-
公开(公告)号：CN109325226B
公开(公告)日：2023-04-14
申请号：CN201811052429.X
申请日：2018-09-10
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
IPC: G06F40/289 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于深度学习网络的术语提取方法、装置与存储介质，该方法包括：对目标文本进行术语标注；对标注后的目标文本进行分词处理，得到分词文本并提取关键词；根据关键词对预先建立的RNN深度学习网络进行训练，得到术语预测模型，并获取术语预测模型输出的术语预测结果；根据目标文本对应的术语预测结果以及术语标注，对预先建立的CNN深度学习网络进行训练，得到术语提取模型，并获取术语提取模型输出的术语提取结果。本发明融合了RNN与CNN深度学习网络，组成了一个更深层的深度学习的网络，依据提取后的关键词以及目标文本的术语标注结果对目标文本进行术语的预测和提取，可以有效提升术语的提取速率，实现海量文本的中文术语的抽取。
-
公开(公告)号：CN114866278A
公开(公告)日：2022-08-05
申请号：CN202210298928.7
申请日：2022-03-25
Applicant: 广州杰赛科技股份有限公司 , 暨南大学
IPC: H04L9/40 , H04L45/028
Abstract: 本发明提供了一种网络安全动态防御方法、装置、设备及介质，能够根据网络安全可靠性的大小动态调整网路的可行路径集合，并结合网络安全可靠性的变动方向动态调整网络通信的存活时隙，以此构建边缘计算网络下的网络可行路径集合，并采用随机选取通信路径的方式，在一定程度上降低了攻击者通过监听掌握通信路径后发起跟随攻击的可能性。
-
公开(公告)号：CN114710325A
公开(公告)日：2022-07-05
申请号：CN202210263547.5
申请日：2022-03-17
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种网络入侵检测模型的构建方法、装置、设备及存储介质，该方法包括：获取网络入侵检测的第一流量数据集；其中，所述第一流量数据集包括多个连续采样周期的流量时序数据；对所述第一流量数据集进行预处理，得到第二流量数据集；通过EfficientNet对所述第二流量数据集进行特征提取，得到初始特征图；基于域随机化方法和所述初始特征图合成多个仿真特征图，以构成仿真特征图集；通过所述初始特征图和所述仿真特征图集对预先构建的深度学习模型进行训练，得到网络入侵检测模型。采用本发明实施例能够提高检测数据量较少的网络攻击的准确率。
-
公开(公告)号：CN113055988B
公开(公告)日：2022-06-17
申请号：CN202110153065.X
申请日：2021-02-04
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基站群的集中供电方法、装置、设备及介质，采用微网格集中供电的方式，通过微网节点站对微网节点站覆盖范围内的基站进行集中供电，保证所有的基站都能实现供电，从而降低电力供应的难度和运维成本，并能在业务空闲时，在保证开启的基站能够满足业务要求的情况下，对剩余基站进行休眠处理，从而实现节能环保。
-
公开(公告)号：CN114520736A
公开(公告)日：2022-05-20
申请号：CN202210083561.7
申请日：2022-01-24
Applicant: 广东工业大学 , 广州杰赛科技股份有限公司
Abstract: 本发明公开了一种物联网安全检测方法、装置、设备及存储介质，该方法包括：基于待测物联网设备的边缘节点，获取待测物联网设备在多个时刻的网络流量数据；对网络流量数据进行特征提取，获得网络流量特征；将网络流量特征输入至神经网络进行训练，构建多个时刻的物联网安全检测模型；基于多个时刻的物联网安全检测模型的模型参数，采用训练集对深度学习网络模型进行训练，确定深度学习网络模型的参数分布概率；将网络流量特征输入至确定参数分布概率后的深度学习网络模型，获得物联网安全检测结果。本发明基于边缘节点进行物联网安全检测，实时性较强，且能够准确地确定用于安全检测的模型的参数，从而提高对物联网安全进行检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113556801A
