-
公开(公告)号：CN110889133A
公开(公告)日：2020-03-17
申请号：CN201911081354.2
申请日：2019-11-07
Applicant: 中国科学院信息工程研究所
IPC: G06F21/62 , G06F16/9535 , G06F16/955
Abstract: 本发明公开了一种基于身份行为混淆的抗网络追踪隐私保护方法及系统。本方法为：1)为用户构建多个虚拟身份；2)行为拆分模块依次对用户真实行为链中发送的每一web服务操作请求分配一对应的虚拟身份；3)身份切换模块将该用户身份切换到当前分配的虚拟身份并执行所分配的web服务操作请求；并且行为生成模块为当前虚拟身份生成虚拟行为；所述虚拟行为是指模拟真实用户并未执行过的行为，向web服务发送虚拟请求，使虚拟身份的行为链完整；4)为该用户所分配的多个虚拟身份分别将返回结果反馈给结果融合模块进行融合，然后将融合结果返回给该用户所在的客户端。本发明使用多个身份进行访问，有效保护了用户隐私信息。
-
公开(公告)号：CN116304288A
公开(公告)日：2023-06-23
申请号：CN202211093497.7
申请日：2022-09-08
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06Q30/0601 , G06F18/241 , G06F18/214 , G06N3/042
Abstract: 本发明公开了一种基于双分支图神经网络的去流行度偏置智能推荐方法，所述方法获取原始数据集；在所述原始数据集中删除热门物品的用户物品交换记录，得到长尾数据集；基于所述原始数据集与所述长尾数据集，分别构建原始子图和长尾子图；针对所述原始子图和所述长尾子图，分别通过图神经网络进行信息传播，并在训练过程中，基于一个动态调整的参数逐渐增大长尾子图相应的图神经网络的权重，以基于训练后的长尾子图相应的图神经网络，得到用户的物品推荐结果，本发明解决了传统的推荐场景中因为数据服从长尾分布而造成的流行度偏置问题。
-
公开(公告)号：CN119337399A
公开(公告)日：2025-01-21
申请号：CN202411351455.8
申请日：2024-09-26
Applicant: 中国科学院信息工程研究所
IPC: G06F21/60 , G06F21/62 , G06F21/55 , G06F16/901 , G06F40/295 , G06F40/289 , G06F40/268 , G06N5/025 , G06F16/9032
Abstract: 本发明公开了一种基于图结构的大规模数据细粒度授权方法及装置，属于访问控制领域。本发明为解决大数据环境下授权管理粗糙的问题，采用了数据预处理、用户自适应访问控制列表构建、政策访问控制列表生成、策略图构建及授权查询的主要步骤。本发明达到了通过图结构实现灵活且精细的权限管理，能够动态适应权限需求变化，提供高效、可扩展的访问控制，同时便于维护复杂的权限关系，提升了大规模数据场景下的管理精度和效率。
-
公开(公告)号：CN112035755B
公开(公告)日：2023-04-07
申请号：CN202010674632.1
申请日：2020-07-14
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06N3/08
Abstract: 本发明提供一种以用户为中心的差分隐私个性化推荐方法及系统：生成m个哈希函数，并发送至任一用户侧，用户侧通过用户与本地物品集合的历史交互记录，构造一n维的第一用户表示向量；接收用户侧发送的m维第二用户表示向量，所述第二用户表示向量依据m个哈希函数由第一用户表示向量转换；计算若干待预测物品的待预测物品表示向量，将所述第二表示向量与一待预测物品表示向量逐组地输入一神经协同过滤学生模型，得到该用户对各待预测物品的评分，并根据所述评分进行物品推荐。本发明避免服务方或可信第三方在集中对原始数据进行隐私化处理时的隐私泄露隐患，能够为未出现在训练集中的用户提供推荐，使用户避免向服务方发送唯一标识来获取推荐。
-
公开(公告)号：CN112035755A
公开(公告)日：2020-12-04
申请号：CN202010674632.1
申请日：2020-07-14
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06N3/08
Abstract: 本发明提供一种以用户为中心的差分隐私个性化推荐方法及系统：生成m个哈希函数，并发送至任一用户侧，用户侧通过用户与本地物品集合的历史交互记录，构造一n维的第一用户表示向量；接收用户侧发送的m维第二用户表示向量，所述第二用户表示向量依据m个哈希函数由第一用户表示向量转换；计算若干待预测物品的待预测物品表示向量，将所述第二表示向量与一待预测物品表示向量逐组地输入一神经协同过滤学生模型，得到该用户对各待预测物品的评分，并根据所述评分进行物品推荐。本发明避免服务方或可信第三方在集中对原始数据进行隐私化处理时的隐私泄露隐患，能够为未出现在训练集中的用户提供推荐，使用户避免向服务方发送唯一标识来获取推荐。
-
Patent Agency Ranking
公开(公告)号：CN119357971A
公开(公告)日：2025-01-24
申请号：CN202411308231.9
