-
公开(公告)号：CN114170033B
公开(公告)日：2024-12-17
申请号：CN202111069492.6
申请日：2021-09-13
Applicant: 中国电子科技网络信息安全有限公司
IPC: G06Q50/00
Abstract: 本发明公开了一种基于关系强度计算的社交网络用户影响力分析方法，包括步骤：S1，关系强度计算，从社交网络中虚拟身份之间的互动行为类型、互动行为类型发生次数以及互动行为时间三个维度来计算社交网络用户的关系强度，利用计算得到的关系强度发现社交网络中用户之间的亲疏关系和情感倾向；S2，将步骤S1计算得到的社交网络用户之间的关系强度与LeaderRank算法结合，计算得到社交网络用户的社交网络影响力等；本发明能较好地发现网络中用户对之间的亲疏关系、联系强弱关系，能更好的计算用户的社交网络影响力，提高了算法的准确性。
-
公开(公告)号：CN114500011B
公开(公告)日：2023-12-05
申请号：CN202210035279.1
申请日：2022-01-13
Applicant: 中国电子科技网络信息安全有限公司
IPC: H04L9/40 , H04L41/0631 , H04L41/069 , H04L41/142
Abstract: 本发明公开了一种基于行为基线异常分析和事件编排的辅助决策方法，属于网络安全技术领域，包括步骤：S1，基于行为基线异常分析定位真实告警信息，编排网络安全事件分析模型；S2，采用编排的网络安全事件分析模型，对定位到的真实告警信息进行告警处置。本发明提供了包括快速精准定位真实告警信息、预先编排网络安全事件分析标准模型、告警自动化处置为一体的网络安全事件处置方案，不仅能够从流程上打通、团队上协同，还能够降低网络安全分析技术门槛、减轻网络安全决策负担，提升效率。
-
公开(公告)号：CN112597366B
公开(公告)日：2022-03-18
申请号：CN202011336692.9
申请日：2020-11-25
Applicant: 中国电子科技网络信息安全有限公司
IPC: G06F16/951 , G06F16/35 , G06F40/242 , G06F40/58 , G06K9/62
Abstract: 本发明公开了一种基于Encoder‑Decoder的事件抽取方法，S1，文本预处理，对开放域数据进行文本预处理，提取所需的正文内容，对预处理之后的数据进行词向量训练；S2，标注文本，对预处理之后的文本进行打标，标识句子对应的事件类型；S3，结合GRU+Attention机制来搭建并训练用于判定事件类型的Encoder‑Decoder模型，得到轻量级深度学习Encoder‑Decoder网络模型并持续训练，对事件抽取任务进行抽象与表征，得到预测结果；S4，基于步骤S3中已训练的轻量级深度学习Encoder‑Decoder网络来完成事件抽取任务，得出相应事件类型等；本发明具有领域适应能力强，抽象学习能力高，模型简洁，计算过程需要消耗少量的资源和时间等优点。
-
公开(公告)号：CN112883732A
公开(公告)日：2021-06-01
申请号：CN202011344221.2
申请日：2020-11-26
Applicant: 中国电子科技网络信息安全有限公司
IPC: G06F40/295 , G06F40/211
Abstract: 本发明公开了一种基于关联记忆网络的中文细粒度命名实体识别方法及装置，包括输入层进行记忆句子的选择，计算输入句子和训练集中句子的距离，将训练集中与输入句子距离最近的几个句子作为记忆句子；嵌入层对输入句子和记忆句子中的字符进行上下文编码，并将记忆句子的实体标签转换为标签序列，进行标签嵌入；关联记忆网络计算输入句子中每个字符和记忆句子中每个字符的注意力矩阵，并与记忆句子对应的标签嵌入相乘，将标签信息融入序列表示中；多头自注意层、条件随机场层和输出层。本发明对融入了标签信息的字符表示进行重新编码，增加了实体识别的效果；实验结果表明，本发明的模型在细粒度命名实体识别任务中取得了更好的效果。
-
公开(公告)号：CN111428443A
公开(公告)日：2020-07-17
申请号：CN202010294780.0
申请日：2020-04-15
Applicant: 中国电子科技网络信息安全有限公司
IPC: G06F40/134 , G06F40/126 , G06F40/279 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，本发明公开了一种基于实体上下文语义交互的实体链接方法，结合待链接实体的上下文信息和知识库实体的属性描述信息，采用Transformer结构编码知识库实体文本，采用LSTM网络编码查询实体文本，并对知识库实体文本和查询实体文本的语义编码采用细粒度词级注意力交互来捕捉文本局部相似信息。本发明在利用LSTM和Transformer网络分别编码两段文本的基础上，增加了词级别细粒度语义特征交互，丰富了文本的细节语义特征，在验证集和测试集上达到了89.1％和88.5％的准确率，分别超过了目前主流的实体链接编码模型CNN和LSTM网络2.1％和1.7％，表明了本发明的实体链接方法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN111143701A