公开(公告)日：2021-10-26
申请号：CN202110679382.5
申请日：2021-06-18
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种超密集网络中的用户接入方法，其基于业务类型对超密集网络中的AP进行分组，得到多组候选AP集，并在接收到用户终端发送的业务请求时，确定与所述业务请求类型对应的AP候选集，然后根据所述用户终端所在区域的业务请求密度，确定所述用户终端的可连接AP总数，最后根据当前时刻的AP信道的状态，从所述与业务请求类型对应的AP候选集中挑选出待接入AP集，以实现用户终端的多AP接入，进而减少在超密集网络中用户不必要的切换，提高用户的业务感知水平。相应地，本发明还提供一种超密集网络中的用户接入装置、终端设备以及存储介质。
-
公开(公告)号：CN113114631A
公开(公告)日：2021-07-13
申请号：CN202110302035.0
申请日：2021-03-22
Applicant: 广州杰赛科技股份有限公司
Abstract: 本发明公开了一种物联网节点的信任度评价方法、装置、设备及介质，通过根据节点的直接信任和间接信任，计算所述节点的短期信任度，再获取长期信任度的计算参数，并根据所述计算参数和所述短期信任度，计算所述节点的长期信任度，然后获取所述节点的信任度评价差异参数，并根据所述差异参数和所述长期信任度，计算所述节点的反馈信任度，最后根据所述短期信任度、所述长期信任度和所述反馈信任度，按照预设的综合信任度计算方法，计算节点的综合信任度，以对所述节点的信任度进行评价。采用本发明实施例，能够通过综合短期信任度、长期信任度和反馈信任度这三个信任度来对节点的信任度进行评价，从而进一步保障物联网的安全。
-
公开(公告)号：CN113055988A
公开(公告)日：2021-06-29
申请号：CN202110153065.X
申请日：2021-02-04
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基站群的集中供电方法、装置、设备及介质，采用微网格集中供电的方式，通过微网节点站对微网节点站覆盖范围内的基站进行集中供电，保证所有的基站都能实现供电，从而降低电力供应的难度和运维成本，并能在业务空闲时，在保证开启的基站能够满足业务要求的情况下，对剩余基站进行休眠处理，从而实现节能环保。
-
公开(公告)号：CN112543339A
公开(公告)日：2021-03-23
申请号：CN202011432932.5
申请日：2020-12-09
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于残差重构的视频仿真方法及装置，方法包括：基于初始采样间隔，通过稀疏表示算法对待处理视频进行解码，分别得到采样前视频帧、采样后视频帧和采样时刻视频帧；进行矢量化处理；计算采样时刻测量矢量的预测值，并得到对应的自适应采样间隔；基于初始采样间隔、自适应采样间隔对采样时刻测量矢量进行重构；对重构后的采样时刻测量矢量进行解码，得到自适应采样时刻视频帧；以解码后得到的自适应采样时刻视频帧进行仿真输出。本发明实施例提供的基于残差重构的视频仿真方法及装置，通过基于残差重构的特定算法，使得视频仿真能够根据实时图像调整不同的采样间隔，提升了视频仿真的效果，推进了仿真采样的智能化进程。
-
公开(公告)号：CN112365171A
公开(公告)日：2021-02-12
申请号：CN202011279427.1
申请日：2020-11-16
Applicant: 广州杰赛科技股份有限公司 , 广州杰赛通信规划设计院有限公司
Abstract: 本发明公开了一种基于知识图谱的风险预测方法、装置、设备及存储介质，该方法，包括：对数据源的犯罪数据进行关系抽取，获得RDF数据；RDF数据包括若干个实体三元组；根据RDF数据，构建犯罪知识图谱；利用预先构建的图深度学习模型对犯罪知识图谱进行时间相关性分析，获得融合时间相关性特征的犯罪知识图谱；根据融合时间相关性特征的犯罪知识图谱，对预先构建的卷积神经网络进行训练，获得犯罪风险预测模型；根据当前采集的犯罪风险数据，通过犯罪风险预测模型，获得犯罪风险预测结果；通过实体三元组构建犯罪知识图谱，有效挖掘司法案件的实体关系，基于犯罪知识图谱和图深度学习进行风险预测，能有效提高犯罪风险预测的效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.031 seconds)
