-
公开(公告)号：CN116233011B
公开(公告)日：2024-06-25
申请号：CN202310199297.8
申请日：2023-03-03
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L47/2441 , H04L41/14 , H04L41/16 , G06F18/213 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于包长度序列和消息长度序列深度融合的物联网流量分类方法及系统。该方法可分为物联网流量分类模型构建阶段和物联网流量分类阶段。物联网流量分类模型构建阶段包括：对物联网流量样本进行预处理；对深度学习模型的可训练参数进行初始化；对预处理完成的物联网流量序列进行嵌入向量表示处理；对物联网流量序列的嵌入向量进行包长度序列特征和消息长度序列特征的提取；分别拼接包长度序列特征和消息长度序列特征；采用全连接层和概率融合分类物联网流量；判断是否达到训练终止条件从而保存深度学习模型；利用物联网流量分类模型构建阶段得到的物联网流量分类模型对物联网流量进行分类。本发明实现了对物联网流量的准确分类。
-
公开(公告)号：CN113378090B
公开(公告)日：2022-09-06
申请号：CN202110445408.X
申请日：2021-04-23
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/958 , G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种互联网网站相似度分析方法、装置以及可读存储介质，方法包括：从多个未分类的互联网网站中提取文本特征词；将各个未分类的互联网网站的文本特征词分别输入预先获取到的孪生网络编码工具，得到各个未分类的互联网网站的文本向量序列，其中：所述孪生网络编码工具是从训练好的孪生网络中的输入层至权值共享循环神经网络层进行迁移得到，且所述孪生网络的训练是基于从多个已分类的互联网网站中提取的文本特征词实现；将各个未分类的互联网网站的文本向量序列组成的矩阵进行降维处理得到低维弱相关矩阵；对低维弱相关矩阵进行聚类分析，根据聚类分析结果获取所述多个未分类的互联网网站的相似度情况，从而实现互联网网站相似度分析。
-
公开(公告)号：CN110704713B
公开(公告)日：2022-02-08
申请号：CN201910916820.8
申请日：2019-09-26
Applicant: 国家计算机网络与信息安全管理中心 , 北京信息科技大学
IPC: G06F16/951 , G06F16/955
Abstract: 本发明公开一种基于多数据源的论文数据爬取方法及系统，进行批量关键词论文数据抓取。爬取任务执行前，使用关键词或论文基本信息拼接URL，并将其添加至待抓取队列；执行时，程序分多个子爬取线程，分别从已经经过任务调度算法均衡的多个待爬取队列中取出任务进行源码抓取；执行后，从抓取回的网页源码中解析出所需要的字段，结果存储进数据库中，构建论文数据数据库。相比现有技术，本发明能够提供更高效且全面的论文爬取功能，在服务用户的检索需求时可以快速响应并且将各数据源的查询结果融合展示在用户面前，可以使用户无需对每个数据源的检索结果进行甄别与比对，极大地方便了用户的使用，节约了用户的时间。
-
公开(公告)号：CN113110268A
公开(公告)日：2021-07-13
申请号：CN202110594943.1
申请日：2021-05-28
Applicant: 国家计算机网络与信息安全管理中心 , 北京全路通信信号研究设计院集团有限公司 , 工业和信息化部网络安全产业发展中心(工业和信息化部信息中心)
IPC: G05B19/042
Abstract: 本发明实施例提供了一种轨道交通控制网络的监测系统、数据采集设备及方法。该监测数据采集设备通过第一网口，基于数据镜像方式从与其相连的待监测设备采集网络流量数据，通过第一串口从所述待监测设备采集配置数据，通过第三网口从所述待监测设备采集日志数据；并对采集到的数据进行分析，获得是否有异常流量和/或异常行为的分析结果作为中间分析结果，将所述中间分析结果，通过第二网口发送至中心管理设备；所述中心管理设备，用于接收并保存各个所述监测数据采集设备通过各自的所述第二网口发送的所述中间分析结果。可见，本发明实施例能够实现对轨道交通系统控制网络进行全面监测。
-
公开(公告)号：CN112215908A
公开(公告)日：2021-01-12
申请号：CN202011086137.5
申请日：2020-10-12
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种面向压缩域的视频内容比对系统、优化方法、比对方法，旨在为了解决使用全解码信息完成视频内容比对效率不高的问题。本发明比对系统包括：特征学习模块，基于输入视频的多种压缩域信息，分别获取多种模态的特征图；多模态压缩域信息融合模块，对所述特征学习模块输出的多种模态的特征图进行信息融合，得到所述输入视频的融合特征向量；第二模块，配置为获取两个输入视频的融合特征向量的L1距离；分类器为二分类网络，配置为基于所述第二模块输出的L1距离进行比对结果的二分类。本发明可以有效地提取视频内容的高层语义信息，保证了视频内容的比对高速度和高性能。
