-
公开(公告)号：CN110868409A
公开(公告)日：2020-03-06
申请号：CN201911086474.1
申请日：2019-11-08
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供了一种基于TCP/IP协议栈指纹的操作系统被动识别方法及系统，在不需要对网络加密流量解密的前提下，利用IP协议、TCP协议以及TLS协议的头部字段信息和网络流包长和包传输时间序列的统计信息，识别客户端的操作系统类型以及主要版本信息，进而评估目标网络中各主机的网络安全漏洞风险，推断互联网中NAT设备的存在数量。本发明借鉴流量分类领域中的已有成果，在特征集中引入网络流的统计信息特征，增强不同操作系统流量之间的区分性；并首次将LightGBM模型作为完成识别任务的机器学习模型，利用该模型支持类别特征输入的特性，解决了多维度类别特征one-hot编码后导致的特征维度爆炸问题。
-
公开(公告)号：CN108566340A
公开(公告)日：2018-09-21
申请号：CN201810111617.9
申请日：2018-02-05
Applicant: 中国科学院信息工程研究所
IPC: H04L12/801 , H04L12/851
Abstract: 本发明涉及一种基于动态时间规整算法的网络流量精细化分类方法和装置。该方法包括：1)采集网络流量中的数据包的到达时间序列，对其进行归一化处理并转换为梯度序列，作为模板序列；2)采集待识别网络流量中数据包的到达时间序列，对其进行归一化处理并转换为梯度序列，作为检测序列；3)通过动态时间规整算法规整检测序列和模板序列，并计算其相似度；4)将检测序列和模板序列的相似度与预设的相似度阈值做比较，实现待识别网络流量的分类。本发明可以应用于高速网络环境下实时自动化的流量精细化分类，可以解决加密流量和网络延迟带来的难以精细化分类的问题。
-
公开(公告)号：CN119966865A
公开(公告)日：2025-05-09
申请号：CN202510016698.4
申请日：2025-01-06
Applicant: 中国科学院信息工程研究所
IPC: H04L43/0888 , H04L43/04 , H04L43/028 , H04L9/40 , H04L61/4511
Abstract: 本发明公开了一种基于吞吐量波动的域名前置流量检测方法及系统，属于网络安全技术领域。本发明为解决现有检测技术精度低和误报高的问题，主要采用通过捕获网络流量、数据预处理、特征提取以及机器学习算法相结合的方式进行域名前置流量检测。通过挖掘域名前置技术在会话级别的吞吐量波动特征，本发明能够准确区分域名前置流量与正常流量，减少误报率，并提高检测精度。
-
公开(公告)号：CN119600643A
公开(公告)日：2025-03-11
申请号：CN202411474911.8
申请日：2024-10-22
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种零样本图像分类方法及装置，属于图像识别领域。本发明通过大型语言模型生成类别描述文档，通过视觉编码器和文本编码器获取图像和文档的全局和局部特征信息，然后通过视觉语义分解模块和文本语义分解模块进行解耦，生成视觉语义嵌入和文本语义嵌入；通过上述模块的联合训练，并优化由局部到语义映射方差损失、多语义多样性损失、分解语义对齐损失和局部语义对齐损失组成的总损失；训练完成后用于推理阶段的图像类别预测。本发明可以降低零样本图像分类的难度，提高分类准确率和效率。
-
公开(公告)号：CN118523943A
公开(公告)日：2024-08-20
申请号：CN202410708254.2
申请日：2024-06-03
Applicant: 中国科学院信息工程研究所
IPC: H04L9/40 , G06F18/214 , G06N3/0455 , G06N3/0895 , G06N3/096
Abstract: 本发明公开一种基于对比学习预训练的不均衡加密流量识别方法及系统，属网络流量分析技术领域。所述方法包括：对无标注的不均衡加密流量进行会话流提取，并生成会话流的流量表示；构造由会话流的流量表示组成的正负对三元组，并分别基于所述正负对三元组和所述会话流的流量表示进行对比学习的自监督训练和掩码预测的自监督训练，以生成预训练的不均衡加密流量识别模型；利用无标注的不均衡加密流量和带标注的不均衡加密流量对预训练的不均衡加密流量识别模型进行微调，得到训练好的不均衡加密流量识别模型；基于训练好的不均衡加密流量识别模型完成不均衡加密流量的识别任务。本发明可以解决数据不平衡带来的少样本类误分问题。
-
Patent Agency Ranking
公开(公告)号：CN117609597A
公开(公告)日：2024-02-27
申请号：CN202311151092.9
申请日：2023-09-07
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/0895 , G06Q30/0601
