-
公开(公告)号：CN103699650A
公开(公告)日：2014-04-02
申请号：CN201310733040.2
申请日：2013-12-26
Applicant: 清华大学
IPC: G06F17/30
Abstract: 本发明公开了一种消息传播预测方法及装置，能够预测消息在网络中的传输情况。该方法包括：获取社交网络中消息的转发信息；根据所述转发信息确定非线性预测模型；确定所述非线性预测模型的系数；根据所述非线性预测模型及所述非线性预测模型的系数对所述消息进行传播预测。本发明实施例获取社交网络中消息的转发信息，根据所述转发信息确定非线性预测模型，确定所述非线性预测模型的系数，根据所述非线性预测模型及所述非线性预测模型的系数对所述消息进行传播预测，从而预测消息在网络中的传输情况。
-
公开(公告)号：CN103605661A
公开(公告)日：2014-02-26
申请号：CN201310492999.1
申请日：2013-10-18
Applicant: 清华大学
IPC: G06F17/30
CPC classification number: G06F17/30861
Abstract: 本发明公开了一种社会网络信息传播树生成方法，包括步骤：S1.根据源头信息ID或者源头信息URL获取该条信息的所有基本属性；S2.将所述源头信息保存为该条信息传播树的树根节点；S3.根据所述源头信息ID获取根转发列表；S4.将所述根转发列表中的所有信息挂载到所述树根节点，形成第一层转发链；S5.从所述根转发列表中取出第一条信息；S6.根据输入的信息ID获取该条信息的子转发列表，并且将所述子转发列表挂载到输入的信息节点上；S7.将所述子转发列表与所述根转发列表进行对比；S8.判断所述子转发列表与所述根转发列表是否含有重复项，若不含有，则从所述根转发列表取出下一条信息，并返回步骤S6。
-
公开(公告)号：CN103546443A
公开(公告)日：2014-01-29
申请号：CN201210246795.5
申请日：2012-07-16
Applicant: 清华大学
Abstract: 本发明公开了一种结合网络流量分析和消息聚类的网络协议逆向分析方法，其包括步骤：S1.对目标网络协议应用进行逆向分析，捕获该应用产生的网络流量；S2.对捕获的网络流量按五元组进行分流；S3.结合逆向分析结果，在反编译的汇编代码中，将发包或者收包定义为一个消息，一个流包含多个消息；S4.以流为单位，假设捕获了s条流，对这s条流进行聚类；S5.将s条流聚类成少量k个关键协议交互过程后，对其进行保存；S6.k个关键协议交互过程再经过状态机标准简化算法，得到最简形式，即为系统最终协议分析的结果。该方法通过结合逆向分析，能够得到目标网络协议的具体交互过程；该方法是自动化地进行，得到的结果准确、简洁。
-
公开(公告)号：CN103532908A
公开(公告)日：2014-01-22
申请号：CN201210228876.2
申请日：2012-07-02
Applicant: 清华大学
Abstract: 本发明公开了一种基于二级决策树的P2P协议识别方法，该方法包括步骤：S1.获得纯净的P2P协议流量和非P2P协议流量，并提取指定格式的一级网络流统计特征集；S2.根据所提取的一级网络流统计特征集分别训练一、二级决策树模型集；S3.从网络中提取符合特定触发规则的、网络流五元组中包含待检测IP地址的网络流集合的一级网络流统计特征；S4.利用步骤S2得到的一、二级决策树模型集及步骤S3所提取的一级网络流统计特征识别背景流量中的P2P协议。本发明的方法能有效改善传统P2P协议识别方法的严重误报，可以为高速网络中高性能流量分类系统、内容监控系统的设计和实现提供技术支持。
-
公开(公告)号：CN103516539A
公开(公告)日：2014-01-15
申请号：CN201210220115.2
申请日：2012-06-28
Applicant: 清华大学
IPC: H04L12/24 , H04L12/26 , H04L12/813
Abstract: 本发明公开了一种基于前后向触发机制的多网络流统计特征提取方法，该方法包括步骤：S1.设定前后向触发规则；S2.判断是否满足前向触发池；S3.多网络流统计特征提取；S4.判断是否满足后向触发池。本发明的方法采用前后向触发机制判断网络中多网络流统计特征提取的开始时间和结束时间，一方面减少了后继相关处理的开销，将同一应用、协议或目的的多个网络流进行了有效整合，提高了特征提取的准确性；另一方面过滤了网络中待处理的流量，能够有效改善传统网络管理的性能。本发明的方法可以为高速网络中高性能流量分类系统、内容监控系统的设计和实现提供技术支持。
