-
公开(公告)号：CN116821747A
公开(公告)日：2023-09-29
申请号：CN202310439834.1
申请日：2023-04-23
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图文多模态信息融合的互联网不良应用分类识别方法，针对不良应用具有识别效果佳的优点。互联网不良应用分类识别方法包括：收集网站应用，并对网络应用进行类别标注；提取网站应用的应用名称并基于此构建第一向量；对网络应用进行沙盒运行，以获取网络应用的访问信息以及运行界面截图；基于访问信息构建第二向量；从运行界面截图中提取有效文本字符并基于此构建第三向量；融合第一向量、第二向量、第三向量，以获得融合向量；将融合向量作为输入，训练互联网不良应用分类识别模型，互联网不良应用分类识别模型包括全连接层、Softmax层、损失函数；基于训练完成的互联网不良应用分类识别模型对待识别的网站应用进行分类识别。
-
公开(公告)号：CN116628497A
公开(公告)日：2023-08-22
申请号：CN202310583452.6
申请日：2023-05-23
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/214 , G06F18/2415
Abstract: 本发明公开了一种基于联邦泛化数据处理方法、系统、计算设备及存储介质，所述方法包括：基于联邦对比学习进行数据建模，将数据样本标记为异常样本和正常样本的不同类别，每个本地模型在其本地数据集上进行联邦检测任务的迭代训练，并逐步更新其自己的参数；本地更新后，在可信的中央服务器聚合所有参与联邦检测任务的本地模型的参数，经过计算后聚合形成一个全局模型，然后服务器将所述全局模型分发给参与的终端，进行下次迭代训练。本发明实现在“数据孤岛”状态下对于样本的充分学习和利用，基于对比学习技术，拉近正常样本之间的距离，拉远异常样本距离，从而实现在保护隐私的前提下，对数据的建模，并为异常检测打下基础。
-
公开(公告)号：CN116401479A
公开(公告)日：2023-07-07
申请号：CN202310269520.1
申请日：2023-03-20
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: G06F16/955 , H04L9/40 , G06F16/958 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于加密流量双向突发序列的网站内容行为识别方法和系统。该方法包括以下步骤：获取加密网站的行为流量数据；将行为流量数据预处理为双向突发序列；建立网站内容行为识别模型，以双向突发序列为输入对网站内容行为识别模型进行训练；利用训练完成的网站内容行为识别模型进行加密网站的网站内容行为识别。本发明选择双向突发序列作为输入，可以更好地捕获网站内容行为之间的差异；采用卷积神经网络构建流量表示模型，实现了自动地流量表示与特征提取，避免了人工特征提取和选择，最终达到准确识别加密网站内容行为流量的目的。
-
公开(公告)号：CN115495573A
公开(公告)日：2022-12-20
申请号：CN202210935919.4
申请日：2022-08-04
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: 本发明公开了一种特定业务类型App的高效准确分类方法，首先构建App社交功能属性体系表，针对不同的功能属性构建关键词过滤规则，通过静态反编译的方式获取功能按钮进行规则匹配，进行细粒度核验，考虑到细粒度核验的速度慢准确率高的特点，将部分细粒度核验的结果人工校验后作为训练数据，以App简介作为输入数据进行深度学习模型训练，实现粗粒度核验，达到快速大批量核验。对核验结果进行人工校对，不断优化整个核验流程。本方法用于App类别判定工作，能够快速、准确地从海量App中筛选出特定业务类型对象。
-
公开(公告)号：CN111159990B
公开(公告)日：2022-09-30
申请号：CN201911244936.8
申请日：2019-12-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06F40/186 , G06F40/126 , G06F40/284 , G06F16/33 , G06F16/31
