-
公开(公告)号：CN115238703A
公开(公告)日：2022-10-25
申请号：CN202210616914.5
申请日：2022-06-01
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/30 , G06F40/289 , G06F16/35 , G06N20/00
Abstract: 本发明涉及一种包含历史深度语义特定文本的识别方法及系统，所述一种包含历史深度语义特定文本的识别方法包括：利用历史深度语义特定文本数据进行初始处理得到历史深度语义特定文本初始数据；利用所述历史深度语义特定文本初始数据得到历史深度语义特定文本识别结果，通过大数据分析特定文本进行模型训练，并对特定内容的语义特征进行分析筛除，进而进行分类、识别及定性，提升了对于特定文本的识别准确率，避免误差的产生。
-
公开(公告)号：CN106791220B
公开(公告)日：2021-06-04
申请号：CN201611082262.2
申请日：2016-11-30
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04W12/128 , H04M3/436 , H04M3/22 , H04M1/57
Abstract: 本发明公开了一种防止电话诈骗的方法及系统，其中，所述方法包括：获取实时话单；提取所述实时话单的号码特征和/或行为特征；根据预设的诈骗电话识别模型对所述实时话单的号码特征和/或行为特征进行分析，以确定所述实时话单对应的通话行为是否为诈骗电话；若确认所述实时话单对应的通话行为是诈骗电话，则向所述实时话单中的被叫号码发送报警提示，并将本次诈骗电话识别结果发送到第三方管理系统。本发明能够准确定位诈骗电话，及时获知诈骗电话的发生，并及时向诈骗电话对应的被叫号码发送报警提示，有效提高了用户对骚扰、诈骗电话的防控能力。
-
公开(公告)号：CN106686264B
公开(公告)日：2021-03-02
申请号：CN201610965273.9
申请日：2016-11-04
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04M3/436
Abstract: 本发明属于电信中有害电话监控技术领域，尤其是涉及一种诈骗电话筛选分析方法及系统。本发明的系统利用诈骗电话分析模型对历史数据进行分析，确定模型各特征权重值；对实时数据进行分析检测，检测结果与设定阈值比较给出诈骗电话的置信度。整个系统由数据查询管理系统、实时检测系统、模型自学习系统、趋势预测系统、数据存储系统组成。数据查询管理系统提供全量话单查询、诈骗话单查询、模型参数管理、自学习管理、趋势预测分析功能。实时检测系统通过诈骗电话发现模型实时分析、检测话单数据，发现诈骗电话。模型自学习系统对历史话单数据分析，通过自学习算法不断优化模型参数。趋势预测系统提供对未来诈骗电话趋势和变化进行预测。数据存储系统采用分布式存储系统，大数据分析处理引擎为整个系统提供快速数据抓取、数据分发、数据查询功能。
-
公开(公告)号：CN111863007A
公开(公告)日：2020-10-30
申请号：CN202010554629.6
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: G10L21/0208 , G10L21/0272 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的语音增强方法及系统，该方法包括如下步骤：步骤SS1：获得带噪语音的多个IRM预测值的解的集合；步骤SS2：将来自所述Boosting-DNN语音增强模型输出的IRM的解的集合拼接带噪特征作为输入，预测最终的IRM预测值集合 本发明通过将Boosting-DNN语音增强模型和Ensemble-DNN集成语音增强模型这两个DNN串接起来的方式，有效的解决了一个神经网络由于层次太深训练不稳定的现象，构建一种非常深的网络结构，彻底解决前端语音增强技术就可以确保把语音从带噪信号中分离出来，以便后端识别模型能正确识别语音的内容。
-
公开(公告)号：CN109492026A
公开(公告)日：2019-03-19
申请号：CN201811301410.4
申请日：2018-11-02
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/2458 , G06Q50/30
Abstract: 本发明公开了一种基于改进的主动学习技术的电信欺诈分类检测方法，涉及一种基于改进的主动学习技术的电信欺诈分类检测方法。抽取数量为X的数据划分训练集和测试集。从训练集中抽取样本作为初始训练集，其余为未标记样本。若当前训练集中正类与负类样本数量的比值不小于阈值e，训练有监督分类器f并构造强组合分类器F；将未标记样本逐个放入有监督分类器f中进行类别评分，得到类别评分结果，输入主动学习采样算法，得到信息量大小的评分。选取信息量最大的前D个进行标注，并加入训练集中；当前训练集样本数量大于等于X1，或者迭代次数大于等于C时结束，输出训练好的分类器f。本发明具有较强的稳定性和鲁棒性，实现较高的分类和检测效率。
