且忽略恶意行为节点之间的社会化关系，导致无法在早期发现恶意群体行为特征的问题。包括步骤：根据目标区域网络出口数据建立网络节点间的行为交互矩阵M；对行为交互矩阵M数据进行计算，得到节点vi和节点vj间的相关信任度rij以及总信矩阵T′；根据节点的总信矩阵T′计算节点的相似度矩阵SIM；对相似度矩阵进行谱聚类，获取网络群体行为的异常。本法吗可广泛应用于发现网络的异常行为群体，为网络应急提供预警。
-
公开(公告)号：CN102270239A
公开(公告)日：2011-12-07
申请号：CN201110231559.1
申请日：2011-08-15
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 本发明提供了一种论坛中关联网络的演化分析方法，1、合理的时间划分与片段提取；2、衡量社区演化的衡量参数；3、最长公共子序列算法求解团中的公共节点；4、基于DFS算法的社区网络图中割点的发现。本发明适用于不同应用、不同规模的网络、不同类型的网络。只要可以转换成无向图并遵循相同原则均可使用。不仅能够用于社区网络发现的可视化，并且可以分析提取出的网络随时间的变化。通过对多贴的分析得到：不同的帖子的演化过程也有差别，对于内容没有吸引力并且比较枯燥的帖子，它们仅仅在发帖的初期有一定的回复数量，生成的社区数量也相对较少，重要作用的节点也相对较少。而对于那些有吸引力的帖子，会持续很长时间，社区数量多。
-
公开(公告)号：CN101729297A
公开(公告)日：2010-06-09
申请号：CN200910310286.2
申请日：2009-11-24
Applicant: 哈尔滨工业大学
IPC: H04L12/24
Abstract: 基于矢量图和位图的大规模网络拓扑平面可视化方法，涉及到网络拓扑平面的可视化技术。它解决了现有采用矢量图显示大规模网络拓扑图存在的算法复杂、刷新速度慢的问题。本发明采用三个图层的位图来显示网络拓扑图，第一图层是采用空白位图表示的图形区域；在图形区域上的第二图层是带有坐标的位图区域；在位图区域上的第三图层是客户区域；采用矢量图形文件保存的节点的位置和曲线、颜色；并将矢量图映射到位图区域上；在图形移动的过程，采用位图移动方法移动客户区域，在图形的缩放过程中，首先对矢量图进行缩放，然后将缩放后的矢量图再映射到位图上。本发明具有放缩无失真、显示速度快优点，尤其适用于大规模无向图的可视化技术中。
-
公开(公告)号：CN120045691A
公开(公告)日：2025-05-27
申请号：CN202411965736.2
申请日：2024-12-30
Applicant: 哈尔滨工业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院)
IPC: G06F16/334 , G06F16/35 , G06F16/36 , G06N20/10 , G06F21/60
Abstract: 本发明提供了一种微信公众号敏感信息分析方法及系统，属于信息提取领域。为了解决现有微信公众号分析系统可视化程度相对较差，难以为企业提供直观的智能建议和优化策略，且存在自动化程度低的问题。使用可视化工具将分析结果以图表形式展示，同时引入自动化工具和人工智能技术，实现数据收集、清洗、分析的自动化和智能化，为公众号运营提供智能建议和优化策略。通过可视化展示，用户可以更直观地了解微信公众号的数据情况和趋势，从而更好地制定营销策略和调整产品功能等决策。同时，自动化和智能化技术可以提高数据分析的效率和准确性，为公众号运营提供更准确、更全面的决策支持。
-
公开(公告)号：CN119150869B
公开(公告)日：2025-04-15
申请号：CN202411190952.4
申请日：2024-08-28
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/16 , G06F16/35 , G06N3/0455 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种区分网络安全数据命名实体识别难易度的方法，属于网络数据安全技术领域。解决了现有技术中传统的命名实体识别方法难以有效区分数据难易度的问题；本发明包括以下步骤：S1.构建基于规则的判别器，输入数据集，通过难度指标评估句子中实体的复杂性，得到总难度分数，对数据集中的数据进行分类，得到分类结果；S2.构建预训练模型，设置基于预训练模型的数据判别器对分类结果进行验证，得到最终的命名实体识别分类结果。本发明有效提升了识别数据集中具有挑战性的实例的整体准确性，能够区分数据难易度，增强了数据分类结果的鲁棒性，减轻了预训练模型特定的偏差，可以应用于网络安全数据处理。
-
Patent Agency Ranking
公开(公告)号：CN119226592A
公开(公告)日：2024-12-31
申请号：CN202411384312.7
申请日：2024-09-30
Applicant: 哈尔滨工业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院)
IPC: G06F16/953 , G06Q50/00 , G06F40/289 , G06F40/284 , G06F18/2411 , G06F18/243 , G06F18/23 , G06F18/22
