-
公开(公告)号：CN103605794A
公开(公告)日：2014-02-26
申请号：CN201310651985.X
申请日：2013-12-05
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: G06F17/3089 , G06N3/08
Abstract: 本发明公开了一种网站分类方法，包括：获取网站的多维属性，利用集合对多维属性进行表示；针对表示多维属性的集合，进行自编码特征学习；利用自编码学习结果，进行网站聚类学习，得到用于进行网站分类的支持向量机SVM；步骤S104，对任意一个未经标注的网站进行分类时，先进行步骤S101和步骤S102，得到与该网站对应的自编码学习结果；然后将该结构输入到步骤S103得到的SVM中，进行网站分类，得到网站的类别。本发明的网站分类方法能高效准确的按照行业类别对网站进行分类，并且能快速侦测具有恶意特征的钓鱼网页；采用多维属性描述的方式，增加系统的便利性与通用性；且系统具有极强的稳定性。
-
公开(公告)号：CN118965192A
公开(公告)日：2024-11-15
申请号：CN202410924472.X
申请日：2024-07-11
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/2431 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/098 , G06F16/958
Abstract: 本公开提供一种基于多模态融合学习的生成式AI服务网站识别方法。输入人工智能生成服务网站的原始的多维度多模态信息，通过多模态特征提取模型将所述多维度信息转化为人工智能服务网站的文本、图片、代码三种特征向量，将所述三种特征向量输入多模态特征融合识别模型，输出人工智能生成服务网站是否提供人工智能服务的判别结果。本发明通过将网站的文本、图像和代码模态的特征融合实现更加准确的人工智能生成服务网站识别，以提高模型在新兴、多样化网站数据上的泛化性能，增强网站识别与分类模型泛化能力和适应性，突破单一数据类型进行分类的局限性，提高分类系统的泛化能力，使其能够适应不断变化和多样化的人工智能生成式网站内容。
-
公开(公告)号：CN118656490A
公开(公告)日：2024-09-17
申请号：CN202410629623.9
申请日：2024-05-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F40/30 , G06N3/0455 , G06N5/04
Abstract: 本发明涉及一种文本分类方法、装置、设备和存储介质，文本分类方法包括：获取待处理文本，待处理文本包含对于目标事件的目标观点；将大模型运用到特定文本分类任务上，在该分类任务的目标立场下对待处理文本进行分类处理，确定目标事件的事件类别，且大模型还是基于少数据量的数据集上训练的，准确率也很高，同时在分类任务的基础上，提出了多任务间的自我校验的可解释优化任务，确定反应目标观点情感倾向的可解释的倾向信息；使用二分类模型对可解释的倾向信息进行语义分析，审核大模型的分类准确性，确定反应目标观点情感倾向的倾向类别；根据倾向类别和事件类别，确定待处理文本的目标类别，有效提高了文本分类的准确性。
-
公开(公告)号：CN118069734A
公开(公告)日：2024-05-24
申请号：CN202311521414.4
申请日：2023-11-15
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种可编辑区块链的区块数据结构和防篡改验证方法。所述区块数据结构的区块头包括：上一区块哈希字段、时间戳字段、merkle根字段、编辑前区块hash字段、编辑后区块hash字段和编辑校验字段；所述上一区块哈希字段，用于存储上一区块的哈希值；所述时间戳字段，用于存储区块生成时间；所述merkle根字段，用于存储区块体的merkle根；所述编辑前区块hash字段，用于存储编辑前区块的哈希值；所述编辑后区块hash字段，用于存储编辑后区块的哈希值；所述编辑校验字段，用于存储验证节点的同意编辑响应。本发明在支持区块链可编辑的同时，还能够防止恶意节点借区块链的可编辑特性恶意篡改区块链。
-
公开(公告)号：CN113761337B
公开(公告)日：2023-10-27
申请号：CN202011643504.7
申请日：2020-12-31
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F16/9537 , G06Q10/04
Abstract: 本发明提供一种基于事件隐式要素与显式联系的事件预测方法和装置，其中，方法包括：获取事件文本中的多个事件的事件要素；提取跨事件的事件要素之间的第一关系特征，所述第一关系特征用于表征跨事件的事件要素之间的语义联系特征；基于所述第一关系特征进行事件预测。在对事件进行预测时，加入跨事件的事件要素之间的第一关系特征，可以记录跨事件的事件要素之间的隐式联系，并且通过不同事件中的事件要素语义联系特征让不同的事件之间产生了联系，挖掘出了事件元组更深层次且更具有预测性的语义信息，不仅可以提升了事件预测的准确性，而且广泛适用于基于事件要素进行事件预测的方法中，通用性强。