Abstract: 本发明提出了基于VLP输入端细粒度对齐的跨模态赞助搜索方法及系统，涉及跨模态数据搜索领域，由商品目标表示构建视觉向量表示空间，由商品描述单词嵌入构建语言单词向量表示空间，通过线性映射对齐这两个空间；基于前述线性映射构建对齐模块VALSE并进行对抗训练、结构粗略调整和语义监督的精细调整；构建Vin‑VALSE模型，参数初始化后利用训练好的VALSE替换该模型的线性映射层，然后利用跨模态赞助搜索训练数据进行微调；利用微调完成后的Vin‑VALSE对用户查询输入的文本信息进行处理，找出对应的商品信息。本发明旨在改进电商平台中商品和用户查询之间的匹配效率和准确性，尤其是在数据稀缺的条件下。
-
公开(公告)号：CN117453943A
公开(公告)日：2024-01-26
申请号：CN202311123147.5
申请日：2023-09-01
Applicant: 中国科学院信息工程研究所
IPC: G06F16/583 , G06V20/70 , G06V30/18 , G06V30/19 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种基于预训练跨模态检索的小样本多要素场景图像识别方法，其步骤包括：1)建立图像数据库，包括多个通用场景类别的图像和若干目标场景类别的图像，每一场景类别包括多个图像，每一图像设置对应的场景类别标签；2)利用场景识别模型提取图像数据库中每一场景类别图像的特征，得到每一场景类别对应的特征数据库；根据特征数据库中同一图像的特征生成一特征向量；3)对于一待类别识别的图像A，利用场景识别模型提取该图像A的特征并生成一特征向量；4)场景识别模型将该图像A的特征向量分别与各所述特征数据库中的特征向量进行相似度计算；将相似度最高的特征向量对应的图像的场景类别作为该图像A的场景类别。
-
公开(公告)号：CN117150068A
公开(公告)日：2023-12-01
申请号：CN202311123142.2
申请日：2023-09-01
Applicant: 中国科学院信息工程研究所
IPC: G06F16/583 , G06F16/53 , G06N3/0895 , G06V30/18 , G06V30/19
Abstract: 本发明提出基于自监督对比学习概念对齐的跨模态检索方法及系统，属于信息技术领域，通过独立嵌入模型从给定图像‑文本对中提取视觉局部区域特征和文本局部特征，局部概念对齐模块根据对象特征和单词特征的语义相似性，建立每个单词与最相似对象之间的对应关系，生成正样本；将正样本的对象特征映射到概念码本上，计算对象特征与概念原型的关联概率并作为视觉分配权重；根据对象原型任务训练局部概念对齐模块，增强独立嵌入模型；训练完成后，使用增强的独立嵌入模型进行图像和文本的跨模态检索。本发明能够实现图像对象与文本单词的细粒度对齐，使得在原模型的全局表征的细粒度信息的基础上，在保持图文检索的精度的基础上提高检索效率。
-
公开(公告)号：CN112381119B
公开(公告)日：2023-02-03
申请号：CN202011159375.4
申请日：2020-10-27
Applicant: 中国科学院信息工程研究所
IPC: G06F18/2431 , H04L9/40
Abstract: 本发明公开了一种基于去中心化应用加密流量特征的多场景分类方法及系统，包括：收集去中心化应用的加密流量，并对各加密流量标记应用、用户行为和通用用户行为的分类标签；根据分类目标和分类标签，将提取的加密流量的应用特征、用户行为特征和通用用户行为特征，分别输入应用分类模型、用户行为分类模型和通用用户行为分类模型，得到相应的分类。本发明通过对多个场景下机器学习分类器的调参，确保模型的准确性和鲁棒性，使得应用类型分类具有高准确率和高效率，用户行为分类易于识别可疑用户行为从而保护用户安全与隐私，且通过通用用户行为分类可获得吞吐量、延迟等有用信息，从而帮助改善去中心化应用使其运行更加有效率、提升用户体验。
-
公开(公告)号：CN114896539A
公开(公告)日：2022-08-12
申请号：CN202210350716.9
申请日：2022-04-02
Applicant: 中国科学院信息工程研究所
IPC: G06F16/958 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于图变分自编码器的匿名社交图恢复方法及系统。对匿名后的社交网络构建社交图，其中用户作为节点，用户之间的关联作为边集，对社交图提取邻接矩阵和节点集；将邻接矩阵和节点集输入图变分自编码器中的编码器，通过编码器提取社交图中节点的结构特征，构成潜层向量空间，以扩大虚假边和真实边的距离；利用图变分自编码器中的解码器对边的存在性进行合理性评判，根据合理性评判结果，通过设定阈值识别增加的虚假边，从而完成针对匿名社交图的恢复。本发明针对现有图匿名攻击的缺陷，实现了一种社交图中匿名虚假边识别原型系统，其编码‑解码结构能提取虚假边区别于正常边的隐式特征，高准确率识别还原社交网络图。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.074 seconds)