-
Patent Agency Ranking
公开(公告)号：CN110659561A
公开(公告)日：2020-01-07
申请号：CN201910725251.9
申请日：2019-08-07
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种互联网暴恐视频识别模型的优化方法及装置，所述方法包括：获取互联网暴恐视频识别模型的卷积神经网络中各个层的卷积核的各个通道的参数；根据所述各个通道的参数判断是否丢弃对应的通道，如果判断为是，执行通道丢弃操作。本发明使得每天使用暴恐模型审核的数据量大大提升。填补了海量互联网视频暴恐视频审核技术和产品空白，可以极大程度提升了暴恐图像审核的产品竞争力。
-
公开(公告)号：CN109905873A
公开(公告)日：2019-06-18
申请号：CN201910137453.1
申请日：2019-02-25
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04W8/18 , H04W8/22 , G06F16/2455
Abstract: 本发明涉及一种基于特征标识信息的网络应用账号关联方法，属于信息处理技术领域。本发明方法面向移动互联网用户的固网和移动网上网行为，对客户端和服务器端产生的网络通信日志进行综合分析，重点从明文请求日志中提取出客户端特征标识信息和登录网站账号信息，设计基于特征标识信息和网络账号信息的关联规则，建立基于特征标识信息的网络账号关联方法，提高网络账号之间的关联率和准确率。因此，本发明方法不具体针对跨特定社交平台的网络账号关联范畴，只考虑通过利用运营商提供的网络通信特征信息，建立基于特征标识信息的网络应用账号关联方法，用以解决目前主流移动APP和主流网站网络账号缺少关联条件和关联准确率不高等难题。
-
公开(公告)号：CN108921087A
公开(公告)日：2018-11-30
申请号：CN201810699566.6
申请日：2018-06-29
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种视频理解方法，旨在解决如何有效提取视频的密集帧特征和长期时空特征的技术问题。为此目的，本发明提供的视频理解方法首先利用残差网络获取目标视频的视频帧组，然后利用时序关系网络并根据多个视频帧组生成视频的时序关系特征，最后根据时序关系特征预测目标视频的视频行为类别。其中，视频帧组包括两个有序视频帧，每个有序视频帧均包括多个按照时间顺序依次排列的视频帧。基于上述步骤，能够有效获取到目标视频的密集帧特征和长期时空特征，进而可以快速且准确地预测出目标视频的视频行为类别。
-
公开(公告)号：CN114064470B
公开(公告)日：2024-11-15
申请号：CN202111323148.5
申请日：2021-11-05
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种联盟链重放攻击的测试方法、装置、电子设备及存储介质，该方法通过构建测试程序，将所述测试程序部署到联盟链网络中成为测试服务器节点；通过客户端发送交易请求到所述测试服务器节点以产生一笔交易，并记录交易产生的交易哈希值；通过所述测试服务器节点将所述交易产生的交易数据发送给其他节点，并重放所述交易；在所述联盟链网络中查询历史交易，并检查重放所述交易后的所有交易哈希值，以生成测试结果；根据所述测试结果判定所述联盟链网络是否受到重放攻击的影响，实现了对联盟链网络的加密交易通信进行重放攻击测试，进而检测联盟链网络是否受到重放攻击的影响及其危害程度。
-
公开(公告)号：CN116827873A
公开(公告)日：2023-09-29
申请号：CN202310199298.2
申请日：2023-03-03
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L47/2441 , H04L9/40 , G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于局部‑全局特征注意力的加密应用流量分类方法及系统，该方法分为人工智能模型训练阶段和加密应用流量分类阶段。在人工智能模型训练阶段，将根据有应用类别标签的加密应用字节流序列，训练神经网络中的可学习参数，从而实现自动化的加密应用流量特征提取和加密应用流量分类，并得到训练好的加密流量分类模型。加密应用流量分类阶段，基于训练完成的加密应用流量模型参数，对网络环境中获取到的真实网络流量进行特征提取并完成加密应用流量分类。本发明通过局部‑全局特征注意力机制的加密应用流量建模方法，建立更加鲁棒的分类特征，实现对应用流量更加精准的分类。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.048 seconds)
