-
公开(公告)号：CN116962996B
公开(公告)日：2024-01-16
申请号：CN202311222480.1
申请日：2023-09-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04W4/12 , H04W4/08 , H04L51/063 , H04L51/214 , H04L51/52 , H04L51/56 , G06N3/006
Abstract: 本发明提供一种基于粒子群算法的信息传播预测方法、装置和设备，属于信息处理技术领域，该方法包括：确定在第一时刻目标信息对应的各个类型的用户的数量；其中，各个类型的用户对目标信息的信任程度和/或传播方式不同；根据第一时刻目标信息对应的各个类型的用户的数量和信息传播模型，确定目标信息的传播预测结果；目标信息的传播预测结果中包括在第二时刻目标信息对应的各个类型的用户的数量；信息传播模型用于对信息在传播过程中各个类型用户数量的变化情况进行预测。本发明的方法实现了对目标信息传播过程中各类型用户数量变化情况的准确预测，提升了信息传播预测结果的准确性。
-
公开(公告)号：CN116628515A
公开(公告)日：2023-08-22
申请号：CN202310538586.6
申请日：2023-05-12
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/22 , G06F18/25 , G06N3/0464 , G06N3/08 , G06F17/16
Abstract: 本发明涉及社交网络技术领域，尤其为基于同空间用户特征传递的多网络身份对齐系统及方法，包括：数据采集模块：用于采集社交网络中的用户数据；身份学习模块：用于通过搭建网络拓扑结构与采集的用户数据相结合进行用户的多社交网络身份学习；身份传递模块：用于通过网络拓扑结构将用户数据进行多社交网络传递；向量生成模块：用于通过所述网络拓扑结构和用户数据获取多社交网络用户在同一个空间上的用户向量；身份对齐模块：用于通过相似度算法实现对未标注的潜在锚链路进行用户身份对齐。本发明利用自注意力机制，对用户的不同属性特征进行学习、融合，进行锚链路对齐判别，对用户的不同属性信息进行有效地整合与协调，进一步提高了用户身份的对齐准确性。
-
公开(公告)号：CN116610758A
公开(公告)日：2023-08-18
申请号：CN202310478299.0
申请日：2023-04-28
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例涉及一种信息溯源方法、系统及存储介质，所述方法包括：从多个平台中获取同一类目标主题信息，并对所述目标主题信息进行预处理，得到目标文本；创建所述目标文本的目标图谱；对所述目标图谱进行实体链接处理，得到所述目标文本的发布者集合，所述发布者集合携带有所述目标文本的传播路径信息；对所述发布者集合进行溯源分析，确定所述目标主题信息的目标发布者。通过对多个平台上的主题信息进行跨平台、跨时空的追踪和分析，确定主题信息的起源、演变和传播路径，为用户提供全面的信息参考和决策支持，由此，可以实现多平台的信息溯源的技术效果。
-
公开(公告)号：CN115292571A
公开(公告)日：2022-11-04
申请号：CN202210942548.2
申请日：2022-08-08
Applicant: 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/951 , G06F16/215 , G06F8/61 , G06F9/445 , G06F17/18 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种App数据采集方法及系统，所述方法包括对群控平台中所有应用软件进行遍历采集，得到群控平台应用软件信息；对群控平台应用软件中的内容进行深度优先遍历采集，并将获取的内容进行整合；对整合后的采集内容进行判断清洗，获得最终应用软件通用内容。通过采用改进的深度优先遍历算法完成采集工作，保证了采集数据的全面性，同时提高了采集效率。
-
公开(公告)号：CN115186240A
公开(公告)日：2022-10-14
申请号：CN202210807211.0
申请日：2022-07-07
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F21/31 , G06F16/951 , G06F16/953 , G06F16/955 , G06F16/958 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了基于关联性信息的社交网络用户对齐方法、装置、介质，所述方法包括：从公开信息源中获取用户身份的关联性信息；在社交网络中基于所述用户身份的关联信息进行检索，并对检索到的网页快照进行保存；对所述网页快照进行筛选，获取疑似包含社交网络应用账号信息的目标网站；采集疑似包含社交网络应用账号信息的目标网站所对应的的网页信息，并对采集结果进行验证，获取用户在社交网络中的账号信息；将同一关联信息所对应的社交网络账号信息视为同属同一用户，实现社交网络用户对齐。本发明以关联性信息为出发点，此类信息相对真实可靠，使得本发明的社交网络用户对齐方法结果更为准确、高效。
