跨社交网络的账号关联方法及系统

    公开(公告)号:CN108846422B

    公开(公告)日:2021-08-31

    申请号:CN201810525837.6

    申请日:2018-05-28

    Abstract: 一种跨社交网络的账号关联方法及系统,包括获取装置:用于分别获取不同社交网络平台处的账号以及每个账号对应的多维度属性信息;计算装置用于将位于不同社交网络平台处两个账号的多维度属性信息分别进行多维度的相似性计算,并生成计算结果,计算结果为关联结果或不关联结果中的任意一个;输出装置用于将若计算结果为关联结果,则将位于不同社交网络平台处的两个账号关联;若计算结果为不关联结果,则将位于不同社交网络平台处两个账号不关联。本发明设计了基于关联同一自然人在不同社交网络平台账号的应用场景,设计了如从用户名、地理位置、个人描述和头像等维度的相似度计算的特征获取及计算方法,提高了不同社交网络平台账号关联的准确率。

    一种IPv6攻击溯源方法
    12.
    发明公开

    公开(公告)号:CN109120602A

    公开(公告)日:2019-01-01

    申请号:CN201810830051.5

    申请日:2018-07-25

    CPC classification number: H04L63/1458 H04L63/1416 H04L2463/146

    Abstract: 一种IPv6攻击溯源方法,包括信息流分类步骤、报文标记步骤、验证信息生成步骤以及信息判断步骤。本发明提出了更加高效合理的标记概率算法,判断报文的标记概率,将报文以流为对象进行标记,并以带宽占有率分为大流量与小流量。为了避免大流量的标记后的报文过多,标记概率根据带宽占有率进行动态调整,而小流量则以固定概率进行标记,保证对于小流量的标记,最终有助于以较少的标记后的报文对DDoS攻击的溯源。改进了传统的标记流程,将域内溯源与域间溯源相结合,选取接入网路由器与自治域边界路由器进行相关的标记而生成标记后的报文,最大程度上保证了重构路径的完整性,既有利于阻断攻击,也标记了攻击源。

    基于改进LDA主题模型的文本相似度计算方法及系统

    公开(公告)号:CN108829799A

    公开(公告)日:2018-11-16

    申请号:CN201810571074.9

    申请日:2018-06-05

    Abstract: 一种基于改进LDA主题模型的文本相似度计算方法及系统,在WMF_LDA主题模型中获取若干文本集;通过word2vec词向量模型对预处理词语集中的词语进行相似度计算并生成若干词语相似度值;按照其词语之间相似度生成领域主题词语集;并将进行过词语语义合并的文档通过LDA主题模型得出其在不同主题上的概率分布;确定任意两个文本之间主题分布相似度得到本发明相似度。先进行筛选减少主题词语集中词语的数量,并将同义词、近义词、同领域词进行统一化映射,再通过建模获得文本的概率分布并进一步判断文本之间的相似程度,使得在计算两个文本的相似度的过程中,使得计算时维度小、减少浪费空间并且解决了过多集中于词语层面、未能充分挖掘和利用不同类型文本的问题。

    一种基于特征级解耦的虚假人脸检测和溯源方法

    公开(公告)号:CN118982876A

    公开(公告)日:2024-11-19

    申请号:CN202410989439.5

    申请日:2024-07-23

    Abstract: 本发明提供一种基于特征级解耦的虚假人脸检测和溯源方法,分为渐进式伪造特征提取阶段和交叉解耦阶段。在提取的整体伪造特征基础上,将伪造特征进一步分为共性伪造特征和特殊伪造特征。共性伪造特征在检测任务种能够有效地提高深度伪造检测器的泛化能力,避免伪造无关特征和方法特定特征的过拟合。特殊伪造特征则可以进一步提升对于伪造方法的溯源能力。此外,本方法还引入了正交化正则化损失,以进一步帮助解纠缠并增强解耦特征的概括能力。实验结果表明,该方法检测和溯源性能良好,为人脸伪造检测和溯源任务提供了全新的视角。

    一种分布式数据回传网络构建方法

    公开(公告)号:CN114221848B

    公开(公告)日:2023-06-02

    申请号:CN202111541921.5

    申请日:2021-12-16

    Abstract: 本发明提供了一种分布式数据回传网络构建方法,包括:基于N个通信子区域构建通信网络,并在所述通信网络中建立M条通信链路,其中,M小于或等于N;将数据分发节点接入至所述通信网络中,并基于所述数据分发节点将目标分片数据包分发在所述通信网络中的M条通信链路中进行数据传输;基于资源汇聚节点将所述目标分片数据包进行数据汇总,生成目标数据包,并将所述目标数据包传输至接收端。通过构造一个分布式的数据回传通信网络,有利于帮助数据在网络传输过程中进行混淆与匿名化处理,增加数据传输效率,通过构建多源数据分发、多跳链路节点的网络数据传输网络,实现对待传输数据的隐蔽传输,从而缓解网络传输流量被溯源的风险。

