-
公开(公告)号：CN109617864B
公开(公告)日：2021-04-16
申请号：CN201811427628.4
申请日：2018-11-27
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种网站识别方法及网站识别系统，其方法包括以下步骤：分别获取与多个第一网站一一对应的多个第一特征矩阵；基于原网络分类模型对所有第一特征矩阵进行深度学习训练，得到深度学习网站分类模型；获取第二特征矩阵；基于深度学习网站分类模型对第二特征矩阵进行分类概率计算，得到分类概率向量；根据分类概率向量中的分类概率值识别第二网站为仿冒网站或者正常网站。本发明提供的网站识别方法及系统，减少了人工干预，降低了正常网站被误判为仿冒网站的概率，提高了仿冒网站识别的准确率。
-
公开(公告)号：CN109617864A
公开(公告)日：2019-04-12
申请号：CN201811427628.4
申请日：2018-11-27
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种网站识别方法及网站识别系统，其方法包括以下步骤：分别获取与多个第一网站一一对应的多个第一特征矩阵；基于原网络分类模型对所有第一特征矩阵进行深度学习训练，得到深度学习网站分类模型；获取第二特征矩阵；基于深度学习网站分类模型对第二特征矩阵进行分类概率计算，得到分类概率向量；根据分类概率向量中的分类概率值识别第二网站为仿冒网站或者正常网站。本发明提供的网站识别方法及系统，减少了人工干预，降低了正常网站被误判为仿冒网站的概率，提高了仿冒网站识别的准确率。
-
公开(公告)号：CN109584260A
公开(公告)日：2019-04-05
申请号：CN201811427619.5
申请日：2018-11-27
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种肝脏影像分割方法及系统，其方法包括S1，获取原始图像，并进行脊波变换后得到粗尺度图像；S2，将粗尺度图像经过模糊聚类算法处理后得到初始分割影像；S3，对初始分割影像进行影像重构，得到重构图像，并计算出重构图像的聚类中心；S4，调节每个细尺度像素点到各个聚类中心的距离和细尺度像素点的隶属度；S5，根据细尺度像素点计算得出像素相关性；S6，根据像素相关性、隶属度和距离计算出目标函数，并建立约束条件，且将约束条件代入目标函数以得到改善目标函数；S7，判断改善目标函数是否满足收敛条件，若满足，则完成重构图像的影像分割。该方法具有抗噪声能力强，复杂度低等特点，能准确输出肝脏影像分割结果。
-
公开(公告)号：CN115190217B
公开(公告)日：2024-03-26
申请号：CN202210801788.0
申请日：2022-07-07
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04N1/44 , H04N19/60 , H04L9/40 , G06T9/00 , G06F21/60 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种融合自编码网络的数据安全加密方法和装置，涉及互联网数据处理技术领域。本发明为了解决现有数据安全加密时面对包含大量图片的海量数据存储资源开销大、数据传输不安全、数据传输效率低的缺陷，其方法为采用文本加密模块对文本类型数据作加密处理，构建图片自编码网络模型，采用图片压缩模块对待加密的原始图片类型数据作预压缩处理；采用图片加密模块对图片压缩编码作加密处理，采用解密模块对需要应用于下游任务的文本密文数据或图片密文数据进行解密，采用图片重建模块对解密后的图片压缩编码进行重建复原，译码器将码字通过重建处理后得到重建图片类型数据。本发明主要用于海量数据传输。
-
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。
-
Patent Agency Ranking
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：CN115080871B
公开(公告)日：2024-05-17
申请号：CN202210847062.0
申请日：2022-07-07
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9536 , G06F16/901 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种跨社交网络社交用户对齐方法，涉及社交网络的用户关系挖掘领域。本发明为了解决现有社交用户对齐方法不能跨社交网络、计算精度低、对齐效率低的缺陷，采用如下步骤实现：采集社交网络的用户属性信息，构建用户关系拓扑图；根据边权重和节点的出入度计算节点权重；构建一阶近邻关系模型和二阶近邻关系模型，确定一阶邻居节点和二阶邻居节点，得到用户节点之间的相互关系；构建社交对齐神经网络，通过社交对齐神经网络对用户关系拓扑图中各节点进行邻居节点的信息聚合、拼接与非线性变换，得到跨社交网络的社交用户身份对齐结果。本发明主要用于通过跨社交网络对其社交用户实现用户关系挖掘。
-
公开(公告)号：CN117234572A
公开(公告)日：2023-12-15
申请号：CN202310892421.9
申请日：2023-07-20
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F8/70 , G06F8/71 , G06F8/74 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及多模态数据提取技术领域，尤其为一种基于游戏引擎的多模态数据提取方法，包括如下步骤包括如下步骤：S1：通过对游戏文件逆向，获得游戏的资源文件；S2：通过对资源文件引擎特征提取，获得游戏资源文件中的游戏引擎；S3：通过对游戏资源文件中的游戏引擎进行特征融合获得融合特征进行多模态数据提取。本发明通过逆向手段分析游戏引擎，从游戏引擎对资源文件打包开始，深入研究打包流程和打包过程中使用的技术，无需运行游戏，直接从游戏安装路径下对资源文件提取，减少了资源浪费问题。
-
公开(公告)号：CN117095673A
公开(公告)日：2023-11-21
申请号：CN202310830037.6
申请日：2023-07-07
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及语音识别领域，尤其为一种特定场景语音内容识别优化方法，包括如下步骤：包括如下步骤：S1：使用网络爬虫技术对网络中特定场景的语音进行爬取，获得初始语音数据；S2：提取初始语音数据并对初始语音数据进行数据预处理获得预处理数据；S3：通过卷积神经网络训练实用模型，对预处理数据进行语音识别并生成初始文本；S4：使用文本规范算法对初始文本进行文本润色保证输出最终文本的正确性。本发明通过对获取的语音进行预处理起到数据增强的作用保证了数据不失真，在获取到不失真的数据后对其进行特征提取确保了工作速度，对提取出的初始文本进行文本规范算法用常见的文本代替初始文本中出现的非人类语言，保证最后出现的文本不会出现错误。
-
公开(公告)号：CN116561599A
公开(公告)日：2023-08-08
申请号：CN202310538213.9
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 , G06F17/16 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及社交网络技术领域，尤其为基于少样本几何深度学习的用户重识别系统及方法，包括：生成排序模块：用于生成候选实体，并对候选实体进行相应排序；向量转化模块：用于通过图卷积的方式将待链接实体和候选实体转换成含有语义信息的向量表示；深度训练模块：用于使用几何深度学习对所有的用户属性、内容、关系进行训练；身份重识别模块：用于计算两个实体之间的相似度，进行用户身份的重识别。本发明通过使用少样本几何深度学习实现用户身份重识别，通过图卷积的方式将待链接实体和候选实体转换成含有语义信息的向量表示，生成了有用的实体嵌入，并通过深度学习网络对所有的用户属性、内容、关系进行学习输出，获得更为准确的用户身份重识别信息。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.103 seconds)
