-
公开(公告)号：CN111859860A
公开(公告)日：2020-10-30
申请号：CN202010705162.0
申请日：2020-07-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/126 , G06F40/129 , G06F16/33
Abstract: 本申请公开了一种数据解析方法以及装置、存储介质、电子装置，其中，所述方法包括输入第一编码，其中，所述第一编码包括以太坊智能合约的字节码；根据所述以太坊智能合约的字节码确定第二编码，其中，所述第二编码包括对所述字节码的操作码；根据所述操作码的参数表确定所述操作码中的参数信息，其中，所述参数信息包括所述操作码的字面值字符串；通过将所述字面值字符串转义得到所述智能合约中携带的目标字符串的解析结果。本申请解决了对于太坊字节码中包含的字节码时，解析过程复杂、灵活性较低的技术问题。
-
公开(公告)号：CN110505348B
公开(公告)日：2020-10-09
申请号：CN201910794491.4
申请日：2019-08-27
Applicant: 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种APP收集用户个人敏感信息的风险评估方法，通过对APP进行静态分析以及动态分析，得出权限评分、调用函数评分、SDK评分、流量包参数评分和域名评分，再进行加权求和，得出被评估APP的最终评分，根据评估矩阵得出被评估APP的风险评级；根据风险评级反向维护SDK风险权重库和域名风险权重库，对SDK或域名进行风险权重的修正。本发明的APP收集用户个人敏感信息的风险评估方法包含用户输入的用户个人敏感信息、非用户输入的潜在用户个人敏感信息，对APP收集用户个人敏感信息的风险程度进行量化，更全面的涵盖了多种敏感信息点，细化了APP收集用户个人敏感信息的风险大小，能大批量的评估APP收集用户个人敏感信息的风险程度。
-
公开(公告)号：CN110674673A
公开(公告)日：2020-01-10
申请号：CN201910697979.5
申请日：2019-07-31
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明提出了一种视频关键帧抽取方法、装置和存储介质，用以减少视频处理过程中的冗余信息，提高视频处理速度。所述视频关键帧抽取方法，包括：从待分析视频中提取I帧；针对提取的每一I帧，利用深度哈希网络确定其对应的深度哈希码，所述深度哈希网络为利用预先生成的图像样本对进行训练得到的；根据各I帧对应的深度哈希码，分别确定两两I帧深度哈希码之间的汉明距离；根据两两I帧深度哈希码之间的汉明距离，对提取的I帧进行聚类；针对每一聚类，分别确定该聚类中包含的每一I帧的信息熵；从每一聚类中，提取信息熵最大的I帧组成所述待分析视频的关键帧。
-
公开(公告)号：CN110120230A
公开(公告)日：2019-08-13
申请号：CN201910015466.1
申请日：2019-01-08
Applicant: 国家计算机网络与信息安全管理中心 , 哈尔滨工业大学
Abstract: 本发明提供一种声学事件检测方法及装置，用以解决相关技术中声学事件检测精度较低的问题。该方法包括：提取待检测的音频的目标特征，得到第一特征数据；将所述第一特征数据分别输入第一GMM模型以及第二GMM模型，得到第一似然概率以及第二似然概率，所述第一GMM模型基于声学事件的音频的特征数据进行训练得到，所述第二GMM模型基于非声学事件的音频的特征数据进行训练得到；根据所述第一似然概率以及所述第二似然概率依次确定所述待检测的音频中各单位音频的类型，所述类型包括声学事件以及非声学事件；将确定出的相邻的类型为声学事件的单位音频合并；当合并后的音频持续的时长超过阈值时，确定发生声学事件。本发明有效提高了声学事件检测的精度。
-
公开(公告)号：CN109741731A
公开(公告)日：2019-05-10
申请号：CN201910015434.1
申请日：2019-01-08
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
Abstract: 本发明提供一种语种训练数据获得方法及装置，用以解决相关技术中语种训练数据质量较低的问题。该方法包括：训练用于识别各种语种的语种识别模型；使用各语种识别模型识别数据集中的第二音频数据，获得与各语种识别模型对应的得分；确定第二音频数据对应的识别语种；计算数据集中各条第二音频数据的得分信息熵；将所述数据集中，得分信息熵满足第一预设条件且实际语种与识别语种一致的第二音频数据的集合作为训练数据集，训练数据集中的第二音频数据用于训练所述语种识别模型，返回执行所述使用训练数据训练用于识别语种的各语种识别模型的步骤，直至获得的所述训练数据集中的音频数据的数量满足第二预设条件。本发明提高了语种训练数据的质量。
-
Patent Agency Ranking
公开(公告)号：CN114021627B
公开(公告)日：2025-04-22
申请号：CN202111239649.5
申请日：2021-10-25