-
Patent Agency Ranking
-
公开(公告)号：CN111310946B
公开(公告)日：2022-11-29
申请号：CN202010120711.8
申请日：2020-02-26
Applicant: 清华大学
Abstract: 本发明实施例提供一种基于智能运维的变压器运行态势感知方法及系统，该方法包括：获取目标变压器的第一变压器监测数据和历史监测数据集；对第一变压器监测数据进行特征提取和分析，获取关键指标和变压器监控指标；根据变压器运行态势感知模型对历史监测数据集、关键指标和变压器监控指标，预测得到目标变压器在下一时刻的关键指标预测值和关键指标拟合值；根据关键指标预测值、关键指标拟合值和预设阈值区间，获取关键指标预测值偏移量和关键指标拟合值偏移量，以根据关键指标预测值偏移量和关键指标拟合值偏移量确定目标变压器的运行态势。本发明实施例通过预测变压器的运行状态，使得对变压器故障实现提前感知，提高变压器的可靠性。
-
公开(公告)号：CN107341401B
公开(公告)日：2019-09-20
申请号：CN201710475611.5
申请日：2017-06-21
Applicant: 清华大学
IPC: G06F21/56
Abstract: 本发明提供一种基于机器学习的恶意应用监测方法和设备,用于解决恶意程序变种或更新后无法很好监测识别的问题。其中方法包括步骤：S101、提取样本集中应用程序的应用特征和恶意标记，样本集中包括恶意应用样本与非恶意应用样本；S102、将提取的应用特征和恶意标记映射至向量空间，获得与样本集中应用程序对应的向量集合；S103、基于机器学习训练决策模型，以及将上述向量集合用于训练决策模型；S104、将训练得到的决策模型用于检测应用程序是否为恶意应用。本发明的方法只需要不断更新样本集中的恶意程序，样本集的更新工作量相对特征码库是非常少的，也不需要构建完备的样本库，本方法即可适应恶意程序更新或者变种。
-
公开(公告)号：CN110046293A
公开(公告)日：2019-07-23
申请号：CN201910155928.X
申请日：2019-03-01
Applicant: 清华大学
IPC: G06F16/951
Abstract: 本发明实施例提供一种用户身份关联方法及装置，该方法包括：根据第一预设数量的第一平台的种子ID，使用多个APP身份轮询第一平台的API，获取第二预设数量的用户ID和轮询记录；启动第二平台爬虫操作，扫描轮询记录获取对应的URL，得到轮询记录中URL指向第二平台的关联ID和不指向第二平台的非关联ID；提取关联ID和非关联ID的特征，得到第一特征向量用于训练二分类模型；获取第一平台用户ID和第二平台用户ID，特征提取后得到特征向量并输入到二分类模型中，得到身份关联结果。本发明实施例提供的用户身份关联方法及装置，从用户个人资料中提取有效特征，实现了多源社会网络中的用户身份关联，在保证较高准确率的情况下节省计算资源。
-
公开(公告)号：CN107341401A
公开(公告)日：2017-11-10
申请号：CN201710475611.5
申请日：2017-06-21
Applicant: 清华大学
IPC: G06F21/56
Abstract: 本发明提供一种基于机器学习的恶意应用监测方法和设备,用于解决恶意程序变种或更新后无法很好监测识别的问题。其中方法包括步骤：S101、提取样本集中应用程序的应用特征和恶意标记，样本集中包括恶意应用样本与非恶意应用样本；S102、将提取的应用特征和恶意标记映射至向量空间，获得与样本集中应用程序对应的向量集合；S103、基于机器学习训练决策模型，以及将上述向量集合用于训练决策模型；S104、将训练得到的决策模型用于检测应用程序是否为恶意应用。本发明的方法只需要不断更新样本集中的恶意程序，样本集的更新工作量相对特征码库是非常少的，也不需要构建完备的样本库，本方法即可适应恶意程序更新或者变种。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.053 seconds)