-
Patent Agency Ranking
公开(公告)号：CN111680225B
公开(公告)日：2023-08-18
申请号：CN202010338132.0
申请日：2020-04-26
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9536 , G06F16/35 , G06F40/30 , G06F40/289 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/082
Abstract: 本发明公开了一种基于机器学习的微信消息分析方法，包括：步骤一、构建训练语料库；步骤二、建立词汇向量表；步骤三和步骤四、构建和训练卷积神经网络；步骤五、将待分析的微信消息对应的多个词汇对应的词向量构成的词向量矩阵输入至训练得到的卷积神经网络，输出得到该微信消息对应的所有标签的概率分布情况。本发明具有精准预测微信消息所属的金融分类标签的有益效果。本方法还公开了一种基于机器学习的微信消息分析系统，包括：数据采集组件；训练语料库；文本预处理组件；模型训练组件；源数据分类组件。本系统具有精准预测微信消息所属的金融分类标签的有益效果。
-
公开(公告)号：CN110020433B
公开(公告)日：2023-04-18
申请号：CN201910256769.2
申请日：2019-04-01
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F40/295 , G06F16/35 , G06Q50/00
Abstract: 本发明公开了一种基于企业关联关系的工商高管人名消歧方法，涉及实体消歧领域，包括以下步骤：将待消歧数据集U，按高管姓名划分成组n个高管姓名组A；根据步骤S1得到的姓名组划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；针对每个姓名组A，根据密切度计算规则，计算姓名组A中高管节点之间的关联密切度f；根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果。本发明能自动化对工商高管人名进行消歧，具有较高的消歧准确率，且具有一定的阈值设置灵活性，可满足较多应用场景的工商高管人名消歧；同时可构建高管任职关联关系、高管投资关联关系，为高管全视角的关联图谱分析提供支撑。
-
公开(公告)号：CN114819432A
公开(公告)日：2022-07-29
申请号：CN202110065882.X
申请日：2021-01-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06Q10/06
Abstract: 本发明实施例涉及一种企业非法集资风险预测方法、装置、电子设备及存储介质，所述方法包括：获取待进行非法集资风险预测的目标企业的企业数据；对所述企业数据进行特征提取，得到所述目标企业的企业特征；将所述企业特征输入至至少一个已训练的非法集资风险预测模型，得到至少一个所述目标企业非法集资的风险概率；根据至少一个所述目标企业非法集资的风险概率确定所述目标企业是否存在非法集资风险。由此，可以提高对企业非法集资风险进行预测的预测结果的准确性。
-
公开(公告)号：CN113076464A
公开(公告)日：2021-07-06
申请号：CN202110392387.X
申请日：2021-04-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/953 , G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于重构编码异常检测的多通道网络线索发现方法及装置，该方法步骤如下：步骤一、构建面向暗网、telegram、区块链交易网络的正则化多通道网络并进行节点对齐；步骤二、基于多通道图表征重构的特征表示学习的线索检测：该装置包括：多通道网络构建与对齐模块、多通道图表征重构的特征表示学习的线索检测模块。本发明可实现对暗网、国外主流即时通讯工具等多通道的网络进行监测，实现网络异常发现和内容管控,实现针对不良信息发现，或者一些网络异常行为的发现。
-
公开(公告)号：CN112308696A
公开(公告)日：2021-02-02
申请号：CN202010100349.8
申请日：2020-02-18
Applicant: 哈尔滨工业大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及区域金融风险监测领域，具体涉及一种互联网金融企业区域风险测度方法；包括以下步骤，首先确定各种业态各个地区的资金集中度、杠杆率；再确定各种业态各地区资金集中度、杠杆率随时间变化的趋势；然后根据该种业态下行业资金集中度、行业杠杆率确定区域资金集中度及区域杠杆率黄线及红线；最后用弧形图展示各种业态下各地区的资金集中度及杠杆率风险所在风险水平，采用本发明技术方案的风险测度方法，可以对各种互联网金融业态下的各地区集中度、杠杆率随时间变化的趋势予以实时监测。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.117 seconds)