Abstract: 本发明公开了基于潜在传播集的社交网络异常信息传播跟踪系统，涉及社交网络安全技术领域。为了解决现有技术中，可能存在主观性和误差，影响传播参数的提取和调整，从而影响预测的准确性，且需要人工干预来预测网络热点消息的传播情况，限制了其在自动预测和监控方面的能力的问题；基于潜在传播集的社交网络异常信息传播跟踪系统，包括数据采集单元、潜在传播集生成单元、传播路径跟踪单元和预警单元；通过分析社交网络中节点的互动关系和信息传播规律，识别出潜在传播集，利用潜在传播集来预测和追踪信息的传播路径，从而及时发现和应对异常信息的传播，帮助企业和组织及时发现和处理异常信息，维护网络空间的健康和安全。
-
公开(公告)号：CN119204011A
公开(公告)日：2024-12-27
申请号：CN202411190945.4
申请日：2024-08-28
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/16 , G06F16/35 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于预训练模型的网络安全命名实体识别数据增广方法，属于网络数据安全技术领域。解决了现有技术中传统的网络安全命名实体识别数据增广方法易导致识别文本语义错误的问题；本发明给定标注集合和输入序列，根据标注规则生成标注序列，对输入序列进行分句处理；对输入序列的文本片段的长度进行替换，得到片段集合；根据标注集合，对片段集合进行掩码操作，得到新片段集合，利用BERT模型对新片段集合进行预测，得到增广后的数据集；使用BERT模型计算得到连续概率并搜索相邻句子概率矩阵打乱句子顺序，得到最终增广后的数据集。本发明有效提升了所生成增广数据的质量，减少了过拟合现象，可以应用于数据增广。
-
公开(公告)号：CN119167936A
公开(公告)日：2024-12-20
申请号：CN202411190960.9
申请日：2024-08-28
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/16 , G06F16/35 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 基于BERT预训练模型的网络安全NER数据增广方法、电子设备及存储介质，属于网络安全数据处理技术领域。为提高网络安全数据的效率和准确度，本发明采集网络空间安全报告，得到网络空间安全数据；使用BIO方法标注采集的网络空间安全报告，得到的文本序列和标签序列，作为原始数据集；构建BERT预训练模型；将网络空间安全数据进行掩码处理，然后输入到BERT预训练模型中进行训练，得到用于网络安全NER数据的BERT训练模型；将原始数据集进行掩码处理，输入到用于网络安全NER数据的BERT训练模型，将得到的用于网络安全NER数据的BERT训练结果和步骤S2得到的原始数据集进行合并后得到增广数据集。
-
公开(公告)号：CN112883938B
公开(公告)日：2024-08-23
申请号：CN202110379085.9
申请日：2021-04-08
Applicant: 哈尔滨工业大学
IPC: G06F40/284 , G06F17/18 , G06F17/16 , G06Q50/18
Abstract: 本发明提出了一种基于规范化张量分解的司法案例建模方法，涉及一种司法案例建模方法，尤其涉及一种基于规范化张量分解的司法案例建模方法，属于数据处理技术领域。包括以下步骤：步骤一.将司法案例进行模块分割；步骤二.将司法案例模块中的词汇过滤；步骤三.将司法案例模块矩阵化及张量生成；步骤四.将司法案例的原始张量分解为核张量，完成司法案例建模。解决了现有技术中存在的天然缺陷，不利于提高后续预测算法的准确率的技术问题，实现了无需大量的法律专业知识和人工标注工作，对数据库中词汇和语法信息的依赖性不强，能从各个层面描述司法案例，捕捉不同案例模块间的潜在关联，提高后续案例相关预测算法准确率。
-
公开(公告)号：CN117540746B
公开(公告)日：2024-07-19
申请号：CN202311709913.6
申请日：2023-12-13
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/169 , G06F18/214 , G06F18/21 , G06N3/048 , G06N3/0455 , G06N3/096
Abstract: 一种基于多任务迁移的众包命名实体识别个性化提示微调方法及系统，属于众包命名实体识别技术领域。本发明为了解决使用现有的提示方法在众包场景下进行提示微调时识别准确率低、识别效果差的问题而提出的。技术要点：先构建个性化提示生成器：个性化提示生成器针对每个标注者构建私有提示，针对所有标注者构建公有提示，初始化后经过训练过程得到用于预测的私有提示、公有提示，二者再生成最终软提示，最终软提示再通过提示生成网络生成三种注意力机制对应的K、V；再将K、V输入给基于软提示微调的Transformer构架下的模型，得到参数改变后的预训练模型。实验证明，我们提出的PPG能够显著提升已有基于预训练模型的软提示微调命名实体识别方法在众包数据上的效果。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.058 seconds)
