一种基于图神经网络的非正常关键账户发现方法、系统、设备及存储介质

    公开(公告)号:CN113469804A

    公开(公告)日:2021-10-01

    申请号:CN202110805932.3

    申请日:2021-07-16

    Abstract: 本发明涉及一种基于图神经网络的非正常关键账户发现方法、系统、设备及存储介质,包括步骤如下:(1)数据预处理:对非正常金融账户的历史交易记录依次进行数据清洗、关键数据项提取、组织内账户交易关系构建等操作;(2)非正常组织金融交易网络图构建;根据步骤(1)构建的组织内账户交易关系构建非正常组织金融交易网络图;(3)非正常组织关键账户发现;通过训练好的TRGA模型实现非正常组织关键账户发现。本发明能够取得很好的非正常关键账户发现效果。本方法可以为相关工作人员的非正常侦查工作提供辅助研判信息,提高工作效率,节省时间。随着更多非正常标记数据的发现,分类模型会得到进一步的完善,检测识别结果准确率也有增加趋势。

    一种用于中文句子语义相似度计算的方法,设备以及计算机可读存储介质

    公开(公告)号:CN109101494A

    公开(公告)日:2018-12-28

    申请号:CN201810909436.0

    申请日:2018-08-10

    Abstract: 本发明提供一种用于中文句子语义相似度计算的方法,设备以及计算机可读存储介质,对字级别词向量进行预训练;基于句子语义相似度训练集表示句子向量;提取手工特征;基于TCN的神经网络计算,输出句子之间的语义相似度结果。对中文句子不进行分词处理,构建字级别的词向量,用时间卷积网络分别对两个句子进行时间卷积操作提取特征向量,结合手工提取的特征,然后将两个句子的特征向量和手工特征拼接起来,最后计算出两个句子语义相似度。可以很好地避免分词结果的误差传播,也解决了lstm训练速度慢、cnn只有局部特征的问题,可以很好地完成中文句子语义相似度的计算。

    一种半自动化的垂直爬虫生成工具及方法

    公开(公告)号:CN104142985A

    公开(公告)日:2014-11-12

    申请号:CN201410352349.1

    申请日:2014-07-23

    CPC classification number: G06F17/30864

    Abstract: 本发明公开了一种半自动化的垂直爬虫生成工具及方法,该半自动化的垂直爬虫生成方法包括:用户可以选择新建或采用lex-yacc技术打开模板,对模板文件进行词法与语法分析,维护符号表,构造出语法分析树;通过寻找词法与语法分析的规律,以及对整个分析过程中数据的存储与处理,根据模板内容构造出树形模板结构;根据要抽取的内容,在树形模板结构中增加、修改或删除模板节点,节点信息中包含跳转关系、XPath表达式、数据存储方式内容;保存模板;该半自动化的垂直爬虫生成工具包括:爬虫自动生成工具模块、爬虫模块。本发明由自动生成模板内容代替人工手动配置模板,使配置模板变得更加方便快捷,可以大大节省相关人员的工作量。

    轻量级车载T-BOX网络入侵检测探针
    18.
    发明公开

    公开(公告)号:CN116318825A

    公开(公告)日:2023-06-23

    申请号:CN202310031347.1

    申请日:2023-01-10

    Abstract: 本申请涉及车联网安全技术领域,具体为一种轻量级车载T‑BOX网络入侵检测探针,包括态势感知模块、日志管理模块、日志上报模块和配置管理模块,态势感知模块首先读入配置管理模块攻击检测相关配置,然后捕获T‑Box数据总线上的网络流量,态势感知模块检测网络流量中的可能的攻击行为,并将检测结果输送至日志管理模块。本申请支持DDoS攻击、恶意端口扫描等数十种网络入侵行为检测,检测灵活高效,占用计算和存储资源少;软件环境依赖少,交叉编译部署较为简单,为资源受限的硬件平台提供网络安全态势感知服务,进而为车辆联网、车联网智能化提供网络安全保障,应用前景十分广泛。

    一种基于图卷积网络的异常账户检测方法

    公开(公告)号:CN111882446B

    公开(公告)日:2023-05-16

    申请号:CN202010738675.1

    申请日:2020-07-28

    Abstract: 本发明涉及一种基于图卷积网络的异常账户检测方法,属于网络安全技术领域,通过对账户交易数据进行预处理,得到真正需要的有效数据。然后对交易数据按照一定标准进行聚类,得到高中低三种不同的消费能力人群,根据消费情况对人员分组来识别账户异常情况。分组处理后,构建金融网络,采用GCN对异常账户进行分类。分类处理后,得到异常账户和正常账户,应用KNN对异常账户进行识别,找到与该异常账户异常情况最为相似的现有异常账户,通过比对进行风险分析,确定异常情况和异常原因。能够快速、准确的识别出拥有异常交易行为的账户,并为之匹配异常行为最为相似的现有样本,帮助工作人员锁定目标,迅速判断账户风险。

Patent Agency Ranking