-
公开(公告)号：CN114817540B
公开(公告)日：2024-08-20
申请号：CN202210446640.X
申请日：2022-04-26
Applicant: 北京京航计算通讯研究所
IPC: G06F16/35 , G06F40/216 , G06Q10/087
Abstract: 本发明涉及一种基于单通道算法的物资快速自动化分类方法和装置，属于物资管理、人工智能领域，解决现有技术存在识别准确率低、速度慢的问题。所述方法包括：采集新物资数据；计算所述新物资数据与预设的物资分类数据库中的各物资对应的簇的相似度，将相似度最大的簇作为目标簇，根据所述最大的相似度作如下判断：当所述最大相似度大于所述第一阈值且小于第二阈值时，将所述新物资数据分配至所述目标簇对应的分类标签下，并将所述新物资数据作为簇特征数据写入所述目标簇对应的簇数据集；其中，所述簇特征数据用于描述所述物资分类数据库中簇的特征，存储在各所述簇对应的簇数据集中。本申请提供的技术方案能够提高数据分类的准确性。
-
公开(公告)号：CN114327587B
公开(公告)日：2024-08-09
申请号：CN202210008604.5
申请日：2022-01-05
Applicant: 北京京航计算通讯研究所
IPC: G06F8/70
Abstract: 本发明涉及一种嵌入式军用软件质量评价方法、系统及存储介质，属于软件开发与测试领域，解决了现有嵌入式军用软件质量评价方法难以操作与实施的问题。该方法包括：建立质量度量模型；根据嵌入式军用软件的功能特性对所述质量度量模型进行裁剪，进而根据所述嵌入式军用软件的不同等级优化所述质量度量模型中各评价指标的权重，进而获得相应等级的嵌入式质量度量模型；从所述待评价嵌入式军用软件的研发阶段数据与测试阶段数据获得度量元值；基于所述待评价嵌入式军用软件的等级及度量元值利用相应等级的所述嵌入式质量度量模型获得所述待评价嵌入式军用软件的质量评价结果。
-
公开(公告)号：CN113901336B
公开(公告)日：2024-07-16
申请号：CN202111275726.2
申请日：2021-10-29
Applicant: 北京京航计算通讯研究所
IPC: G06F16/9536 , G06F16/9538
Abstract: 本发明涉及一种基于用户信用的AI社区平台推荐内容排序方法和系统，方法包括以下步骤：获取多个连续评估周期内发布评论的所有评论用户，根据自相似算法确定所述评论用户的可信任度；获取待评估用户发布的有效模型数量和有效数据集数量；根据所述评论用户的可信任度计算所述待评估用户获得的有效评论数量及有效评价分数；基于所述有效模型数量、有效数据集数量、获得的有效评论数量及有效评价分数，计算所述待评估用户的信用值；根据内容的发布用户的信用值对推荐内容进行排序。
-
公开(公告)号：CN118312625A
公开(公告)日：2024-07-09
申请号：CN202410414001.4
申请日：2024-04-08
Applicant: 北京京航计算通讯研究所
IPC: G06F16/36 , G06F21/57 , G06F16/951 , G06F18/24 , G06F16/958
Abstract: 本发明涉及一种漏洞知识图谱的构建方法，属于知识图谱技术领域。包括：对采集的漏洞数据解析建立漏洞基本信息表和漏洞详细信息表；基于漏洞详细信息表对漏洞进行有效性分类；基于漏洞基本信息表、漏洞详细信息表构建漏洞实体网络，基于漏洞实体网络、软件项目依赖文件构建软件依赖实体网络，基于所述漏洞实体网络、软件依赖实体网络及其关联关系构建漏洞知识图谱；定期对漏洞基本信息表、漏洞详细信息表、漏洞有效性分类结果、漏洞实体网络、软件依赖实体网络、漏洞知识图谱进行更新。该方法通过漏洞实体网络、软件依赖实体网络以及它们之间的关联关系构建漏洞知识图谱，提高了漏洞知识的丰富度和实用性，为全面检测软件安全风险提供了基础。
-
公开(公告)号：CN118041576A
公开(公告)日：2024-05-14
申请号：CN202311785373.X
申请日：2023-12-22
Applicant: 北京京航计算通讯研究所 , 国家工业信息安全发展研究中心
IPC: H04L9/40
Abstract: 本申请提供了一种网络流量检测的方法及装置，涉及网络信息安全技术领域。该方法包括：采集网络传输的流量数据；对所述流量数据进行特征提取，得到流量特征；使用卷积神经网络模型基于所述流量特征进行检测，得到第一检测结果，所述第一检测结果表示网络流量的实时检测结果；使用长短期记忆模型基于历史流量数据库进行检测，得到第二检测结果，所述第二检测结果表示网络流量的时序分析结果；根据所述第一检测结果及所述第二检测结果判定网络流量是否异常。根据本申请实施例中的方法，能够提升网络流量检测的效果。
