-
公开(公告)号：CN119004488A
公开(公告)日：2024-11-22
申请号：CN202411463942.3
申请日：2024-10-21
Applicant: 烟台中科网络技术研究所
IPC: G06F21/57 , G06F21/60 , G06F16/2458 , G06F16/25
Abstract: 本申请公开了一种移动应用的安全风险评估方法及系统，涉及安全风险评估领域，其包括数据获取模块、访问数据分析模块一、访问数据分析模块二和综合安全风险分析评估模块，通过对目标移动应用的应用数据的访问数据进行获取并结合各类应用数据的数据安全等级进行综合分析，有效的提高了对目标移动应用自身数据安全评估的准确性，通过分析目标移动应用对目标移动设备的基础数据访问信息进行有效评估，并结合目标移动应用自身数据安全评估结果进行综合评估，有效提高了对目标移动应用安全风险的全面性和准确性。
-
公开(公告)号：CN118313413A
公开(公告)日：2024-07-09
申请号：CN202410741075.9
申请日：2024-06-11
Applicant: 烟台大学 , 烟台中科网络技术研究所
Abstract: 本发明涉及神经网络模型技术领域，尤其是涉及一种基于异构图神经网络的物联网链路预测方法及系统。所述方法，包括构建异构图，并对异构图进行特征表示；基于异构图构建客户端本地模型，包括利用动态注意力机制的图注意力网络构建客户端本地模型；输入异构图至客户端本地模型，并引入贝叶斯推理对异构图的特征进行线性变换；通过损失函数对输入异构图的客户端本地模型进行损失处理；计算客户端本地模型梯度，并对客户端本地模型梯度执行全局模型聚合，得到全局模型参数；将全局模型参数下发至客户端本地模型。通过本发明的技术方案提高链路预测的准确性和鲁棒性。
-
公开(公告)号：CN115718260A
公开(公告)日：2023-02-28
申请号：CN202211213466.0
申请日：2022-09-30
Applicant: 山东工商学院 , 烟台中科网络技术研究所
IPC: G01R31/367
Abstract: 本发明属于电池故障预测领域，提供了一种基于CNN‑LSTM结合相关系数的电池故障预测方法及系统，包括获取当前时刻目标电池电压时间序列中的电压数据，利用预先训练好的CNN‑LSTM模型进行故障预测，得到下一时刻的电池电压预测值；将下一时刻的电池电压预测值与上一时刻的电池电压预测值连接，得到组合电池电压时间序列；利用相关系数法对组合电池电压时间序列进行相关性分析，确定电池是否出现故障。本发明可以在电池未出现故障的情况下对电池的故障与否进行预测，能够提前将故障情况告知用户，提高了电池安全性和保障了用户安全。
-
公开(公告)号：CN115396415A
公开(公告)日：2022-11-25
申请号：CN202211045149.2
申请日：2022-08-30
Applicant: 烟台中科数据技术有限公司 , 烟台中科网络技术研究所
IPC: H04L67/02 , H04L67/568 , H04L67/60 , H04L61/4511
Abstract: 一种数据智能识别分发执行方法及系统，涉及数据处理和人工智能技术领域。本发明为了解决现有数据识别系统分发属地耗时长、不能自动向属地分发、分发准确率低的缺陷，采用采集取证模块对用户提交的数据进行采集；将采集到的数据进行分段得到分段矩阵；采用属地识别模块对分段矩阵进行识别；将识别结果通过数据分发模块按照区域进行划分，得到识别结果矩阵；根据识别结果矩阵中每列非零元素的个数自适应的开辟缓存空间，将数据分发至接收地管理模块。本发明主要用于对网络数据的识别并根据识别结果向属地进行分发。
-
公开(公告)号：CN115378700A
公开(公告)日：2022-11-22
申请号：CN202211002751.8
申请日：2022-08-19
Applicant: 烟台中科网络技术研究所
IPC: H04L9/40 , H04L47/6275
Abstract: 本发明公开了一种跨网数据安全交换方法、系统、装置及储存介质。所述方法包括以下步骤：接收发送方的待发送数据，对待发送数据进行敏感分析和优先级划分，将待发送数据分配到不同传输队列中及决定在传输队列中的传输顺序；对不同传输队列中的待发送数据进行时间戳、切片和加密处理；将处理后的数据‑发送给接收方，完成跨网数据安全交换。本方法通过结合待发送数据的敏感等级和优先级进行安全等级划分，简洁、清晰的展示了不同数据的安全等级；对优先级进行比较，明确信息传输顺序，提高数据交换效率，实现了跨网数据安全且高效的传输。
-
Patent Agency Ranking
公开(公告)号：CN114884549A
公开(公告)日：2022-08-09
申请号：CN202210489463.3
