-
公开(公告)号：CN117279044A
公开(公告)日：2023-12-22
申请号：CN202311040637.9
申请日：2023-08-17
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04W28/10
Abstract: 本发明提出了一种基于5G网元管理流量切割方法及其装置，该方法包括如下步骤：响应于初始化网元管理哈希表，所述哈希表通过AMF网元IP为Key，AMF IP相关联的其他网元IP信息为Value；在每次终端信令交互时，提取网元IP地址信息，并通过网元学习更新保存和关联到所述哈希表；在周期性打印中，将当前学习到的所有AMF网元IP地址打印出来，并通过所述哈希表查找其他关联网元IP地址信息，打印其他网元IP地址；根据实际IP的分布情况，由交换板配置IP切割分流。本发明提供了一种5G网元领域，用于解决线路数据量过大，用户数过大导致一块信令板处理无法解决的问题；基于AMF网元管理，根据AMF IP网元切割实现流量切割，达到同一个用户信令流量在同一块板块的目的。
-
公开(公告)号：CN111786985B
公开(公告)日：2023-05-23
申请号：CN202010599585.9
申请日：2020-06-28
Applicant: 厦门市美亚柏科信息股份有限公司 , 广州市公安局网络警察支队
Abstract: 本发明公开了一种解析TCP和UDP数据的方法、装置及存储介质，通过根据不同已知应用软件建立解析父类和解析子类，其中解析父类包括分别对应于TCP协议的第一函数和对应于UDP协议的第二函数，解析子类包括与已知应用软件对应的首包特征和解析方法；判断待解析数据的协议类型，根据协议类型将解析子类中的已知应用软件与首包特征形成队列；获取待解析数据的首包数据，根据协议类型调用第一函数或第二函数将首包数据的特征与队列中的首包特征进行匹配；若存在与首包特征匹配的特征，则对待解析数据采用与匹配上的首包特征对应的已知应用软件的解析方法进行解析，根据解析结果判断待解析数据所对应的应用软件，并获得待解析数据的内容，实现对TCP/UDP数据的解析。
-
公开(公告)号：CN115174123A
公开(公告)日：2022-10-11
申请号：CN202210873289.2
申请日：2022-07-22
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种面向SA 5G网络的用户溯源关联方法与系统，包括基于N11接口以及预先确定的包含N11信息之间的关联关系的哈希表，确定目标用户的设备身份标识以及隧道标识；再基于N2接口，提取UE的位置信息；再基于N3数据的隧道标识，查找所述哈希表以获取用户的设备身份标识，并对该数据报文进行打标签处理，从而提高对用户溯源分析的灵活性以及分析效率。本发明对5G流量进行精细化过滤及分流的功能，实现对用户信息及位置信息关联，并支持对用户的位置信息的及时更新，达到用户溯源目的，适用于对5G流量进行过滤及分流的场景。
-
公开(公告)号：CN110288085B
公开(公告)日：2022-06-03
申请号：CN201910538093.6
申请日：2019-06-20
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06N3/04
Abstract: 本发明提供了一种数据处理方法、装置、系统及存储介质，方法包括：获取待处理数据；对待处理数据进行特征提取，得到待处理数据的数据特征；将数据特征输入训练好的数据处理模型，得到数据处理结果；其中，数据处理模型的训练包括：在训练数据中选取数量类别的训练样本；将数量类别的类别权重输入神经网络的对应类别的层；采用训练样本训练神经网络，得到数量类别的新类别权重；重复上述步骤,且当神经网络模型满足训练条件时停止训练，得到训练好的数据处理模型。根据本发明的方法、装置、系统及存储介质，通过乱序选取固定类别数目的训练样本训练神经网络得到的神经网络模型容易收敛，且准确度高，适于数据处理的应用且优化了数据处理的过程。
-
公开(公告)号：CN109815232B
公开(公告)日：2022-03-18
申请号：CN201811613883.8
申请日：2018-12-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/22 , G06F16/245
Abstract: 公开了一种利用二叉查找树的数据排名的检索、数据处理的方法和系统，其包括对二叉查找树增加子树大小size和访问次数freq；若当前节点的key与待查找的key的大小相等，待查找的key的排名为rank‑Node.left.size，对当前节点的访问次数加1，若当前节点key小于待查找的key，向右子树方向查找，排名上升，即当前节点右子树方向的最小节点的排名值为rank R等于rank‑1‑Node.left.size，若当前节点key大于待查找的key，向左子树方向查找，排名不变，直至查找完成后，若当前节点的访问次数小于左子树或右子树节点的访问次数，把当前节点与左子树或右子树节点位置进行置换。利用将访问次数多的节点尽可能移到更接近根节点的位置，提高频繁查询节点的查询效率，从而提高整个系统的检索效率。
