-
公开(公告)号：CN110933667A
公开(公告)日：2020-03-27
申请号：CN201910991131.3
申请日：2019-10-18
Applicant: 国家计算机网络与信息安全管理中心 , 长安通信科技有限责任公司 , 杭州东信北邮信息技术有限公司
Abstract: 一种可扩展的防范诈骗电话的系统与方法，系统包括：前端接入装置，接收并保存扩展管理装置发送的检测策略，同时解析核心网元接收的通话信令，将符合检测策略的通话信令以数据流方式加密后回传给扩展管理装置；扩展管理装置，向前端接入装置分配检测策略，根据前端接入装置发送来的信令流，选择对应的检测装置，然后将信令流解密后再转发给检测装置，最后根据检测装置返回的检测结果，向前端接入装置发送处置命令；检测装置，用于对扩展管理装置发送来的信令流进行检测，然后将检测结果回复给扩展管理装置。本发明属于信息技术领域，能满足运营商不断新增的防范需求和防范诈骗份子不断翻新的诈骗行为。
-
公开(公告)号：CN111726460A
公开(公告)日：2020-09-29
申请号：CN202010542365.2
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种基于时空图的诈骗号码识别方法，包括：由全量通话记录生成电信通联网络，并构建识别诈骗号码的时空图，使用Snapshot方法按时间间隔T、从图中连续截取出多张时空子图；基于用户在每张时空子图对应时间周期下的通话记录，计算每个用户在每张时空子图对应时间周期下的通话特征指标向量，同时，为每个用户从时空子图中提取和其有相同被叫的邻居用户；构建、并训练识别诈骗号码的时空图神经网络；将待识别目标用户和其所有邻居用户在所有时空子图中的通话特征指标向量输入时空图神经网络，并根据输出判断待识别目标用户号码是否是疑似诈骗号码。本发明属于信息技术领域，能动态的捕获到号码呼叫行为的变化，从而实现诈骗号码的精准识别。
-
公开(公告)号：CN111726460B
公开(公告)日：2021-04-20
申请号：CN202010542365.2
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种基于时空图的诈骗号码识别方法，包括：由全量通话记录生成电信通联网络，并构建识别诈骗号码的时空图，使用Snapshot方法按时间间隔T、从图中连续截取出多张时空子图；基于用户在每张时空子图对应时间周期下的通话记录，计算每个用户在每张时空子图对应时间周期下的通话特征指标向量，同时，为每个用户从时空子图中提取和其有相同被叫的邻居用户；构建、并训练识别诈骗号码的时空图神经网络；将待识别目标用户和其所有邻居用户在所有时空子图中的通话特征指标向量输入时空图神经网络，并根据输出判断待识别目标用户号码是否是疑似诈骗号码。本发明属于信息技术领域，能动态的捕获到号码呼叫行为的变化，从而实现诈骗号码的精准识别。
-
公开(公告)号：CN111698685B
公开(公告)日：2023-05-12
申请号：CN202010541713.4
申请日：2020-06-15
Applicant: 珠海高凌信息科技股份有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种识别伪装成携号转网号码的虚假主叫的系统和方法的技术方案，包括：通过本网GMSC用于对具有不同NDC归属运营商的主叫号码与被叫号码进行号码状态查询，获取所述主叫号码的第一状态；根据所述第一状态对查询结果中已进行携号转网的所述主叫号码通过所述转发网关发送ATI消息；通过所述ATI消息获取所述主叫号码的第二状态，根据所述第一状态或第二状态对所述主叫号码进行放行或防护。本发明的有益效果为：通过新增网元，修改现网网元机制，达到获取携号转网用户状态的目标，实现对伪装携号转网号码的识别。
-
公开(公告)号：CN110942783B
公开(公告)日：2022-06-17
申请号：CN201910978660.X
申请日：2019-10-15
Applicant: 国家计算机网络与信息安全管理中心 , 珠海高凌信息科技股份有限公司
Abstract: 本发明涉及一种基于音频多级聚类的群呼型骚扰电话分类方法，该方法包括：S100，将包括有多个音频数据的音频池划分为多个等同分组，将每个分组依次进行特征提取及特征对比，进而执行聚类分析，得到音频聚类；S200，将音频进行语音转写，将语音转写的文本进行关键词库检索对比，得到关键词对比结果；S300，将音频聚类执行音频库检索对比，得到音频聚类结果；S400，对所述关键词对比结果及音频聚类结果进行合并分析，得到自动分类的群呼型骚扰电话。本发明的有益效果为：能够有效检测和发现群呼型骚扰电话；结合关键词、文本转写等手段，对骚扰电话实现了自动分类，节省了人工成本，提高了效率。
-
Patent Agency Ranking
公开(公告)号：CN113779961A
公开(公告)日：2021-12-10