申请日：2024-09-19
Applicant: 中国科学院信息工程研究所
IPC: G06F21/57 , G06F40/284 , G06F18/241
Abstract: 本发明公开了一种基于自然语言处理的可解释性授权方法及装置。本方法为：1)获取已标注的漏洞描述及其对应的CVSS向量作为训练数据，对预训练的BERT模型进行优化得到分类器；2)将一目标安全漏洞的文本描述输入分类器，预测得到该目标安全漏洞对应的CVSS向量；3)根据预测的CVSS向量计算该目标安全漏洞的严重性评分，并根据所述严重性评分调整用户授权等级；4)使用基于梯度的输入显著性方法分析该目标安全漏洞的文本描述中的词汇，得到所述分类器预测得到该目标安全漏洞对应的CVSS向量中起到关键作用的词汇作为关键词汇；5)根据调整后的用户授权等级与所述关键词汇生成该目标安全漏洞对应的授权调整可解释性文本。
-
公开(公告)号：CN117932484A
公开(公告)日：2024-04-26
申请号：CN202311720739.5
申请日：2023-12-14
Applicant: 中国科学院信息工程研究所
IPC: G06F18/2431 , G06F16/2458 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于用户行为分析的内部威胁检测方法，其步骤包括：1)根据用户的各类型的行为日志，生成该用户的复合行为日志；2)根据用户的复合行为日志构建该用户的行为特征序列；3)构建内部威胁检测模型，模型遵从编码器‑解码器结构，其中将BiLSTM和第一FNN模型堆叠起来作为编码器，使用第二FNN模型作为解码器；4)利用用户的行为特征序列训练所述内部威胁检测模型；5)将待测用户的行为特征序列输入内部威胁检测模型，得到待测用户的重构行为特征序列，计算待测用户的重构行为特征序列与行为特征序列的均方误差，如果均方误差超过设定阈值δ则认为存在内部威胁活动。本发明具有较高的检测准确性和场景泛化能力。
-
公开(公告)号：CN116562336A
公开(公告)日：2023-08-08
申请号：CN202310277003.9
申请日：2023-03-21
Applicant: 中国科学院信息工程研究所
IPC: G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种可解释的序列数据建模方法及系统。本方法为：1)利用概念选择器从序列数据X中抽取表示不同概念信息的子序列；2)利用概念编码器生成每一子序列的表示向量；3)利用参数化器将所述序列数据X映射为H维向量；4)将各子序列的表示向量进行线性加权，得到序列数据X的整体建模结果g；5)根据所述整体建模结果g所应用的下游任务，选取对应的训练集对所述整体建模结果g进行训练，训练中对所述训练集中每一已知标签的样本，通过概念选择器抽取该样本中包含的各概念的子序列，并使用参数化器判断该样本中不同概念的权重；6)对于从所述训练集中获取的每一个概念，采用具有最高权重的样本对应的子序列作为该概念的解释。
-
公开(公告)号：CN115758355A
公开(公告)日：2023-03-07
申请号：CN202211453255.4
申请日：2022-11-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于细粒度访问控制的勒索软件防御方法及系统。该方法包括：对主机的应用程序行为进行实时监控，根据授权策略细粒度地控制应用程序对文件系统的权限，并判定应用程序行为是否存在文件操作异常；对应用程序行为进行分析，判断应用程序意图是否偏离用户意图，进而判定应用程序行为是否存在程序意图异常；在判定应用程序行为存在文件操作异常或程序意图异常时，对异常进行分级处理，根据用户的能力选择由用户处理异常或者上报给云端管理员进行处理。本发明在当前的基于访问控制的勒索软件防御系统的基础上，对授权粒度、权限管理、异常处理三部分做出了改进，能够更好地实现对用户的资源文件的管理与保护。
-
公开(公告)号：CN115908905A
公开(公告)日：2023-04-04
申请号：CN202211381589.5
申请日：2022-11-04
Applicant: 中国科学院信息工程研究所
IPC: G06V10/764 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/77 , G06V10/82
Abstract: 本发明公开了一种基于零样本学习的图像分类方法，其步骤包括：获取包含多种已知类别图像的图像集，每一类别对应多张图像；对每一图像标注对应的类别标签，以及获取每一图像的特征向量，根据各类别标签标注得到对应类别的属性向量，得到一图像样本数据集；获得所述图像样本数据集中每一类别的原始语义向量；基于图理论根据各类别的属性向量、词向量构建关联图，获得每一类别的新模态语义向量；利用图像样本数据集训练基础零样本学习模型，所述基础零样本学习模型根据各图像的各模态语义向量及图像的特征向量，得到每一类别的语义向量；对于一待识别图像，根据该待识别图像的特征向量与各类别的语义向量的相似度确定该待识别图像的类别。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.034 seconds)
