-
公开(公告)号：CN118885792A
公开(公告)日：2024-11-01
申请号：CN202410912514.8
申请日：2024-07-09
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/213 , G06F18/22 , G06F18/23 , G06F11/34 , G06F123/02
Abstract: 本申请公开了一种关联操作日志数据确定方法、装置、设备及存储介质，方法包括：获取操作日志信息，所述操作日志信息包括操作日志数据、操作日志数据对应的操作间隔时间及操作指令；按照操作数量对操作日志数据进行划分得到多个序列；按照时序对齐序列的操作日志数据，并基于操作间隔时间计算对齐的序列之间的序列差异值；对操作指令进行特征提取处理，得到概率特征值；根据概率特征值超过设定阈值的操作指令，生成关联操作指令合集；基于序列差异值和关联指令集合中的操作指令对操作日志数据进行聚类，得到操作日志数据的关联结果。本申请实施例全面分析了操作日志的数据特征及数据特征之间的关联性，提高了数据分析结果的精准度。
-
公开(公告)号：CN114637826A
公开(公告)日：2022-06-17
申请号：CN202011491365.0
申请日：2020-12-16
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F16/332 , G06F16/35
Abstract: 本申请提供了一种用户行为分类审计方法、装置、设备及计算机存储介质。该用户行为分类审计方法，包括：采集用户行为信息；在确定用户行为信息中存在预设的关键字的情况下，利用预设的决策树分类模型对用户行为信息进行分类，确定用户行为信息的类别；其中，决策树分类模型是利用K折交叉验证及改进的梯度提升决策树算法进行模型训练得到的；获取用户行为信息的类别对应的审计日志。根据本申请实施例，能够提高用户行为分类审计的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113032774A
公开(公告)日：2021-06-25
申请号：CN201911353152.9
申请日：2019-12-25
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明公开了一种异常检测模型的训练方法、装置、设备及计算机存储介质。该方法包括：获取多个对象信息，多个对象信息中包括多个带有异常标签的对象信息；至少基于多个对象信息，训练异常检测模型。由此，能够解决网络异常检测占用内存大、检测精准度不高的问题。
-
公开(公告)号：CN118484802A
公开(公告)日：2024-08-13
申请号：CN202410565783.1
申请日：2024-05-08
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F21/56 , G06N3/0499 , G06N3/09 , G06F18/24 , G06F18/23213
Abstract: 本申请公开了一种异常行为检测方法、装置、设备、存储介质和程序产品，涉及人工智能技术领域，该方法包括：获取待测用户行为；通过异常行为检测模型，对所述待测用户行为进行检测，得到检测结果；其中，所述异常行为检测模型是基于良性行为样本和模型未学习过的恶意行为样本，对预训练的初始模型进行微调得到的。在本申请中，只需要通过新增的少量样本对预训练的初始模型进行微调，在处理大规模用户数据集时，避免了大规模重训带来的资源消耗。
-
公开(公告)号：CN113032774B
公开(公告)日：2024-06-07
申请号：CN201911353152.9
申请日：2019-12-25
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F21/55 , G06F18/2433
Abstract: 本发明公开了一种异常检测模型的训练方法、装置、设备及计算机存储介质。该方法包括：获取多个对象信息，多个对象信息中包括多个带有异常标签的对象信息；至少基于多个对象信息，训练异常检测模型。由此，能够解决网络异常检测占用内存大、检测精准度不高的问题。
-
公开(公告)号：CN116938489A
公开(公告)日：2023-10-24
申请号：CN202210347799.6
申请日：2022-04-01
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: H04L9/40 , G06N3/0464 , G06F18/214 , G06F18/24
Abstract: 本申请提供一种用户异常行为预测方法及装置，其中方法包括：获取用户行为日志进行归一化和矩阵化处理，转换为用户行为日志矩阵；将用户行为日志矩阵输入至用户异常行为检测模型，获得用户异常行为检测模型输出的第一用户异常行为类别；用户异常行为检测模型是基于用户行为日志矩阵样本以及预先确定的用户异常行为类别标签训练后获得的；采用模糊粗糙集对用户行为日志矩阵进行分析，获得第二用户异常行为类别；对第一用户异常行为类别和第二用户异常行为类别进行加权判断，确定目标用户异常行为类别；将具有异常行为的用户作为监控对象，采用基于高斯和粒子滤波算法的预测模型预测用户行为的状态变量的概率分布，基于概率分布进行不同级别的告警。
-
公开(公告)号：CN117009800A
公开(公告)日：2023-11-07
申请号：CN202210449379.9
申请日：2022-04-26
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06F18/214 , G06F16/28 , G06N3/0464 , G06N3/08 , G06F40/30 , G06F40/279 , G06F17/18 , G06F18/24
Abstract: 本申请涉及大数据技术领域，提供一种共享数据的稽核方法及装置。所述方法包括：根据训练好的神经网络模型，获取稽核模型；基于稽核模型，对共享数据进行稽核处理；其中，训练好的神经网络模型是基于以下步骤训练获得：基于共享数据样本，建立第一混合神经网络模型；基于人工标注结果对第一混合神经网络模型中的语义标注进行训练，获取第二混合神经网络模型；基于关键词样本集对第二混合神经网络模型的网络权重进行更新，获取训练好的神经网络模型。本申请通过将神经网络模型与稽核技术进行结合，提高了共享数据的稽核效率，提高了处理的精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.05 seconds)