申请日：2022-05-06
Applicant: 烟台中科网络技术研究所
IPC: H04B7/06 , H04B7/0413 , H04B17/391
Abstract: 本发明涉及一种基于深度学习的大规模MIMO信道状态信息反馈方法，其包括：在下行链路中，在用户端侧对MIMO信道状态信息在空频域的信道矩阵进行二维离散傅立叶变换，得到在角度延迟域稀疏的信道矩阵H；构建超分辨信道状态信息网络模型，该模型包含属于用户端的解码器和属于基站端的译码器，其中该解码器用于将所述获得的在角度延迟域稀疏的信道矩阵H编码为更低维度的码字，所述译码器用于从收到的码字重建出信道矩阵估计值对所述超分辨信道状态信息网络模型进行训练，使得所述信道矩阵估计值和在角度延迟域稀疏的信道矩阵H尽可能接近，并获得模型参数；将训练好的所述超分辨信道状态信息网络模型用于信道信息的压缩感知和重建。
-
公开(公告)号：CN108345656B
公开(公告)日：2021-03-05
申请号：CN201810088450.9
申请日：2018-01-30
Applicant: 烟台中科网络技术研究所
IPC: G06F16/9535 , G06Q50/00
Abstract: 本发明涉及一种有向网络链路预测方法，所述方法包括以下步骤：步骤S1、计算所述有向网络的相对度量指标总量LB；步骤S2、在所述有向网络中增加一条待选链路，并计算增加所述待选链路后所述有向网络的相对度量指标总量LA；步骤S3、计算所述有向网络的相对度量指标总量之差ΔL＝LB‑LA；步骤S4、重复步骤S2以及步骤S3，得到多条待选链路对应的相对度量指标总量之差，并将所述相对度量指标总量之差最大值对应的待选链路作为所述有向网络生成的优选链路；本发明提供一种有向网络链路预测方法，具有计算简单、时间复杂度低、预测效果好的技术效果。
-
公开(公告)号：CN111831709A
公开(公告)日：2020-10-27
申请号：CN202010692910.6
申请日：2019-07-01
Applicant: 烟台中科网络技术研究所
IPC: G06F16/2458 , G06F16/955
Abstract: 本发明公开了一种APP域名核验方法，涉及域名检测领域。该APP域名核验方法包括以下步骤：获取待测APP所有操作产生的原始数据流量包；以公共API知识库对原始数据流量包进行过滤，去除公共URL，获得剩余数据流量包；对剩余数据流量包进行综合计算；确定待测APP的实际域名；检验APP实际域名是否已进行备案；所述公共API知识库，只考虑域名，无视参数或文件差异。采用本发明的方法，可以准确、快速获得批量APP的真实域名，并核验其是否备案，从而判断其是否可信任。
-
公开(公告)号：CN111753322A
公开(公告)日：2020-10-09
申请号：CN202010635435.9
申请日：2020-07-03
Applicant: 烟台中科网络技术研究所 , 烟台中科数据技术有限公司
Abstract: 本发明公开了一种移动App权限列表自动核验方法，包括S1、获取待测移动App实际的权限列表，转化为向量形式，得到实际权限列表向量；S2、获取待测移动App的隐私协议，通过经训练的深度学习分类模型转化为向量形式，与设定阈值进行比较，得到声明权限列表向量；S3、对比待测移动App的实际权限列表向量跟声明权限列表向量是否一致，若一致，则判定待测移动App“合规”，否则判定待测移动App“不合规”。本发明的移动App权限列表自动核验方法实现了移动APP权限列表自动核验，不需要再通过人工对App隐私协议内容进行阅读审核就能判定该App是否存在违规获取用户个人信息的问题。本发明还公开了一种移动App权限列表自动核验系统。
-
公开(公告)号：CN106874489B
公开(公告)日：2020-05-12
申请号：CN201710092869.7
申请日：2017-02-21
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: 本发明涉及一种基于卷积神经网络的肺结节图像块检索方法及装置，通过对获取的肺结节图像块进行切片处理，得到至少两张肺结节切片扫描图，通过构造卷积神经网络提取肺结节切片扫描图的图像特征，得到肺结节的局部特征集合，获取数据库中所有肺结节的局部特征集合，对所有肺结节的局部特征集合进行聚类构建视觉词典，基于视觉词典获取肺结节带权特征向量，通过倒排索引的方式对肺结节带权特征向量构建索引库，根据输入的查询信息对索引库执行检索，得到符合查询条件的肺结节图像块。本发明能够快速、准确的检索出与待检索肺结节最相似的肺结节图像序列。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.121 seconds)
