-
公开(公告)号：CN118449753A
公开(公告)日：2024-08-06
申请号：CN202410585286.8
申请日：2024-05-11
IPC: H04L9/40 , H04L43/026 , H04L43/04 , G06F18/2433 , G06F18/214 , G06F18/2115 , G06N20/20
Abstract: 本发明公开了一种基于集成学习模型的加密恶意流量识别方法，先在443端口抓取含TLS/SSL协议的数据包，包括正常流量数据包和掺杂有恶意流量的数据包；再对每个数据包进行报文解析后提取流量特征，并输入至构建的集成学习模型；然后训练孤立森林标注器和XGBoost二分类器，最后通过XGBoost二分类器实现加密恶意流量的识别。
-
公开(公告)号：CN119830169A
公开(公告)日：2025-04-15
申请号：CN202411806111.1
申请日：2024-12-10
IPC: G06F18/2433 , G06F18/20 , G06Q50/00 , G06F40/30 , G06F18/23 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于事件关注度的社交网络异常事件检测方法，根据实际需要确定所要进行异常事件检测的时间段并划分得到若干时间窗，收集每个时间窗内社交网络的文本消息集合，然后对每个时间窗构建社交图，从而得到时态图序列，根据时态图序列提取得到事件和事件关注度序列，对事件关注度序列进行分析判断对应事件是否为异常事件。本发明通过整合文本消息的语义信息、关注度信息、时间信息生成时态图序列，根据时态图序列提取得到事件关注度，再通过事件关注度的增长检测异常事件，提高异常事件检测准确度。
-
公开(公告)号：CN110598126B
公开(公告)日：2023-04-18
申请号：CN201910836401.3
申请日：2019-09-05
Applicant: 河南科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于行为习惯的跨社交网络用户身份识别方法，首先分别从两个社交网络中爬取各自用户的显示名称和历史发布内容，然后计算用户之间的显示名称相似度，并从各个用户的历史发布内容中提取出该用户的兴趣图谱，计算用户之间的兴趣图谱相似度，最后综合两种相似度进行用户匹配，得到用户身份识别结果。本发明将具有高访问性的显示名称和用户发布内容进行融合来实现跨社交网络用户身份识别，以提高用户身份识别性能。
-
公开(公告)号：CN107133527A
公开(公告)日：2017-09-05
申请号：CN201710260761.4
申请日：2017-04-20
Applicant: 河南科技大学
Abstract: 本发明公开了一种基于位置隐私保护的个性化推荐方法，以用户真实位置P0为圆心，dmax为半径生成隐匿区域Z0，通过近邻位置点坐标计算均值，再以均值坐标位置点为圆心，dmax为半径，重新生成隐匿区域Z′0，应用服务器将隐匿区域Z′0半径至Dmax，生成推荐区域Z1，根据服务请求信息query，结合用户历史购买商家记录，对推荐区域Z1内商家排序即获得个性化推荐列表。本发明从整体上保证了生成的位置(虚假轨迹)信息在结构上保证了与真实位置(轨迹)的一致性，从而可以有效的抵御背景知识攻击。同时，由于隐匿区域和推荐区域是同一个圆心，所以在有效抵御隐私攻击同时又可以为用户提供优质的推荐服务。
-
公开(公告)号：CN115314944B
公开(公告)日：2024-12-06
申请号：CN202210955357.X
申请日：2022-08-10
IPC: H04W28/084 , H04W4/02 , H04W4/44 , G08G1/01 , G08G1/056 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于移动车辆社会关系感知的车联网协作缓存方法，对于车联网中的每个车辆进行移动轨迹预测，确定下一时刻该车辆所属的路边单元，得到各个路边单元覆盖范围内的车辆集合，计算路边单元覆盖范围内的车辆对于各个内容的请求概率预测得到各个车辆在下一时刻请求的内容集合，计算各个车辆的社会关系强度并筛选出缓存车辆，计算各个车辆从缓存车辆和路边单元获取内容的延迟，最后构建协作缓存最优化问题并求解得到各个路边单元下的协作缓存方案。本发明预测得到下一时刻所属路边单元和车辆请求内容，根据车辆社会关系选择缓存车辆，从而制定正确的协作缓存策略，从而提高缓存命中率，减少内容获取延迟。
-
Patent Agency Ranking
公开(公告)号：CN118820877A
公开(公告)日：2024-10-22
申请号：CN202410763841.1
申请日：2024-06-13
Applicant: 河南科技大学
