公开(公告)号：CN116187569A

公开(公告)日：2023-05-30

申请号：CN202310194352.4

申请日：2023-03-03

Applicant: 北京计算机技术及应用研究所

Inventor： 乔京 ,  王斌 ,  陈志浩 ,  王哲 ,  赵磊

IPC: G06Q10/04 ,  G06F16/335 ,  G06N3/08 ,  G06N3/006 ,  G06F17/16 ,  G06N3/044 ,  G06N3/084

Abstract: 本发明涉及一种基于序列模式挖掘的用户行为预测方法，属于网络安全用户行为分析技术领域。该方法通过提取用户历史行为特征数据，分析用户一天内所有行为以及行为之间的规律，并将该规律序列化地构建为一个GA‑BP神经网络模型，从而利用该模型进行预测用户行为序列。该方法能够刻画反映时间序列关联性的用户行为，便于网络安全数据分析，同时有助于提高网络用户行为日志审计与网络安全评估的准确性。

公开(公告)号：CN116150487A

公开(公告)日：2023-05-23

申请号：CN202310125986.4

申请日：2023-02-17

Applicant: 北京计算机技术及应用研究所

Inventor： 王哲 ,  王斌 ,  吴桐 ,  陈志浩 ,  乔京

IPC: G06F16/9535 ,  G06F17/16 ,  G06N3/0464

Abstract: 本发明涉及一种面向信息茧房突破的多模态信息去偏差推荐方法，属于网络空间认知域安全研究技术领域。本发明设计了一个多模态图卷积网络框架，以更好地捕捉用户的偏好，进而更好地为用户推荐内容信息；本发明还将用户认知特性融入到矩阵分解模型中，提出一种融合用户认知特性的矩阵分解推荐算法，该算法利用用户的认知特性来预测用户对推荐内容的感兴趣值，并将用户认知特性正则化加入到矩阵分解模型中，从而得到更具针对性的推荐信息；本发明还对推荐的内容信息进行相关性分析、排序，优先推荐相关性较强的内容信息，充分考虑用户兴趣偏好的同时，将用户认知特性考虑在推荐因素内，进而突破“信息茧房”。