-
公开(公告)号：CN110545359B
公开(公告)日：2021-06-29
申请号：CN201910713518.2
申请日：2019-08-02
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04M3/22
Abstract: 本发明公开了一种通信线路特征提取方法、通信线路识别方法及装置。所述方法包括：通过运营商通信线路建立位于主叫地的主叫终端与位于被叫地的被叫终端之间的通话连接；在所述主叫终端处播放语音；在所述被叫终端处获取所述语音对应的音频；从所述音频中提取音频特征作为通信线路特征，所述通信线路特征为所述主叫地与所述被叫地之间的所述运营商通信线路的特征，从而有助于准确且高效的识别相应的运营商和来源地，进而提高用户通话的可靠性。
-
公开(公告)号：CN110602332B
公开(公告)日：2021-06-15
申请号：CN201910708779.5
申请日：2019-08-01
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
Abstract: 本发明公开了一种通信线路特征提取方法、通信线路识别方法及装置。所述通信线路特征提取方法包括：获取主叫端与被叫端之间的通话音频；对所述通话音频进行处理，以去除所述通话音频中的人声音频；分别采用差分方法、频率划分方法和自编码网络方法从处理后的通话音频中对应提取第一噪声特征、第二噪声特征和第三噪声特征，并将所述第一噪声特征、所述第二噪声特征和所述第三噪声特征作为所述主叫端与所述被叫端之间的通信线路特征，从而能够准确且高效的提取通信线路特征，进而提高通信线路识别的准确性和高效性，提高电话通信的可靠性。
-
公开(公告)号：CN111726460B
公开(公告)日：2021-04-20
申请号：CN202010542365.2
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种基于时空图的诈骗号码识别方法，包括：由全量通话记录生成电信通联网络，并构建识别诈骗号码的时空图，使用Snapshot方法按时间间隔T、从图中连续截取出多张时空子图；基于用户在每张时空子图对应时间周期下的通话记录，计算每个用户在每张时空子图对应时间周期下的通话特征指标向量，同时，为每个用户从时空子图中提取和其有相同被叫的邻居用户；构建、并训练识别诈骗号码的时空图神经网络；将待识别目标用户和其所有邻居用户在所有时空子图中的通话特征指标向量输入时空图神经网络，并根据输出判断待识别目标用户号码是否是疑似诈骗号码。本发明属于信息技术领域，能动态的捕获到号码呼叫行为的变化，从而实现诈骗号码的精准识别。
-
公开(公告)号：CN112331181A
公开(公告)日：2021-02-05
申请号：CN201910694870.6
申请日：2019-07-30
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明属于目标语音提取和自适应技术领域，具体涉及一种基于多说话人条件下目标说话人语音提取方法，该方法具体包括：实时获取多个说话人混合的语音，提取多个说话人混合的语音的频谱；将锚语音输入到预先训练的说话人识别模型中，提取出目标说话人的特征向量；将获取的多个说话人混合的语音的频谱和目标说话人的特征向量输入至预先训练的目标说话人语音提取网络中，获取目标说话人的语音频谱；基于该目标说话人的语音频谱，获取目标说话人的语音。
-
公开(公告)号：CN111881682A
公开(公告)日：2020-11-03
申请号：CN202010554413.X
申请日：2020-06-17
Applicant: 国家计算机网络与信息安全管理中心 , 讯飞智元信息科技有限公司
IPC: G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种改进的DRNN模型的意图识别方法及装置，该方法包括如下步骤：步骤SS1：将输入序列输入到DRNN循环神经网络中进行阻断信息流动，使输入序列传递固定的步长K；步骤SS2：将DRNN循环神经网络的每个隐层标识送入MLP多层感知器中，来抽取更高层的特征信息；步骤SS3：通过Max Pooling池化操作来抽取整个输入序列的文本中最重要的特征信息；步骤SS4：通过一层MLP多层感知器送入softmax逻辑回归模型中进行分类，输出文本分类结果。本发明通过改进的DRNN（Disconnected Recurrent Neural Networks）进行意图识别分类，以提高文本分类的准确性，使相关技术在实际应用场景中达到更好效果。
-
Patent Agency Ranking
公开(公告)号：CN111862970A
公开(公告)日：2020-10-30
申请号：CN202010505265.2
申请日：2020-06-05