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F18/25 , G06F18/2411 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种融合LSTM与场景规则知识的异常轨迹检测方法及装置，包括依据目标轨迹构建时序序列；将时序序列输入LSTM网络，获取的目标轨迹中每个时刻的位置隐向量，并基于各位置隐向量进行注意力机制计算，得到目标轨迹表示向量；拼接目标轨迹表示向量与设定场景规则的向量，并对拼接后向量进行分类，得到异常轨迹检测结果。本发明采用的融合方法除了使用向量表示轨迹之外，还加入了可调整的应用场景规则，解决单一方法的不足，具有更好的迁移性。
-
公开(公告)号：CN118869520A
公开(公告)日：2024-10-29
申请号：CN202311587077.9
申请日：2023-11-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L43/02 , H04L43/062 , H04L47/70
Abstract: 本发明提供一种基于降噪模型的隧道流量关联方法和装置，其中所述方法包括：获取预建立的网络隧道的多个入口节点流和多个出口节点流；其中，所述网络隧道用于客户端访问对应的网络；确定与每个出口节点流对应的至少一个候选入口节点流，将每个所述出口节点流输入至预训练的降噪模型中，以将出口节点流依次进行网络噪声和混淆噪声去除处理，得到映射入口节点流；分别计算所述映射入口节点流与至少一个候选入口节点流的统计距离，根据所述统计距离对所述候选入口节点流进行筛选，将最小的统计距离对应的候选入口节点流作为与所述出口节点流关联的目标入口节点流；通过不同的编码层负责去除不同类型的噪声，可提高关联结果的精度。
-
公开(公告)号：CN118277914A
公开(公告)日：2024-07-02
申请号：CN202311471891.4
申请日：2023-11-07
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/2431 , G06F18/24 , G06F18/213 , G06F18/22
Abstract: 本发明涉及APP分类分析技术领域，公开了一种基于动静结合多维度APK特征的移动应用分类方法，首先进行APP特征构建，基于主流手机应用商店、互联网小型分发平台、APP传播页面对APP的信息进行采集，具体通过APP所提供的功能或呈现的信息内容，识别APP的业务分类，采集通信类的信息，形成初始的测试数据集；再基于APP源码进行分析，获取APP的静态源码特征、动态流量和页面特征数据，具体包括名称、流量和内容信息；进行建立规则匹配模型和匹配机制，具体通过构建定时扫描程序，通过预设的各分类规则匹配模型进行识别和研判。本发明对具有显著技术特征或内容特征的APP具有较高的识别准确率，降低人工审核参与度。
-
公开(公告)号：CN115034286B
公开(公告)日：2024-07-02
申请号：CN202210435266.3
申请日：2022-04-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于自适应损失函数的异常用户识别方法和装置，其中，该方法包括：获取web系统的用户行为日志数据样本，并将用户行为日志数据样本向量化，得到无标签数据样本和有标签数据样本；进行数据预处理得到训练数据集；基于训练数据集的输入特征训练第一自编码器模型，并基于第一自编码器模型构造无标签数据样本损失函数和有标签数据样本损失函数；迭代优化第一自编码器模型并构造异常用户检测优化问题函数，得到第二自编码器模型；基于第二自编码器模型，对无标签数据样本进行异常点检测，以识别异常用户。本发明解决实际业务场景中，无标签数据中存在异常点，采用固定损失函数难以提高准确率，误报率高的技术问题。
-
公开(公告)号：CN118014049A
公开(公告)日：2024-05-10
申请号：CN202410177798.0
申请日：2024-02-08
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06N3/09 , G06N3/0455 , G06F18/22 , G06F18/2431 , G06F40/30 , G06V20/70 , G06V10/40 , G06V10/82
Abstract: 本发明提供一种图文互生模型的训练方法，该方法包括：基于模态自感单元从样本模态数据中提取自感信息；模态自感单元基于自注意力网络通过多任务有监督训练得到；基于图文编码器对自感信息进行编码，得到隐空间特征，并对隐空间特征进行多模态扩散处理，得到扩散后的目标模态类型的隐空间特征；基于图文解码器对自感信息和扩散后的目标模态类型的隐空间特征进行解码，得到解码信息；根据解码信息和多任务损失函数对图文编码器和图文解码器进行训练，得到图文互生模型；目标损失包括重建损失、图像类的理解辅助任务对应损失和文本类的理解辅助任务对应损失确定。本发明所述方法提高了图文互生对应模型的性能和可适配性。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.086 seconds)
