-
公开(公告)号：CN118193865A
公开(公告)日：2024-06-14
申请号：CN202410105947.2
申请日：2024-01-25
Applicant: 中国科学院信息工程研究所 , 三六零数字安全科技集团有限公司
IPC: G06F16/955 , G06F16/958 , G06Q50/00 , G06F18/25 , G06F18/214 , G06N3/0442 , G06F40/16 , G06F40/30 , G06F17/16 , G06V10/44
Abstract: 本发明公开一种跨社交网络用户身份链接的识别方法及系统，属于用户对齐领域。通过用户在不同平台账号的发帖文本、发帖图片和发帖时空信息，获取文本特征向量、图片特征向量、长发帖文本、长图片描述文本以及时空矩阵，再转换为文本表示向量、图片表示向量、主题表示向量和时空表示向量，经过赋权和空间投影得到不同平台账号表示向量，根据不同平台的账号表示向量的点积结果大小比较，实现用户在不同平台的身份对齐。
-
公开(公告)号：CN117557803A
公开(公告)日：2024-02-13
申请号：CN202311326846.X
申请日：2023-10-13
Applicant: 中国科学院信息工程研究所
IPC: G06V10/44 , G06V10/82 , G06F40/30 , G06F40/242 , G06N3/0464 , G06N3/045 , G06N3/0895
Abstract: 本发明涉及一种基于跨模态结构一致性和预训练技术的视觉语言对齐方法和系统。该方法包括：采用视觉预训练编码器和语言预训练编码器分别获取图像目标表示和对应的文本单词表示，构建视觉向量表示空间和语言向量表示空间；基于视觉语言共线关系的结构一致性，分阶段由粗到细地将视觉向量表示空间映射到语言向量表示空间，从而将图像目标表示与相应的文本单词表示进行对齐。本发明从人类的认知角度的多模态共现结构一致性出发，分三阶段从粗到细将视觉表示对齐到了上下文一致的语言表示，最终得到一个简单的线性映射层，可以很容易地和各种视觉语言结合，将视觉表示对齐到相应的语言表示，提升了模型细粒度关联视觉语言信息的能力。
-
公开(公告)号：CN117275008A
公开(公告)日：2023-12-22
申请号：CN202311140736.4
申请日：2023-09-05
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于圆形检测的高效鲁棒印章检测与文字识别方法，其步骤包括：1)基于圆检测的技术从待检测图片中获取候选印章区域；2)对所述候选印章区域进行拉直，将所述候选印章区域中的环形文字变水平后进行文字识别；3)利用印章中的图片对称性和文字特性，对所述候选印章区域进行过滤，得到该待检测图片中的印章区域，并输出所述印章区域中的文字。本发明鲁棒性更强，可检测出模糊彩色图像、黑白图像、含多个印章、残缺扭曲和光线不一致环境下的印章；且针对文字扭曲严重的印章，文字识别的最小编辑距离优于其他平台；本发明在不依靠GPU的条件下，极大提高了印章检测效率，且检测印章区域更为准确，减少了非印章区域的文字引入。
-
公开(公告)号：CN110659669B
公开(公告)日：2022-11-15
申请号：CN201910789718.6
申请日：2019-08-26
Applicant: 中国科学院信息工程研究所
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/774 , H04L9/40
Abstract: 本发明提供一种基于加密摄像头视频流量模式变化的用户行为识别方法及系统，包括提取加密智能摄像头视频流量；提取所述视频流量的相应特征，输入用户行为识别模型，对用户行为进行识别与预测。本发明无需对加密视频流量进行解密，分析了用户不同的行为会产生不同的流量模式，对多种用户行为识别达到高准确率。
-
公开(公告)号：CN113630384B
公开(公告)日：2022-10-14
申请号：CN202110778054.0
申请日：2021-07-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于NetFlow数据的特定加密流量识别方法及系统。该方法的步骤包括：利用原始网络流量生成NetFlow序列；采用双向LSTM网络捕获NetFlow序列的上下文关系；采用注意力机制对NetFlow序列的上下文关系进行注意力权重计算，得到NetFlow序列的特征；利用得到的NetFlow序列的特征识别加密流量。本发明以NetFlow序列作为输入来保护用户隐私，利用双向LSTM网络尽可能捕获稀疏流记录上下文关系，增加注意力机制进行注意力权重计算，对信息进行加权，实现对相关性特征的增强，自动学习流记录的潜在特征。即使在较低的采样率下，本发明仍能够取得较好的加密流量识别效果。
