-
公开(公告)号：CN114974260B
公开(公告)日：2025-05-02
申请号：CN202210261788.6
申请日：2022-03-17
Applicant: 声通科技股份有限公司 , 上海交通大学
Abstract: 一种基于对抗学习的跨通道内容无关说话人识别方法及系统，在离线阶段，通过采集多个不同信道下多个说话人的语音样本生成数据集，对信道分类模型进行训练；并采用训练后的信道迁移模型对于输入的不同信道下待测说话人语音样本进行信道归一化处理，采用训练后的单一信道说话人识别单元对用户所采集到的且包含需要找寻其中属于特定说话人音频的音频数据进行说话人识别，发现属于特定说话人的音频。本发明基于多个通信信道中采集获得的语音样本作为训练数据，训练说话人识别的信道迁移模型，并将不同信道下的语音信道特征进行迁移，从而实现将其他通信信道下的语音样本迁移至统一的语音信道，从而完成说话人识别任务，获得较高的识别准确度。
-
公开(公告)号：CN114637841B
公开(公告)日：2025-03-21
申请号：CN202011472432.4
申请日：2020-12-15
Applicant: 上海交通大学
IPC: G06F16/35 , G06F16/36 , G06F40/216 , G06F40/284 , G06Q50/00
Abstract: 一种基于对立主题分析的群体意见自动抽取系统，包括：信息收集模块、主题抽取模块、主题分层聚类模块、倾向性分类模块、对立主题分析模块、群体意见统计和输出模块，本发明能够持续的关注特定群体观点和立场的表达，识别出群体中相对稳定的兴趣点，并对主题进行分层聚类，自动形成群体的主题，从而从大的方面以及小的侧面全面的描绘该群体的意愿，从而给产品设计者或者管理者提供改进参考。
-
公开(公告)号：CN117650899A
公开(公告)日：2024-03-05
申请号：CN202210956849.0
申请日：2022-08-10
IPC: H04L9/40 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/08 , G06F18/2433
Abstract: 一种基于图神经网络的云安全异常检测方法，通过多源异构网络安全数据并进行预处理后，通过图结构描述私有云中的资产和与其相关的日志和告警，将预处理后的数据生成静态图，通过对静态图采样得到的节点输入结构自注意力网络，并根据得到的向量表示进一步构造动态图；通过循环神经网络生成离散后的动态图中每个节点的特征向量，基于特征向量的判断得出对应节点是否存在异常。本发明能够及时发现重要网络攻击情景，根据攻击步骤缺失情况进行回溯和填充漏警，本发明可直接部署到云架构中，充分利用私有云强大的算力和云基础设施底座便捷的数据获取能力，实现云安全原生化。
-
公开(公告)号：CN1760901A
公开(公告)日：2006-04-19
申请号：CN200510030968.X
申请日：2005-11-03
Applicant: 上海交通大学
IPC: G06Q10/00
Abstract: 一种网络通信技术领域的电子邮件过滤系统。本发明中，预处理模块首先获取待处理信息内容，并将获取结果送入特征提取模块，特征提取模块从待处理信息中提取出特征选项，并分两路分别送入特征选择模块与预分类模块，特征选择模块对特征选项进行选择并将结果送入特征库，特征库存储特征选项，预分类模块根据特征选项对信息进行预分类并将结果递交给邻近类别分类模块，邻近类别分类模块从特征库提取特征选项并完成对信息的分类。本发明能对邮件主体内容进行分析，对于通过代理服务器发送的垃圾邮件同样能进行过滤；系统具有自学习能力，采用两级分类模式与邻近类别分类技术，提高了系统对垃圾邮件的查准滤和查全率。
-
公开(公告)号：CN119696803A
公开(公告)日：2025-03-25
申请号：CN202311238683.X
申请日：2023-09-25
IPC: H04L9/40
Abstract: 一种基于深度学习和多维特征识别的网页挖矿攻击检测方法及系统，在离线阶段通过对采集到的流量进行预处理并生成灰度图后，分别用于训练两个基于VGG‑16的网页挖矿流量检测模型；对提取到的JavaScript脚本进行反混淆以及字符替换处理后，分别用于训练两个基于BiLSTM的网页挖矿JavaScript脚本检测模型；在在线阶段通过训练后的网页挖矿流量检测模型和网页挖矿JavaScript脚本检测模型进行分类，并将分类结果进行多维特征融合，实现网页挖矿攻击检测。本发明从挖矿网络流量和挖矿JavaScript脚本两个方面对挖矿行为进行检测。通过直接将原始流量数据和JavaScript脚本作为输入，实现了端到端的网页挖矿攻击检测，无需手动设计特征，从而提升了检测方法的泛化能力和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117669655A