-
Patent Agency Ranking
公开(公告)号：CN107566664A
公开(公告)日：2018-01-09
申请号：CN201710727449.1
申请日：2017-08-23
Applicant: 国家计算机网络与信息安全管理中心 , 南京中新赛克科技有限责任公司
Abstract: 本发明公开了一种移动网呼叫中获取真实被叫号码的方法，提出了“C/D口并接、Nc口串接”的解决方案，引入了MAP协议分析处理机制，解析MSRN/TLDN号码申请流程，动态获取MSISDN/MDN号码与MSRN/TLDN号码的映射关系，供呼叫处理使用。本发明的有益效果为：本发明采用C/D口流量并接与Nc口流量串接相结合的处理方式，实现了MSRN/TLDN号码与MSISDN/MDN映射实时动态获取，从功能上，在Nc口信令解析时，能够根据真实被叫号码MSISDN/MDN进行处理，具有明显的可操作性和现实意义；从波及影响上，由于C/D口流量是并接方式，对C/D口业务没有任何影响，把对现网的影响降到最低。
-
公开(公告)号：CN107342077A
公开(公告)日：2017-11-10
申请号：CN201710395341.7
申请日：2017-05-27
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: G10L15/063 , G10L15/07 , G10L15/14 , G10L17/04 , G10L17/14 , G10L2015/0631 , G10L2015/0635
Abstract: 本发明涉及一种基于因子分析的说话人分段聚类方法及系统。该方法包括：1)提取训练语音的声学特征，训练高斯混合通用背景模型，进而训练总变化因子模型和高斯概率线性判别分析模型；2)对测试语音进行分段并提取语音片段的声学特征；3)依据高斯混合通用背景模型和总变化因子模型将提取的声学特征映射为总变化量因子，加载高斯概率线性判别分析模型，根据总变化量因子计算任意两语音片段之间的对数似然比得分；4)选择得分最高的两类进行合并，根据层次聚类的方法逐步迭代至收敛，最终输出说话人分段聚类结果。本发明将总变化因子的不确定性引入到高斯概率线性判别分析模型进行训练和打分，能够提升短时语音片段上的基于因子分析的系统性能。
-
公开(公告)号：CN105187403A
公开(公告)日：2015-12-23
申请号：CN201510498610.3
申请日：2015-08-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L29/06
CPC classification number: H04L63/1408 , H04L63/1433
Abstract: 本发明提出一种面向软件定义网络的网络安全性测试方法，包括针对目标软件定义网络的安全性测试框架、安全性测试策略、分类安全性测试方法、项目安全性测试方法和安全性测试步骤。其中，测试框架包括将目标软件定义网络划分为数据、控制、应用和管理四个网络平面，分别对各个网络平面的各个网元、链路以及各个网络平面之间的接口展开安全性测试；测试策略包括对安全性测试框架中的各个单元进行测试的选择和流程编制方法；分类安全性测试方法依据各个单元的类别特点开展不同类型的安全性测试；项目安全性测试方法实现具体的针对目标网元、链路或接口的安全性测试，测试流程定义了完整的针对目标软件定义网络的安全性测试过程和步骤。
-
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：CN113205801B
公开(公告)日：2024-03-19
申请号：CN202110498059.8
申请日：2021-05-08
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
Abstract: 本申请涉及一种恶意语音样本的确定方法、装置、计算机设备和存储介质。该方法包括：获取初始语音样本集；根据预设的多种恶意类别对初始语音样本集进行分类，得到多种恶意类别中每种恶意类别对应的语音样本子集；根据每种恶意类别对应的语音样本子集中的语音样本信息，计算每种恶意类别对应的语音样本子集的恶意度；将恶意度满足预设恶意度条件的恶意类别对应的语音样本子集中的语音样本，确定为恶意语音样本。本方法基于语音样本子集的恶意类别以及恶意度可自动确定恶意语音样本，有利于提高恶意语音样本的确定效率。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.068 seconds)