-
Patent Agency Ranking
公开(公告)号：CN111343008A
公开(公告)日：2020-06-26
申请号：CN202010090769.2
申请日：2020-02-13
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种用于发现IPv6加速部署状态的综合性测量方法和系统。本发明利用公开数据集及其主动测量的扫描结果和被动测量收集的IPv4网络流量来形成正常的网络状态，利用加速部署期间被动测量收集的IPv6网络流量来形成加速网络状态，通过在地址分布、流量趋势、服务部署、协议探测、安全问题分析等多个标准下进行正常状态和加速部署状态的比较，以深度分析IPv6的加速部署状态。本发明结合主动测量和被动测量完成测量工作并从多个角度综合性地分析IPv6网络状态，通过比较正常状态和加速部署状态能够更有效地发现IPv6加速部署状态的网络状况。
-
公开(公告)号：CN110866553A
公开(公告)日：2020-03-06
申请号：CN201911079175.5
申请日：2019-11-07
Applicant: 中国科学院信息工程研究所
IPC: G06K9/62
Abstract: 本发明提供一种基于加密摄像头流量统计特征的用户行为分类方法及系统，其步骤包括：捕获加密智能云摄像头视频流量；将所述加密智能云摄像头视频流量切分成多个pcap文件，并分别提取每个pcap文件对应的流量统计特征；将所述流量统计特征送入至用户行为识别模型，以识别对应用户行为。本发明分析了使用厂家私有协议进行监控视频加密传输的摄像头的安全性，提出了一个简单高效的流量切分算法，实现了用户日常生活行为的细粒度化分类。
-
公开(公告)号：CN106603519B
公开(公告)日：2019-12-10
申请号：CN201611114844.4
申请日：2016-12-07
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明涉及一种基于证书特征泛化和服务器变迁行为的SSL/TLS加密恶意服务发现方法。该方法包括1)对已知恶意服务的证书进行采集；2)提取采集的证书的属性，根据不同服务类型对证书进行分类，从各类证书的属性域和属性关系中提取泛化特征；3)基于提取的泛化特征，在真实网络环境中进行基于证书泛化特征的潜在恶意服务发现。如果步骤2)无法提取泛化特征，则通过跟踪已知恶意服务器的证书的变迁行为来发现证书变化规律，进而发现恶意服务。本发明能够针对SSL/TLS加密的远程控制类恶意服务，在可控范围内合理筛选，扩大发现的恶意服务器集合，从而为进一步深入安全分析及取证提供依据。
-
公开(公告)号：CN108768986A
公开(公告)日：2018-11-06
申请号：CN201810475126.2
申请日：2018-05-17
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种加密流量分类方法及服务器、计算机可读存储介质。本方法包括训练阶段和分类阶段，其中训练阶段：获取加密应用的加密流量并标注，得到一训练集合；从该训练集合中分别提取每一加密应用的message type序列并统一转化为对应的编码序列，并根据应用的包长度序列计算该应用的代表长度序列；利用每一应用的编码序列构建Message type马尔科夫转移矩阵，根据代表长度序列构建长度马尔科夫转移矩阵；将编码序列、代表长度序列分别输入对应转移矩阵，生成对应应用的加密流量的指纹；将各指纹输入分类模型中训练，得到分类模型；分类阶段：对于将要分类的数据流，将该数据流的指纹输入训练后的分类模型中进行分类。
-
公开(公告)号：CN106603519A
公开(公告)日：2017-04-26
申请号：CN201611114844.4
申请日：2016-12-07
Applicant: 中国科学院信息工程研究所
IPC: H04L29/06
Abstract: 本发明涉及一种基于证书特征泛化和服务器变迁行为的SSL/TLS加密恶意服务发现方法。该方法包括1)对已知恶意服务的证书进行采集；2)提取采集的证书的属性，根据不同服务类型对证书进行分类，从各类证书的属性域和属性关系中提取泛化特征；3)基于提取的泛化特征，在真实网络环境中进行基于证书泛化特征的潜在恶意服务发现。如果步骤2)无法提取泛化特征，则通过跟踪已知恶意服务器的证书的变迁行为来发现证书变化规律，进而发现恶意服务。本发明能够针对SSL/TLS加密的远程控制类恶意服务，在可控范围内合理筛选，扩大发现的恶意服务器集合，从而为进一步深入安全分析及取证提供依据。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.089 seconds)