公开(公告)日：2024-03-08
申请号：CN202210956842.9
申请日：2022-08-10
IPC: G06N3/0464 , G06N3/082 , H04L9/40
Abstract: 一种网络入侵检测深度学习模型压缩方法，通过网络入侵流量样本训练深度学习教师模型，根据待部署的边缘计算节点k的各个类型流量的概率分布情况 计算知识蒸馏后的学生模型ModelS，再采用基于节点流量类型分布的模型剪枝方法对学生模型ModelS进行剪枝，得到节点k所需部署的压缩模型 实现针对不同模型的压缩。本发明同时结合知识蒸馏技术以及模型剪枝技术对边缘计算节点中的网络入侵检测深度学习算法，基于各个节点所面临的网络流量类型分布情况进行针对性剪枝，能够根据所需发布的边缘计算节点网络流量类型分布情况对深度学习检测模型进行个性化压缩，从而有效降低计算和存储资源损耗，提升流量检测精度。
-
公开(公告)号：CN114974260A
公开(公告)日：2022-08-30
申请号：CN202210261788.6
申请日：2022-03-17
Applicant: 上海声通信息科技股份有限公司 , 上海交通大学
Abstract: 一种基于对抗学习的跨通道内容无关说话人识别方法及系统，在离线阶段，通过采集多个不同信道下多个说话人的语音样本生成数据集，对信道分类模型进行训练；并采用训练后的信道迁移模型对于输入的不同信道下待测说话人语音样本进行信道归一化处理，采用训练后的单一信道说话人识别单元对用户所采集到的且包含需要找寻其中属于特定说话人音频的音频数据进行说话人识别，发现属于特定说话人的音频。本发明基于多个通信信道中采集获得的语音样本作为训练数据，训练说话人识别的信道迁移模型，并将不同信道下的语音信道特征进行迁移，从而实现将其他通信信道下的语音样本迁移至统一的语音信道，从而完成说话人识别任务，获得较高的识别准确度。
-
公开(公告)号：CN114742048A
公开(公告)日：2022-07-12
申请号：CN202110020564.1
申请日：2021-01-07
Applicant: 上海交通大学
IPC: G06F40/289 , G06F40/30 , G06K9/62
Abstract: 一种互联网新闻热点事件自动生成系统及方法，包括：数据读取单元、文本分词单元、去除停用词单元、关键词提取、计算相似性单元、形成事件及事件摘要及标题生成、事件分类、事件预警单元，其中：数据读取单元分别与文本分词单元、去除停用词单元、关键词提取、计算相似性单元、形成事件相连并传输事件数据信息，形成事件单元与标题生成、事件分类、事件预警单元相连并传输事件信息。本发明整体解决了互联网新闻热点自动生成的问题；与现有技术相比，本发明采用了新流程提升事件自动生成的精准度；提升大批量文本处理速率。
-
公开(公告)号：CN111786976B
公开(公告)日：2021-05-25
申请号：CN202010573495.2
申请日：2020-06-22
Applicant: 上海交通大学
IPC: H04L29/06 , H04L12/911
Abstract: 本发明公开了一种NDN网络中基于路径聚合的兴趣包泛洪攻击检测系统，涉及下一代互联网架构和网络安全领域。包括中心控制器，NDN路由器，内容请求节点和内容提供节点。内容请求节点在需要某一项内容时，将所需内容名称放在兴趣包中发送给NDN路由器；NDN路由器根据本地缓存的内容决定提供内容给请求节点或转发兴趣包；内容提供节点收到兴趣包时将请求的内容放在数据包中发回给请求节点；中心控制器通过路径聚合和负载均衡算法，计算并下发路由表给NDN路由器；NDN路由器根据每个端口的兴趣包满足率、请求兴趣表大小和否定应答数量三个指标判定是否遭遇兴趣包泛洪攻击。本发明明显提高兴趣包泛洪攻击的检测速度，增强兴趣包泛洪攻击检测的灵敏度。
-
公开(公告)号：CN106250210A
公开(公告)日：2016-12-21
申请号：CN201610629090.X
申请日：2016-08-03
Applicant: 上海交通大学 , 上海鹏越惊虹信息技术发展有限公司
IPC: G06F9/455
CPC classification number: G06F9/45558 , G06F2009/4557
Abstract: 一种云环境下的虚拟机调度方法，本发明在云环境下的虚拟机调度，将满足性能要求的虚拟机预先放置在同一物理机中，再通过迁移将相互流量大的虚拟机流量转化为物理机内部流量，大幅度减少交换设备的网络占用，大大提高了用户使用云平台的流畅度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
