基于算法组件库分析的未知诈骗的识别方法及系统

    公开(公告)号:CN114549026B

    公开(公告)日:2022-07-19

    申请号:CN202210440913.X

    申请日:2022-04-26

    Abstract: 本发明涉及基于算法组件库分析的未知诈骗识别方法及系统,方法包括:采集部分诈骗数据和部分正常数据,分别进行诈骗类和正常类的标注;通过算法组件库进行综合性能TopN算法推荐,之后进行AutoML建模以建立分类模型;利用分类模型对目标行业对应的全量数据进行初始标注;在标注完成的全量数据中取部分诈骗类样本和部分正常类样本,分别进行诈骗小类和正常小类的标注;通过算法组件库建立诈骗小类分类模型和正常小类分类模型,作为根节点模型,并对全量数据进行初始标注以预测样本类别;利用测试数据对根节点模型进行评估,若评估精度低于阈值则进行未知诈骗类别分析。本发明可自动进行模型选型,模型调优和模型的部署。

    一种基于用户行为分析的高危操作识别方法及系统

    公开(公告)号:CN114254716B

    公开(公告)日:2022-05-27

    申请号:CN202210195033.0

    申请日:2022-03-02

    Abstract: 本发明具体涉及一种基于用户行为分析的高危操作识别方法及系统,其高危操作识别方法,包括以下步骤:采集目标网络内对应用户行为的历史日志信息,并对历史日志信息进行数据标准化处理,得到目标信息;根据目标信息获取服务器操作习惯特征和操作指令习惯特征;基于目标信息,对操作指令进行去重处理并进行莱文斯坦距离和最长公共子序列的计算,得到莱文斯坦距离和最长公共子序列均超过相应阈值的指令数量特征;高危操作识别模型的训练;采集对应用户行为的待测日志信息,并输入高危操作识别模型,得到高危操作识别模型输出的状态值,并根据状态值对用户行为状态进行预测。本发明后续用户行为研判提供多维特征依据,提升用户行为分析的准确度。

    线索信息处理方法及装置
    37.
    发明授权

    公开(公告)号:CN109255023B

    公开(公告)日:2021-09-14

    申请号:CN201710560755.0

    申请日:2017-07-11

    Abstract: 本发明提供一种线索信息处理方法及装置,所述方法包括:获取预设时间段内线索举报终端的位置信息;根据所述位置信息获得密集线索区域,根据所述密集线索区域获得信息发布位置点;根据所述信息发布位置点确定发布区域,并对所述发布区域内的线索举报终端发送走失信息。本发明提供的一种线索信息处理方法及装置,通过WebRTC技术实现终端与服务器之间的进行通信获得预设时间段内线索举报终端的位置信息,根据位置信息获得密集线索区域,根据密集线索区域获得信息发布位置点,根据信息发布位置点确定发布区域,并对所述发布区域内的线索举报终端发送走失信息,达到快速有效确定新的发布位置点以及搜索区域的目的。

    一种基于注意力机制的EfficientNet敏感图像检测方法及系统

    公开(公告)号:CN112396571A

    公开(公告)日:2021-02-23

    申请号:CN202110073846.8

    申请日:2021-01-20

    Abstract: 本发明公开了一种基于注意力机制的EfficientNet敏感图像检测方法,包括:S1.创建图像数据集;S2.对数据集进行扩充处理,得到扩充后的图像数据集;S3.通过基于注意力机制的EfficientNet网络结构对扩充后的图像数据集进行finetune训练,得到EfficientNet网络结构的参数;S4.将EfficientNet网络结构的参数输入至numpy中,采用numpy构建基于注意力机制的EfficientNet网络模型,得到waff_EfficientNet网络模型;S5.预设敏感图像数据库,将敏感图像数据库中的图像输入waff_EfficientNet网络模型进行特征处理,得到敏感图像特征数据库;S6.将待检测的图像输入waff_EfficientNet网络模型进行特征处理,得到转换后的特征图像,计算转换后的特征图像与敏感图像特征数据库中的敏感图像的欧氏距离,并判断是否存在欧氏距离小于预设阈值,若是,则输出待测图像为敏感图像。

    一种网络异常行为检测与分析的方法及系统

    公开(公告)号:CN107426199B

    公开(公告)日:2020-10-30

    申请号:CN201710541775.3

    申请日:2017-07-05

    Abstract: 本发明公开了一种网络异常行为检测与分析的方法及系统,用以解决现有技术中训练数据不平衡影响训练效果并且无法对所有种类的攻击行为和攻击手段进行穷举的问题。该方法包括:S1、统计安全用户的访问行为特征数据;S2、根据所述特征数据构建一类支持向量机模型;S3、利用所述一类支持向量机模型对全网用户的访问行为特征进行预测分析以识别异常访问行为。本发明基于机器学习,更好地检测到网络的异常行为,及时发现不同类型的攻击,利用数据挖掘的特点,研究在线网络异常行为分析与检测,从而能够针对其作出有效的决策响应,提高网络安全性和资源利用率。

    利用语义挖掘算法标识营销电话的方法及治理营销电话的系统

    公开(公告)号:CN108153727B

    公开(公告)日:2020-09-08

    申请号:CN201711363955.3

    申请日:2017-12-18

    Abstract: 本发明公开了利用语义挖掘算法标识营销电话的方法及治理营销电话的系统。本发明利用语义挖掘算法标识营销电话的方法具体步骤包括:S1、划分电话的标签为不同的种类;S2、建立词典库,词典库包括标签对应的词向量;S3、抽取词典库中属于同一种类的标签构成一层训练样本;S4、利用多层训练样本进行训练,得到分类模型;S5、根据分类模型,标识词典库中的词向量所属的种类;本发明还公开了一种利用语义挖掘算法治理营销电话的系统。本发明利用语义挖掘算法标识营销电话的方法及治理营销电话的系统,能够对营销电话进行精准的分类,用户能够自主选择接入电话的类别,达到了对营销电话精准拦截的目的。

Patent Agency Ranking