-
公开(公告)号：CN114066643B
公开(公告)日：2025-02-28
申请号：CN202111589034.5
申请日：2021-12-23
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滑动窗口快速挖掘疑似关联账单的方法、装置和可读存储介质，包括：过滤筛选出多个账单中的借出或贷入数据，并按交易时间排序；通过滑动时间窗口在借出组账单集合和贷入组账单集合上分别获取借出记录集合和贷入记录集合，通过两层循环遍历获取借出操作的交易记录和贷入操作的交易记录；对比两组交易记录，将符合匹配规则的交易记录记入结果集合R。本方案基于滑动窗口的方式，交叉比对交易明细，能够挖掘出疑似缺失交易对手的数据，也能挖掘出疑似存在中间人的可疑行为，同时使计算时间大大降低，分析效率高，为账单分析的数据完善和资金追踪提供了支撑。
-
公开(公告)号：CN114443191B
公开(公告)日：2024-07-19
申请号：CN202111589273.0
申请日：2021-12-23
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种快速提取Android设备应用数据的方法，采用屏幕自动滚动截屏技术、通过UIAutomator Dump获取当前页面的UI信息、配合图片OCR识别技术，通过排重数据和数据重组，形成结构化数据的方式，达到快速提取特定数据的效果。本发明提取方式单一，操作简单，可快速提取指定数据，并形成结构化数据，适用于现场快速的分析研判。
-
公开(公告)号：CN114840284B
公开(公告)日：2024-04-23
申请号：CN202111682110.7
申请日：2021-12-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F9/451 , G06F3/0485 , G06F3/0488 , G06F12/02 , G06F11/30
Abstract: 本申请提出了一种用于安卓系统的实现大规模数据连续显示的方法，包括以下步骤：a)在所述触摸设备运行的安卓系统上创建容器类CommonListView，并且监视所设置的容器类CommonListView的滚动；b)在监测到容器类CommonListView滚动到顶部或底部时，触发内部进程进行异步加载将要浏览的数据；c)在加载完成后，通知用于展示数据的容器类CommonListView和用于显示视图的适配器类CommonAdapter更新所述触摸设备显示的数据和界面。该方法在逐步加载的方式上进行改进，结合实际应用场景，根据浏览的情况把相关数据从内存换入与换出，从而达到在小内存上显示大规模(无限)数据的目的。
-
公开(公告)号：CN115242491B
公开(公告)日：2024-04-19
申请号：CN202210851425.8
申请日：2022-07-19
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L9/40 , H04L67/1097 , H04L67/60
Abstract: 本发明给出了一种基于网络爬虫的APP云探测方法和系统，包括响应于服务器端接收到客户端发送的探测命令，解析请求参数并根据APP支持库中的应用列表，创建线程并开启网络爬虫模块处理线程，将APP探测任务下发至对应的爬虫处理脚本；响应于本地数据库中存在当前手机号的探测记录且前一次探测结果未注册，或未发现当前手机号的探测记录，通过网络抓包和协议逆向分析模拟每个APP或网站的网络数据包交互流程；网络爬虫模块将结果统一返回至服务器端和客户端统一接口处进行汇总，服务器端保存探测结果至数据库中，并向客户端返回。本发明可在电子取证过程中进行事前点验，发现被监控人已经注册的应用，重点对该应用进行取证，提升电子取证过程的效率。
-
公开(公告)号：CN114938358B
公开(公告)日：2024-02-23
申请号：CN202210392102.7
申请日：2022-04-14
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L51/04 , H04L51/06 , H04L51/063 , H04L9/40 , H04L9/08
Abstract: 本发明公开一种即时通讯应用数据的备份方法及终端，根据接收的待备份应用数据文件的备份请求判断本地是否存在密钥文件，若否，则生成用户唯一身份标识和备份密钥；基于所述备份密钥对所述待备份应用数据文件进行加密，得到加密后的待备份应用数据文件；基于所述用户唯一身份标识和所述加密后的待备份应用数据文件生成与所述待备份应用数据文件对应的备份文件，并对所述备份密钥进行加密，得到加密后的备份密钥；根据所述加密后的备份密钥生成所述密钥文件，从而实现了即时通讯应用数据的安全备份，进一步加强了应用数据的安全性，最大限度地减少用户隐私数据泄露的风险。
-
Patent Agency Ranking
公开(公告)号：CN117011809A
公开(公告)日：2023-11-07
申请号：CN202310764791.4