-
Patent Agency Ranking
公开(公告)号：CN113992366A
公开(公告)日：2022-01-28
申请号：CN202111205449.8
申请日：2021-10-15
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L9/40
Abstract: 本公开提供一种基于网闸开关的网络数据传输方法、装置、设备及存储介质，包括：为来自第一网络的第一网络数据打入物理隔离标签以生成待审查网络数据；通过网闸开关审查所述待审查网络数据以生成合法数据；将所述合法数据传输至第二网络。根据本公开的方法，能够准确分辨安全数据并进行安全传输。更进一步地，能够通过多条链路对安全的数据进行传输，从而实现不同网络间的信息资源高速率、高安全性地交换。
-
公开(公告)号：CN109858354B
公开(公告)日：2022-01-25
申请号：CN201811607472.8
申请日：2018-12-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V10/74 , G06V20/52 , G06K9/62 , G06F16/583 , G06F16/587
Abstract: 本发明给出了一种人脸身份库、轨迹库的建立和人脸轨迹查询的方法和系统，包括提取采集图片上的所有人脸图片的特征，根据提取的某个人脸的特征，从身份库中获得与某个人脸的特征相似度最高的k个身份id，若Top1的身份id所对应的相似度不超过第一指定阀值，则在身份库中创建新的身份id，若Top1的身份id的相似度超过第一指定阀值，将剩余k‑1个身份id与Top1的身份id的人脸特征进行逐一比对，若剩余k‑1个身份id中的一个的人脸特征与Top1的身份id的人脸特征之间的相似度超过第二指定阀值，则将剩余k‑1个身份id中的一个的人脸特征合并至Top1的身份id所对应的特征集合中，极大的提高了判别是同个人的相似度，降低了人脸识别引擎不准确的问题。
-
公开(公告)号：CN113919354A
公开(公告)日：2022-01-11
申请号：CN202111203962.3
申请日：2021-10-15
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F40/295 , G06F40/211 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种文本对抗的自然语言增强处理方法及装置，该方法包括：提取步骤，对样本训练集中的句子进行实体词提取，获得该句子的词向量；替换步骤，基于实体词库对所述句子的词向量进行替换得到替换句子；预测步骤，使用神经网络模型预测该替换句子的标签得到预测标签，若所述预测标签与所述句子在样本训练集中的初始标签不一致，则所述替换句子作为对抗增强句子加入到样本训练集中。本发明中，构建了实体词库，从而便于对样本集中的句子进行实体词提取，从而保证了句子增强的准确性，本发明中，通过实体词库对所述句子的中的实体词进行替换，扩充了样本集中的样本数量，而且增强后的样本可靠性高。
-
公开(公告)号：CN112559077A
公开(公告)日：2021-03-26
申请号：CN202011520816.9
申请日：2020-12-21
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提供了一种基于镜像的磁盘自适应分区方法、装置、系统及存储介质，所述方法包括：获取镜像设备信息，确定所述镜像设备中ks.cfg配置文件的位置；基于所述ks.cfg配置文件的位置和所述磁盘的磁盘大小、系统内存大小，确定所述磁盘的分区参数；根据所述分区参数更新所述ks.cfg配置文件。根据本发明的方法、装置、系统及存储介质，结合系统的内存大小以及磁盘大小，按照指定的策略动态地修改ks.cfg配置文件中分区的大小，实现磁盘的自适应分区，从而对资源进行合理配置，提高系统性能，降低维护成本。
-
公开(公告)号：CN112381161A
公开(公告)日：2021-02-19
申请号：CN202011296897.9
申请日：2020-11-18
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种神经网络训练方法，包括以下步骤：S1、初步训练，对类别数据不均衡的训练样本数据进行深度学习神经网络训练，得到一个初步最佳训练模型；S2、根据该初步最佳训练模型对训练样本数据进行处理；S3、二次训练，用经过S2处理后的数据在该初步最佳训练模型基础上继续迭代训练至神经网络训练模型收敛。该方法利用DBSCAN聚类结果及已有标签，指导神经网络训练过程中每个batch的数据采样，通过类别间数据的均衡性，单类别内部数据特征多样性，提高了算法模型的收敛速度，提高了算法模型泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.044 seconds)