Abstract: 本发明提出一种基于模式拓展的通用特殊词识别方法及系统，提出了一种基于基础词的音形编码，常用汉字音节，常用汉字结构以及特殊字符映射节点来构建前缀树，通过比较字符编码相似度进行模糊匹配，完成新词提取的方法及系统。本发明可以应用于大量文本中特定词的发现提取，某些任务的数据集的提取生成，给定文本数据集的预处理等场景中，比如短信、微博等数据集的筛选以及纠正等文本预处理过程。本发明为下一步的文本分类任务提供了数据来源和基本标注，也对文本数据中新词的发现和纠正提供了帮助。
-
Patent Agency Ranking
公开(公告)号：CN112084373B
公开(公告)日：2022-06-03
申请号：CN202010778910.8
申请日：2020-08-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/901 , G06F40/151 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图嵌入的多源异构网络用户对齐方法，其特征在于：1)通过用户名和社会角色计算用户属性的相似度；2)通过随机游走算法获得异构网络的节点序列，分析节点之间的相互关系；3)利用嵌入算法，对节点序列计算得到网络的嵌入表示；4)根据用户的属性相似度以及结构特征，训练多层神经网络对齐用户。本发明所公开的基于图嵌入的多源异构网络用户对齐方法可用于在线社交网络的用户对齐，在推荐系统、人物画像补全等多个领域具有重要应用，算法的计算复杂度低，可在网络中快速对齐相同用户，对真实数据适用性强。
-
公开(公告)号：CN109741731B
公开(公告)日：2020-12-29
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。
-
公开(公告)号：CN111143508A
公开(公告)日：2020-05-12
申请号：CN201911244928.3
申请日：2019-12-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06F16/33 , G06F40/30 , G06F40/289 , G06K9/62
Abstract: 本发明提出了一种基于通信类短文本的事件检测与跟踪方法，包括：提取与某事件对应的样本集合中各通信类短文本的语义特征、关键要素，及该样本集合的传播网络；根据该语义特征、该关键要素和该传播网络，分别获得任意两个该通信类短文本之间的语义距离、要素距离和用户距离；以该语义距离、该要素距离和该用户距离，获得任意两个该通信类短文本之间的度量距离；对所有该度量距离进行聚类，获得该事件的事件检测结果；提取该事件检测结果的特征属性以跟踪该事件。还提出一种基于通信类短文本的事件检测与跟踪系统，以及一种进行基于通信类短文本的事件检测与跟踪的数据处理装置。
-
公开(公告)号：CN110825998A
公开(公告)日：2020-02-21
申请号：CN201910733928.3
申请日：2019-08-09
Applicant: 国家计算机网络与信息安全管理中心 , 哈尔滨工业大学软件工程股份有限公司
IPC: G06F16/958 , G06F16/35 , G06K9/62
Abstract: 本发明公开了一种网站识别方法及可读存储介质，该方法包括如下步骤：提取网站样本数据，并对所述网站样本数据进行处理构建网页文本卷积神经网络CNN特征；提取网页特征，根据所述网页特征和所述网页文本CNN特征进行特征融合获得网站融合特征；根据所述网站融合特征进行模型训练获得识别模型，根据所述识别模型对待识别的网站进行识别。本发明方法通过使用网页文本特征构建的分类模型比较构建多特征融合分类模型，分类精度有大幅度提高。
-
公开(公告)号：CN110704611A
公开(公告)日：2020-01-17
申请号：CN201910730306.5
申请日：2019-08-08
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F40/216 , G06F40/242 , G06F40/279
Abstract: 本发明公开了一种基于特征解交织的非法文本识别方法及装置，所述方法包括：步骤1，对待识别文本进行去变体操作，去除所述待识别文本中的特殊字符；步骤2，根据预先设置的文本特征词库和乱序特征字库，判断所述待识别文本是否为乱序文本，如果判断为是，则对所述待识别文本进行解交织处理，消除变体，否则，直接执行步骤3；步骤3，利用预先训练的分类器组对解变体后的待识别文本进行分类，输出是否为非法文本预测结果。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.083 seconds)