Applicant: 珠海高凌信息科技股份有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种基于智能语音机器人的虚假宣传治理应用方法及装置，包括：对接入的信令及媒体数据进行语音分析，得到实时媒体流和/或文字数据；智能语音机器人根据实时媒体流及文字数据进行语义理解和意图判断，根据所述语义理解和意图判断生成对应的回复语句，进而生成相应的通话媒体数据，将通话媒体数据发送至主叫；记录每次虚假呼叫档案信息，用于在后续的呼叫识别时，将虚假呼叫档案信息作为对应的应用场景。本发明的有益效果为：引入智能语音机器人进行语音互动，可有效占用虚假宣传源头的通话时间，间接的减少了受害人等接通次数；对虚假宣传源头进行干扰，降低其诈骗成功率。
-
公开(公告)号：CN110111814A
公开(公告)日：2019-08-09
申请号：CN201910419117.6
申请日：2019-05-20
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例提供一种网络类型识别方法及装置。所述方法包括：获取待识别语音；将待识别语音输入至预设的网络识别模型，得到识别结果；其中，所述网络识别模型为通过样本数据对随机森林模型以及支持向量机模型进行预设数据训练得到的。本发明实施例将网络类型识别的过程自动化实现，效率较高，可有效降低人工成本；且网络识别通过机器学习的方式建立，满足精确度需求；预先通过大量样本数据建立网络识别模型，适用于VoIP通话；本发明实施例解决了现有技术中，VoIP电话的出现使得难以准确地根据号码判断主叫方网络类型的问题。
-
公开(公告)号：CN113761919B
公开(公告)日：2025-01-07
申请号：CN202010500426.9
申请日：2020-06-04
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/295 , G06F40/211
Abstract: 本发明提供一种口语化短文本的实体属性提取方法及电子装置，包括对口语化短文本切词及词性标注，并对各标注词性的词语进行命名主体识别，得到实体词语；将口语化短文本映射为主谓宾三元组，获取主谓宾三元组中各词语的依存关系，并使用实体词语对主谓宾三元组中各词语进行实体识别；当主谓宾三元组中的主谓宾满足一触发规则时，提取宾语词组作为实体属性。本发明采用词性标注、依存句法分析、实体识别以及结合触发词词性规则的综合方法，更加有针对性的提取了口语化短数据的实体属性信息，丰富了口语化短文本领域的结构化信息抽取方法。
-
公开(公告)号：CN110556114B
公开(公告)日：2022-06-17
申请号：CN201910684343.7
申请日：2019-07-26
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: G10L17/18 , G10L17/04 , H04M1/656 , H04M1/72454 , H04M1/72403
Abstract: 本发明公开了一种基于注意力机制的说话人识别方法及装置，包括如下步骤：采集多个被测试通话人的通话录音和测试通话人的通话录音；根据所述被测试通话人对应的通话录音，建立通话人语音库；采用基于注意力的神经网络对所述被测试通话人语音进行训练，获得训练模型；存储所述测试通话人的通话录音，获得录音文件；将所述录音文件采用所述训练模型识别所述被测试通话人是否目标通话人。通过采用基于注意力的神经网络对所述被测试通话人语音进行训练，获得训练模型，采用训练模型识别所述被测试通话人，确认了拨号码对应的主人的一致性，避免了由于通话人身份被仿冒带来的通信安全隐患，进一步提高了通话过程中的信息的安全性。
-
公开(公告)号：CN113761919A
公开(公告)日：2021-12-07
申请号：CN202010500426.9
申请日：2020-06-04
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/295 , G06F40/211
Abstract: 本发明提供一种口语化短文本的实体属性提取方法及电子装置，包括对口语化短文本切词及词性标注，并对各标注词性的词语进行命名主体识别，得到实体词语；将口语化短文本映射为主谓宾三元组，获取主谓宾三元组中各词语的依存关系，并使用实体词语对主谓宾三元组中各词语进行实体识别；当主谓宾三元组中的主谓宾满足一触发规则时，提取宾语词组作为实体属性。本发明采用词性标注、依存句法分析、实体识别以及结合触发词词性规则的综合方法，更加有针对性的提取了口语化短数据的实体属性信息，丰富了口语化短文本领域的结构化信息抽取方法。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.01 seconds)