    一种分布式数据回传网络构建方法

    公开(公告)号:CN114221848A

    公开(公告)日:2022-03-22

    申请号:CN202111541921.5

    申请日:2021-12-16

    Abstract: 本发明提供了一种分布式数据回传网络构建方法,包括:基于N个通信子区域构建通信网络,并在所述通信网络中建立M条通信链路,其中,M小于或等于N;将数据分发节点接入至所述通信网络中,并基于所述数据分发节点将目标分片数据包分发在所述通信网络中的M条通信链路中进行数据传输;基于资源汇聚节点将所述目标分片数据包进行数据汇总,生成目标数据包,并将所述目标数据包传输至接收端。通过构造一个分布式的数据回传通信网络,有利于帮助数据在网络传输过程中进行混淆与匿名化处理,增加数据传输效率,通过构建多源数据分发、多跳链路节点的网络数据传输网络,实现对待传输数据的隐蔽传输,从而缓解网络传输流量被溯源的风险。

    一种面向微博的突发事件触发词识别方法

    公开(公告)号:CN110222250B

    公开(公告)日:2021-07-27

    申请号:CN201910411868.3

    申请日:2019-05-16

    Abstract: 本发明提出一种面向微博的突发事件触发词识别方法,将待分析的微博数据构成预料库的预料,其包括如下步骤:1)对突发事件语料库进行原始触发词统计,记录统计特征;2)对所述语料进行分词、分句等数据预处理,对所述分句后的语料数据按照分句进行依存句法分析,整理凝练出词对间依存关系,建立模式匹配规则;3)对所述预处理后的文本数据逐一进行模式规则匹配和潜在语义分析,进一步抽取分句语义信息,选取同时满足二者条件的词作为候选触发词,得到候选触发词集;4)计算所述候选触发词集与基于扩展触发词表的触发词识别出触发词进行相似度分析,将满足相似度要求的触发词确定为微博突发事件触发词。本发明避免了传统模式识别中效率偏低的缺点,同时遵循了机器学习中模型训练快速简单的优点。

    一种IPv6攻击溯源方法
    18.
    发明授权

    公开(公告)号:CN109120602B

    公开(公告)日:2020-12-25

    申请号:CN201810830051.5

    申请日:2018-07-25

    Abstract: 一种IPv6攻击溯源方法,包括信息流分类步骤、报文标记步骤、验证信息生成步骤以及信息判断步骤。本发明提出了更加高效合理的标记概率算法,判断报文的标记概率,将报文以流为对象进行标记,并以带宽占有率分为大流量与小流量。为了避免大流量的标记后的报文过多,标记概率根据带宽占有率进行动态调整,而小流量则以固定概率进行标记,保证对于小流量的标记,最终有助于以较少的标记后的报文对DDoS攻击的溯源。改进了传统的标记流程,将域内溯源与域间溯源相结合,选取接入网路由器与自治域边界路由器进行相关的标记而生成标记后的报文,最大程度上保证了重构路径的完整性,既有利于阻断攻击,也标记了攻击源。

    一种基于卷积神经网络CNN的恶意软件检测方法

    公开(公告)号:CN110704840A

    公开(公告)日:2020-01-17

    申请号:CN201910854560.6

    申请日:2019-09-10

    Abstract: 本发明提出一种基于卷积神经网络CNN的恶意软件检测方法,包括:步骤1:收集训练集并进行分析,通过Cuckoo沙箱生成json格式的报告文件;步骤2:对所述json格式的报告进行向量化的处理,得到特征向量;步骤3:将所述步骤2处理后的所述特征向量作为输入传入到未训练的CNN中进行训练学习,得到训练CNN;步骤4:将待测试的软件经过和所述步骤1和所述步骤2相同的处理后,得到待测试软件的特征向量,投入所述步骤3训练好的CNN中,通过CNN模型检测,判断所述待测试软件为恶意软件或者正常软件。本申请的方法相较与其他机器学习算法和杀毒软件在检测率和精确度上都能获得更好的技术效果。

    一种面向微博的突发事件触发词识别方法

    公开(公告)号:CN110222250A

    公开(公告)日:2019-09-10

    申请号:CN201910411868.3

    申请日:2019-05-16

    Abstract: 本发明提出一种面向微博的突发事件触发词识别方法,将待分析的微博数据构成预料库的预料,其包括如下步骤:1)对突发事件语料库进行原始触发词统计,记录统计特征;2)对所述语料进行分词、分句等数据预处理,对所述分句后的语料数据按照分句进行依存句法分析,整理凝练出词对间依存关系,建立模式匹配规则;3)对所述预处理后的文本数据逐一进行模式规则匹配和潜在语义分析,进一步抽取分句语义信息,选取同时满足二者条件的词作为候选触发词,得到候选触发词集;4)计算所述候选触发词集与基于扩展触发词表的触发词识别出触发词进行相似度分析,将满足相似度要求的触发词确定为微博突发事件触发词。本发明避免了传统模式识别中效率偏低的缺点,同时遵循了机器学习中模型训练快速简单的优点。

Patent Agency Ranking