公开(公告)日：2020-05-12
申请号：CN201911278609.4
申请日：2019-12-13
Applicant: 中国电子科技网络信息安全有限公司
IPC: G06F16/9536 , G06F16/31 , G06Q50/00
Abstract: 本发明公开了一种基于多维度的社交网络用户推荐方法及系统，所述方法包括：S1：提取社交网络中各个用户的信息；S2：进行数据预处理后合并为一个文本消息；S3：对文本消息使用biterm主题模型进行主题建模，得到基于用户消息的文本向量；S4：构建社交网络；S5：对社交网络进行随机游走得到用户标识序列，再使用biterm主题模型进行主题建模，得到基于用户的社交网络的结构向量；S6：对文本向量及结构向量进行拼接，作为当前用户的特征向量，再和其它用户计算相似度，取相似度最高的k个结果作为用户推荐结果。本发明分析了用户自身属性，同时也考虑了在社交网络中隐形结构的相似性，通过对整个社交网络的整体把握，具有准确率高、覆盖率高和方法先进等优点。
-
公开(公告)号：CN114500011A
公开(公告)日：2022-05-13
申请号：CN202210035279.1
申请日：2022-01-13
Applicant: 中国电子科技网络信息安全有限公司
IPC: H04L9/40 , H04L41/0631 , H04L41/069 , H04L41/142
Abstract: 本发明公开了一种基于行为基线异常分析和事件编排的辅助决策方法，属于网络安全技术领域，包括步骤：S1，基于行为基线异常分析定位真实告警信息，编排网络安全事件分析模型；S2，采用编排的网络安全事件分析模型，对定位到的真实告警信息进行告警处置。本发明提供了包括快速精准定位真实告警信息、预先编排网络安全事件分析标准模型、告警自动化处置为一体的网络安全事件处置方案，不仅能够从流程上打通、团队上协同，还能够降低网络安全分析技术门槛、减轻网络安全决策负担，提升效率。
-
公开(公告)号：CN114048090A
公开(公告)日：2022-02-15
申请号：CN202111224982.9
申请日：2021-10-21
Applicant: 中国电子科技网络信息安全有限公司
Abstract: 本发明公开了一种基于K8S的容器云平台监控的方法、设备及存储介质，其中方法包括以下步骤：在K8S平台上部署第一组件，包括Prometheus‑Operator、Grafana和kube‑state‑metrics，分别用于收集监控数据、展示监控数据以及获取K8S平台的资源对象和对应监控数据；为Grafana配置报警通道，设置Prometheus数据源；部署应用程序，并同步部署第二组件；Grafana配置数据可视化模块dashboard，并设置报警阈值；判断监控数据是否达到报警阈值，若是，则报警通知用户处理。本发明可实现对K8S集群容器的精细化管理，方便排查问题出处并及时处理问题。
-
公开(公告)号：CN112597366A
公开(公告)日：2021-04-02
申请号：CN202011336692.9
申请日：2020-11-25
Applicant: 中国电子科技网络信息安全有限公司
IPC: G06F16/951 , G06F16/35 , G06F40/242 , G06F40/58 , G06K9/62
Abstract: 本发明公开了一种基于Encoder‑Decoder的事件抽取方法，S1，文本预处理，对开放域数据进行文本预处理，提取所需的正文内容，对预处理之后的数据进行词向量训练；S2，标注文本，对预处理之后的文本进行打标，标识句子对应的事件类型；S3，结合GRU+Attention机制来搭建并训练用于判定事件类型的Encoder‑Decoder模型，得到轻量级深度学习Encoder‑Decoder网络模型并持续训练，对事件抽取任务进行抽象与表征，得到预测结果；S4，基于步骤S3中已训练的轻量级深度学习Encoder‑Decoder网络来完成事件抽取任务，得出相应事件类型等；本发明具有领域适应能力强，抽象学习能力高，模型简洁，计算过程需要消耗少量的资源和时间等优点。
-
公开(公告)号：CN110708296A
公开(公告)日：2020-01-17
申请号：CN201910884661.8
申请日：2019-09-19
Applicant: 中国电子科技网络信息安全有限公司
Abstract: 本发明公开了一种基于长时间行为分析的VPN账号失陷智能检测模型，包括如下检测流程：步骤一、数据读取阶段：从大数据分布式存储系统读取汇总后的VPN账号登录数据；步骤二、数据预处理阶段：对读取的数据进行数据清洗操作；步骤三、特征工程阶段：利用数据预处理后的数据生成建立推测VPN账号失陷模型所需的多维特征；步骤四、模型训练阶段：训练评分模型和常用列表模型；步骤五、模型预测阶段：使用训练好的模型，以及读取的VPN账号数据，预测其中存在不同风险程度的失陷VPN账号。本发明既不依赖安全数据中的正负例样本标注，省去了大量的人力和时间成本，又可以切实结合VPN账号失陷的业务场景，有效提高召回率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.051 seconds)