申请号：CN202010518026.0
申请日：2020-06-09
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/211 , G06F40/253 , G06F40/289
Abstract: 本发明提供一种自然语言文本的惯用句式提取方法及电子装置，包括：对采集到的每一语句进行分词、词性标注及依存句法分析；将各语句转换为若干单句，并依据词性标注结果与依存句法分析结果，对各单句主干进行抽取，将各单句表示为词汇和词性标签的列表；将各单句的列表进行合并，得到各语句的惯用句式。本发明提出一种不损失句式信息的长难句化简方法，针对句式提取的需要对中文长难句中非句子主干部分进行处理，提高句式提取准确度，本发明还提出一种句式信息表示结构，使用词汇、词汇候选集、词性标签来表示句式信息，保留尽可能多的句式信息。
-
公开(公告)号：CN113742478A
公开(公告)日：2021-12-03
申请号：CN202010474192.5
申请日：2020-05-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/33 , G06F40/295 , G06N3/04
Abstract: 本发明公开了一种针对海量文本数据的定向筛选架构及方法。本方法步骤包括：1)使用关键词匹配方法从待筛选文本中获取疑似目标文本；2)从已标注的目标文本中提取常用句式，并分为与业务强相关句式、与业务弱相关句式；对待筛选文本进行模糊句式匹配，如果与业务强相关句式匹配，则将文本判断为目标文本，否则为疑似目标文本；3)对每一疑似目标文本进行分类；4)根据疑似目标文本匹配上的关键词的个数确定文本的评估值E1；根据分类判别结果，确定文本的评估值E2；基于文本与外部辅助语料的信息匹配结果确定文本的评估值E3；然后基于评估值E1～E3，计算得到文本最终评分反馈给研判层；5)研判层确定反馈的文本是否为目标文本。
-
公开(公告)号：CN113779961B
公开(公告)日：2024-10-01
申请号：CN202010518026.0
申请日：2020-06-09
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/211 , G06F40/253 , G06F40/289
Abstract: 本发明提供一种自然语言文本的惯用句式提取方法及电子装置，包括：对采集到的每一语句进行分词、词性标注及依存句法分析；将各语句转换为若干单句，并依据词性标注结果与依存句法分析结果，对各单句主干进行抽取，将各单句表示为词汇和词性标签的列表；将各单句的列表进行合并，得到各语句的惯用句式。本发明提出一种不损失句式信息的长难句化简方法，针对句式提取的需要对中文长难句中非句子主干部分进行处理，提高句式提取准确度，本发明还提出一种句式信息表示结构，使用词汇、词汇候选集、词性标签来表示句式信息，保留尽可能多的句式信息。
-
公开(公告)号：CN112331181B
公开(公告)日：2024-07-05
申请号：CN201910694870.6
申请日：2019-07-30
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明属于目标语音提取和自适应技术领域，具体涉及一种基于多说话人条件下目标说话人语音提取方法，该方法具体包括：实时获取多个说话人混合的语音，提取多个说话人混合的语音的频谱；将锚语音输入到预先训练的说话人识别模型中，提取出目标说话人的特征向量；将获取的多个说话人混合的语音的频谱和目标说话人的特征向量输入至预先训练的目标说话人语音提取网络中，获取目标说话人的语音频谱；基于该目标说话人的语音频谱，获取目标说话人的语音。
-
公开(公告)号：CN111863007A
公开(公告)日：2020-10-30
申请号：CN202010554629.6
申请日：2020-06-17
Applicant: 国家计算机网络与信息安全管理中心 , 讯飞智元信息科技有限公司
IPC: G10L21/0208 , G10L21/0272 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的语音增强方法及系统，该方法包括如下步骤：步骤SS1：获得带噪语音的多个IRM预测值的解的集合；步骤SS2：将来自所述Boosting-DNN语音增强模型输出的IRM的解的集合拼接带噪特征作为输入，预测最终的IRM预测值集合 本发明通过将Boosting-DNN语音增强模型和Ensemble-DNN集成语音增强模型这两个DNN串接起来的方式，有效的解决了一个神经网络由于层次太深训练不稳定的现象，构建一种非常深的网络结构，彻底解决前端语音增强技术就可以确保把语音从带噪信号中分离出来，以便后端识别模型能正确识别语音的内容。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.082 seconds)