-
Patent Agency Ranking
公开(公告)号：CN116090449B
公开(公告)日：2024-05-14
申请号：CN202211433872.8
申请日：2022-11-16
Applicant: 北京京航计算通讯研究所
IPC: G06F40/289 , G06F16/28 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种质量问题分析报告的实体关系抽取方法及系统，属于关系抽取技术领域，解决了现有技术中样本不均衡时关系抽取准确率低的问题。包括从质量问题分析报告中提取待推理信息，对待推理信息进行预处理后，传入实体关系抽取模型，推理出实体关系；实体关系抽取模型是基于历史质量问题分析报告构建训练集和测试集，对PCNN模型进行迭代训练和测试，直至模型准确率不小于阈值而得到；其中，训练时根据各关系类别的样本权重更新训练集，根据各训练样本的训练结果动态更新各关系类别标签；测试时根据各测试样本的验证结果计算模型准确率，若模型准确率小于阈值，更新各关系类别的样本权重后再次训练和测试。实现了实体间关系抽取的高准确率。
-
公开(公告)号：CN117938698A
公开(公告)日：2024-04-26
申请号：CN202410165600.7
申请日：2024-02-05
Applicant: 北京京航计算通讯研究所
IPC: H04L43/045 , H04L9/40
Abstract: 本发明涉及一种网络资产可视与实时攻防系统，属资产管理领域，解决无法可视化管理及漏洞处置不及时。包括监控中心、统一监控平台和资产管理数据库通过交换机连接；资产管理数据库存储资产及基准属性数据；监控中心包括资产探测单元、可视化构建单元、安全策略定制与规则下发单元和自动巡检单元；资产探测单元资产探测获得资产及基准属性数据对资产管理数据库中数据更新；实时可视化构建单元构建可视化视图；安全策略定制与规则下发单元调整安全配置条目生成安全配置规则发至节点；自动巡检单元定期获取当前属性数据，基于基准属性数据与当前属性数据一致性得到风险评分及漏洞评估级别；统一监控平台显示可视化视图。实现了可视化管理与安全运营。
-
公开(公告)号：CN117332923B
公开(公告)日：2024-03-26
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
公开(公告)号：CN117743719A
公开(公告)日：2024-03-22
申请号：CN202311783222.0
申请日：2023-12-22
Applicant: 北京京航计算通讯研究所
IPC: G06F16/958 , G06F8/38 , G06F18/243 , G06F18/241 , G06N20/20 , G06N3/084
Abstract: 本发明涉及一种页面元素的识别方法，属于前端网页设计技术领域，解决现有网页元素识别方法的准确性低、效率低的技术问题。该方法包括收集真实前端页面元素进行预处理，得到真实样本集；基于所述真实样本集，对随机函数优化的生成对抗网络模型进行训练，得到训练好的生成对抗网络模型；基于训练好的生成对抗网络模型中的生成器获取生成样本集；将所述真实样本集和所述生成样本集组成训练样本集；基于所述训练样本集训练元素识别模型，达到预定训练迭代次数后得到训练好的元素识别模型；获取真实前端页面元素，基于训练好的元素识别模型，得到真实页面元素的识别结果。实现了前端页面元素自动化识别。
-
公开(公告)号：CN117615102A
公开(公告)日：2024-02-27
申请号：CN202311580394.8
申请日：2023-11-24
Applicant: 北京京航计算通讯研究所
IPC: H04N7/18 , H04N19/20 , H04N19/42 , H04L43/103
Abstract: 本发明涉及一种基于图像重构的视频监控方法，所述方法包括以下步骤：通过任务调度获取前端设备发送的视频流数据，对所述视频流数据进行解密、格式转换后输入深度卷积网络得到特征图；将所述特征图通过消息队列发送到视频监控客户端，视频监控客户端将接收到的特征图输入训练好的超分辨率网络进行重构及编码转换后进行播放和回放。该方法通过联合深度卷积网络对超分辨率网络进行训练，训练过程中叠加目标损失和像素损失，使训练效果可视化的同时提高了超分辨率网络重构图像的精度。
-
-
-
-
-
-
-
-
-
Search Results
551
records
(took 0.054 seconds)