-
Patent Agency Ranking
公开(公告)号：CN119885253A
公开(公告)日：2025-04-25
申请号：CN202411818233.2
申请日：2024-12-11
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: G06F21/62 , G06F21/60 , G06F18/241 , G06F18/20 , G06N3/08
Abstract: 本申请提供一种数据分类方法、装置、设备及存储介质，该方法包括：获取待处理数据；将所述待处理数据输入数据分类模型中，得到分类数据和所述分类数据的类别；所述数据分类模型为深度学习模型；根据所述分类数据的类别，基于自然语言处理技术和预设识别规则处理所述分类数据，确定敏感信息。本申请实现了对数据的精确分类，并能够识别和处理敏感信息，增强了数据安全性。
-
公开(公告)号：CN119884071A
公开(公告)日：2025-04-25
申请号：CN202411818236.6
申请日：2024-12-11
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
Abstract: 本申请提供一种用于在分布式环境中管理数据库的方法及相关设备。该方法包括：执行数据库实例的探测任务，以探测到目标数据库实例，获取所述目标数据库实例的物理存储位置和配置信息，基于所述物理存储位置和配置信息，获取所述目标数据库实例对应的数据库的第一特征信息，获取预设的数据库中的第二特征信息，确定所述第一特征信息与所述第二特征信息是否匹配，响应于所述第一特征信息和所述第二特征信息匹配，获取所述数据库的类型和版本，以管理所述数据库。通过上述方法能够在分布式的复杂环境中，自动化地识别和定位数据库实例及其存储位置，减少人工干预，提高数据库探测的效率与准确性。
-
公开(公告)号：CN119598054A
公开(公告)日：2025-03-11
申请号：CN202510143768.2
申请日：2025-02-10
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/958 , G06V30/19
Abstract: 本发明涉及人工智能技术领域，提供一种网站类型识别方法、装置、电子设备和存储介质，其中方法包括：获取待识别网站的网址，并基于所述待识别网站的网址，获取所述待识别网站内所有的待分类图像；基于特征提取模型，对各待分类图像进行特征提取，得到所述各待分类图像的图像特征；基于文本特征库中的各文本特征和所述各待分类图像的图像特征，确定所述各待分类图像的类别；基于所述各待分类图像的类别，确定所述待识别网站的类型。本发明通过结合图像特征和文本特征，实现了基于图像和文本描述的多模态特征的检索式分类判断，可以有效提高网站类型识别的准确率。
-
公开(公告)号：CN119274543A
公开(公告)日：2025-01-07
申请号：CN202411113422.X
申请日：2024-08-14
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及声学动态提取技术领域，具体地说，涉及一种基于深度神经网络的声学特征动态提取方法。其包括以下步骤：S1、对音频数据进行预处理，将音频数据分帧；S2、将分帧后的音频信号进行傅里叶变换，使其从时域信号转换到频域信号并得到频谱图；S3、对频谱图进行预处理，将预处理后频谱图作为深度神经网络的输入；S4、在深度神经网络中使用一阶和二阶差分参数实现动态特征提取，再将一阶和二阶差分参数组合成特征向量输入深度神经网络；S5、将提取的特征序列通过序列标注的方法输出音频信号中的时间变化信息；深度神经网络不仅能够自动提取声学特征，还能捕捉这些特征在时间序列上的动态变化，有利于对声学场景的理解和分类准确。
-
公开(公告)号：CN118520929B
公开(公告)日：2024-10-29
申请号：CN202411003497.2
申请日：2024-07-25
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06N3/09 , G06N3/0455 , G06F40/194
Abstract: 本发明提供一种文本相似度确定模型的训练方法及文本相似度计算方法，属于计算机技术领域，该训练方法包括：获取第一数据集和第二数据集；第一数据集中包括至少一个短文本数据对；第二数据集中包括至少一个目标文本数据对，目标文本数据对中的两个目标文本数据至少一个为长文本数据；基于句向量对比模型，获取第二数据集中各目标文本数据的关键表述；句向量对比模型是基于第一数据集和第一损失函数对第一预训练模型训练得到的；基于各关键表述和第二损失函数，对第二预训练模型进行训练，得到文本相似性确定模型。通过在判定过程中引入短文本和长文本，提升了文本相似度确定模型输出结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.065 seconds)