申请日：2023-06-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V20/54 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/74
Abstract: 公开了一种多任务引导式的车辆检索方法和系统，包括利用ResNet50作为多任务引导式车辆检索方法的主干网络，主干网络包括4个用于提取车辆特征的残差卷积块Stage1、Stage2、Stage3、Stage4；定义车辆检索任务的损失函数为三元组损失函数Ltriplet和标签平滑正则化的交叉熵损失函数#imgabs0#将Stage4提取的特征输出至解压模块，利用反卷积分割车辆的整体轮廓信息，整体任务的损失函数#imgabs1##imgabs2#其中，β为超参数，LMASK表示车辆分割任务的损失函数。本申请引入车辆分割任务，大幅度提升了车辆检索任务的性能。
-
公开(公告)号：CN112671916B
公开(公告)日：2023-04-07
申请号：CN202011578441.1
申请日：2020-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L67/10 , H04L67/12 , H04L67/1097 , H04L67/5682
Abstract: 本发明公开了一种电子数据取证方法及边缘节点，通过边缘节点接收云平台下发的电子数据取证任务，将电子数据取证任务下发至对应的取证装备，接收通过取证装备采集到的原始数据，对其中的非结构化数据进行计算，将得到的计算结果汇聚至云平台，在云平台与取证装备之间新增边缘节点，形成云边端三层架构，即使主干网或云平台发生故障，边与端之间的传输也不受影响，提高了数据传输的稳定性，且该架构本地建设所花费的成本低于云平台和数据中心网络结构，减少了建设成本，通过边缘存储和边缘计算技术，对原始数据中的非结构化数据进行计算，将得到的计算结果汇聚至云平台，用户可在云平台上对计算结果进行分析，实现了非结构化数据的充分应用。
-
公开(公告)号：CN113627241B
公开(公告)日：2023-03-24
申请号：CN202110726458.5
申请日：2021-06-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/774 , G06V20/52 , G06V40/10 , G06V10/82 , G06N3/0464 , G06T7/194
Abstract: 本发明给出了一种用于行人重识别的背景抑制方法与系统，包括设计了一个两路网络，并结合提出的先验优化和指导学习策略，用来使得模型能专注于行人的前景信息，抑制背景信息的干扰，并能学习背景中和行人身份相关的信息；第一路网络充当第二路网络的指导者，来推动第二路网络学习完整的前景信息和背景中与行人身份相关的信息。最后，本发明在多个公开行人重识别的数据集上进行了验证，验证结果表明本发明结合数据层面的先验优化和特征层面的指导学习可以有选择性的滤除背景干扰，使得网络专注于前景信息的学习。
-
公开(公告)号：CN112149739B
公开(公告)日：2022-09-09
申请号：CN202011019291.0
申请日：2020-09-25
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种特殊服饰检测方法、终端设备及存储介质，该方法中包括：采集包含特殊服饰的图片组成训练集；通过训练集对全卷积神经网络模型和卷积神经网络分类模型进行分别训练；获取待检测图片；根据训练后的全卷积神经网络模型对待检测图片中的特殊服饰所在区域进行初步定位；根据初步定位的特殊服饰所在区域从待检测图片中截取候选区域；通过训练后的卷积神经网络分类模型对候选区域对应的图片进行分类，得到待检测图片对应的特殊服饰的类型。本发明使用最新的人工智能技术，在不降低或极小降低速度的前提下充分提高了特殊服装的检测准确率。
-
公开(公告)号：CN112613433B
公开(公告)日：2022-08-19
申请号：CN202011582655.6
申请日：2020-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种行人重识别的生成数据的伪标签分配方法及系统，包括利用深层卷积生成对抗网络的方法在行人重识别的真实数据集的基础上生成无标签的数据并构成无标签数据集；根据动态标签分布为无标签数据集中的无标签的数据分配虚拟标签，再通过设置稀疏化因子随机将一定数量的虚拟标签的权重设置为0，得到稀疏正则化多伪标签；利用Softmax进行预测获得行人属于某个预定义类的概率；根据标签分布和概率，得到优化的交叉熵损失函数；将无标签数据集与稀疏正则化多伪标签进行结合，再与真实数据集融合构成训练样本，根据损失函数对训练样本进行训练得到行人重识别模型。避免了模型在某些预定义类的特征上出现过拟合的现象，提升了模型的泛化性能力。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.039 seconds)