IPC: G06F18/241 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/088 , G06F18/10 , G06F18/25
Abstract: 本发明公开了一种基于优化图嵌入表示的异常行为检测方法，首先获取需要进行异常行为检测的社交网络中的实体信息和关系信息，然后获取若干组正常状态下的历史数据，对于每组历史数据分别生成对应的时序知识图谱并进行补全，构建包括图神经网络，读取函数模块，长短时记忆网络和异常行为评估模块的动态图异常行为检测模型，采用历史数据补全后的时序知识图谱对动态图异常行为检测模型进行训练，获取待检测时间段对应的时序知识图谱并输入训练好的动态图异常行为检测模型，得到待检测时间段社交网络是否存在异常行为的检测结果。本发明在保留原始社交网络图结构和属性信息的同时提高嵌入的信息量，以提高异常行为检测模型的准确率。
-
公开(公告)号：CN110598126A
公开(公告)日：2019-12-20
申请号：CN201910836401.3
申请日：2019-09-05
Applicant: 河南科技大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于行为习惯的跨社交网络用户身份识别方法，首先分别从两个社交网络中爬取各自用户的显示名称和历史发布内容，然后计算用户之间的显示名称相似度，并从各个用户的历史发布内容中提取出该用户的兴趣图谱，计算用户之间的兴趣图谱相似度，最后综合两种相似度进行用户匹配，得到用户身份识别结果。本发明将具有高访问性的显示名称和用户发布内容进行融合来实现跨社交网络用户身份识别，以提高用户身份识别性能。
-
公开(公告)号：CN119271825A
公开(公告)日：2025-01-07
申请号：CN202411510417.2
申请日：2024-10-28
IPC: G06F16/36 , G06F16/35 , G06Q50/00 , G06N5/022 , G06F18/214 , G06N3/045 , G06F40/289 , G06F16/31 , G06F16/951 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于用户行为知识图谱的社交网络异常行为检测方法，整合社交网络中的用户行为数据构成用户行为知识图谱，然后根据用户行为知识图谱构建四阶张量，对用户行为知识图谱张量进行张量分解，再计算得到各个行为嵌入向量，将正常用户行为对应的行为嵌入向量构成训练样本集并对构建的行为重构模型进行训练，最后将待检测行为嵌入向量输入训练好的行为重构模型，根据重构误差与阈值的大小比较得到异常行为检测结果。采用本发明可以有效提高异常行为检测的准确率。
-
公开(公告)号：CN118842613A
公开(公告)日：2024-10-25
申请号：CN202410798637.3
申请日：2024-06-19
Applicant: 河南科技大学
IPC: H04L9/40 , G06F21/62 , G06F18/2433 , G06N20/00 , G06N5/025
Abstract: 本发明公开了一种基于分布式协同的网络异常行为检测方法，在服务器端和各社交网络客户端部署动态图异常行为检测模型，服务器端初始化模型参数并下发给各个社交网络客户端，各个社交网络客户端采用本地历史数据集对模型进行本地训练，然后将优化过的模型参数连同本地历史数据集上传至服务器，服务器聚合各个社交网络的模型参数并根据合并的历史数据集继续优化模型，再将得到的模型参数分发回各个社交网络客户端；重复上述过程进行迭代优化，服务器端将最终得到的模型参数下发至各社交网络客户端用于异常行为检测。本发明利用联邦学习框架构建去中心化的异常行为检测方法，以综合不同社交网络的用户行为数据，增强异常行为检测的准确性和泛化能力。
-
公开(公告)号：CN107133527B
公开(公告)日：2019-10-29
申请号：CN201710260761.4
申请日：2017-04-20
Applicant: 河南科技大学
IPC: G06F21/62 , G06F16/9537
Abstract: 本发明公开了一种基于位置隐私保护的个性化推荐方法，以用户真实位置P0为圆心，dmax为半径生成隐匿区域Z0，通过近邻位置点坐标计算均值，再以均值坐标位置点为圆心，dmax为半径，重新生成隐匿区域Z′0，应用服务器将隐匿区域Z′0半径至Dmax，生成推荐区域Z1，根据服务请求信息query，结合用户历史购买商家记录，对推荐区域Z1内商家排序即获得个性化推荐列表。本发明从整体上保证了生成的位置(虚假轨迹)信息在结构上保证了与真实位置(轨迹)的一致性，从而可以有效的抵御背景知识攻击。同时，由于隐匿区域和推荐区域是同一个圆心，所以在有效抵御隐私攻击同时又可以为用户提供优质的推荐服务。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
