-
公开(公告)号：CN110175221B
公开(公告)日：2021-04-20
申请号：CN201910411018.3
申请日：2019-05-17
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司 , 长安通信科技有限责任公司
IPC: G06F16/33 , G06F40/289 , G06N3/04
Abstract: 利用词向量结合机器学习的垃圾短信识别方法，所述方法包括下列操作步骤：(1)根据短信特征对垃圾短信进行第一步识别；(2)根据关键词对垃圾短信进行第二步识别；(3)计算短信的短信文本向量，使用支持向量机的方法对垃圾短信进行第三步识别；(4)计算短信的静态词向量矩阵，利用卷积神经网络对垃圾短信进行第四步识别；(5)计算短信的每一个分词的动态词向量，利用卷积神经网络对垃圾短信进行第五步识别。本发明方法采用无监督和有监督相结合的垃圾短信识别方法，能大幅度提高垃圾短信的识别准确率。
-
公开(公告)号：CN108834148B
公开(公告)日：2021-02-26
申请号：CN201810433168.X
申请日：2018-05-08
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司 , 长安通信科技有限责任公司
IPC: H04W12/128 , H04M3/436 , H04L12/24 , G06F9/455
Abstract: 一种面向5G的基于NFV的诈骗电话处置系统和方法，包含虚拟化诈骗电话处置服务器VSCS，VSCS包含有：AS‑VDU装置，接收电信网发送来的呼叫消息，从策略中提取多条处置规则，然后按优先级由高到低的顺序，顺序执行每条处置规则，并控制MS‑VDU装置对呼叫进行辅助检查，以识别呼叫中的主叫号码是否是非法号码，如果是，则按处置规则进行处置，将相关数据发送给管理Portal服务器；MS‑VDU装置，辅助AS‑VDU装置对呼叫进行检查。本发明属于通信领域，能升级面向NFV架构的诈骗电话处置系统，集NFV管理与业务管理功能于一体，从而满足未来5G方向的功能需要，实现虚拟化功能与业务管理功能的实时便捷管理。
-
公开(公告)号：CN110213724B
公开(公告)日：2020-10-20
申请号：CN201910412262.1
申请日：2019-05-17
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司 , 长安通信科技有限责任公司
Abstract: 一种伪基站运动轨迹的识别方法，包括：从数据库中提取一段时长内的所有切换事件信令，计算每个基站在一定时间周期内的切换事件指标，并识别出疑似受伪基站设备影响的异常基站，将异常基站信息保存在异常基站识别记录表中，同时构建伪基站信息表；分别计算异常基站识别记录表中每个异常基站和伪基站信息表中每个基站之间的位置距离和发现时间差，获得异常基站识别记录表中每个异常基站的轨迹编号，然后将获得轨迹编号的异常基站信息写入伪基站信息表；根据伪基站信息表中基站的位置、发现时间和轨迹编号，获得每个伪基站的运动轨迹。本发明属于信息技术领域，能通过识别受伪基站设备影响而导致信令表现异常的基站，实现伪基站运动轨迹的准确跟踪。
-
公开(公告)号：CN109587350A
公开(公告)日：2019-04-05
申请号：CN201811373658.1
申请日：2018-11-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04M3/22 , H04W12/12 , H04W16/22 , G06F16/2458
Abstract: 本发明公开了一种基于滑动时间窗口聚合的电信诈骗电话的序列异常检测方法，属于数据挖掘与机器学习和商务智能领域。首先构造训练用户数据集，回溯被叫用户全部通话记录，形成各被叫用户通话序列。利用cos相似度函数，计算序列结构相似度和统计特征相似度并进行线性组合，得到加和相似度。然后通过K-Means聚类模型得到K类用户，构成独立的序列训练数据集，通过滑动时间窗口，形成K个训练集。最后在每个训练集上训练iForest模型，得到K个异常检测模型。每个被叫用户通过对应的异常检测模型识别异常，当最大值高于阈值h时，该被叫用户是高风险的被叫用户。每过固定时间段更新K-Means模型和异常检测模型。本发明缓解了数据稀疏性问题，发现基于群组的异常特征。
-
公开(公告)号：CN109359126A
公开(公告)日：2019-02-19
申请号：CN201811009136.3
申请日：2018-08-30
Applicant: 国家计算机网络与信息安全管理中心 , 天津市国瑞数码安全系统股份有限公司
IPC: G06F16/242 , G06F16/2453
Abstract: 本发明属于数据查询技术领域，具体而言，涉及一种基于业务用户习惯的智能学习查询模型的构建方法，包括如下步骤：S1、从数据源中获取业务用户的数据查询记录；S2、根据步骤S1中得到的所述数据查询记录，进行数据查询习惯分析；S3、根据步骤S2中得到的数据查询习惯分析结果构建查询模型。本发明还提供了一种基于业务用户习惯的智能学习查询系统。本发明通过对业务用户的数据查询习惯进行分析，针对分析结果制定数据查询方案，构建查询模型，能够提前将业务用户关注的数据推送给业务用户，具有查询时间短、用户体验效果好的特点。
-
Patent Agency Ranking
公开(公告)号：CN109274836A
公开(公告)日：2019-01-25
申请号：CN201811287123.2
申请日：2018-10-31
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种大规模数据流中电信欺诈风险识别方法，属于数据挖掘与机器学习和商务智能等领域。从呼叫记录数据库中筛选高风险被叫用户和主叫用户作为分析对象，构建欺诈被叫索引数据库，提取各个索引对应的显著特征；采用二级级联分类模型，得到每个被叫号码的攻击风险值；保留每个高风险被叫号码最近的滑动窗口异常得分的最大值，作为各自的序列风险值；构造被叫号码与主叫号码的通联关系二部图，计算每个被叫号码的通联风险值；借助逻辑回归模型，对每个被叫号码的攻击风险、序列风险和通联风险进行融合，得出每个被叫号码各自的综合风险值。本发明最终的综合风险值具有较高的稳定性和可解释性，实现较高的分类和检测效率。
-
公开(公告)号：CN108882242A
公开(公告)日：2018-11-23
申请号：CN201810589825.X
申请日：2018-06-08
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
Abstract: 本发明公开了基于声纹识别和意图理解技术的反诈骗系统的自学习方法，其特征在于，具体包括如下步骤：步骤SS1：建立诈骗人声纹模型库和诈骗人意图模型库；步骤SS2：诈骗人声纹模型库更新步骤；步骤SS3：诈骗人意图模型库更新步骤。本发明利用声纹预警数据自动为意图理解模型积累训练用诈骗文本；利用意图理解预警数据自动添加诈骗人声纹模型库，两种技术手段互相补充，有效解决数据积累期间新诈骗人的漏警和意图理解模型训练文本人工积累的问题。
-
公开(公告)号：CN108460772A
公开(公告)日：2018-08-28
申请号：CN201810150076.0
申请日：2018-02-13
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明提供了一种基于卷积神经网络的广告骚扰传真图像检测系统及方法，包括关键字区域提取模块，所述关键字区域提取模块用于确定待检测传真图像的关键字可疑区域；神经网络置信度分析模块，所述神经网络置信度分析模块与所述关键字区域提取模块相连，所述神经网络置信度分析模块用于对所述关键字可疑区域的文字进行识别，实现传真图像的分类。本发明通过关键字区域提取模块对关键字可疑区域进行提取，自动化运行，工作效率高；通过神经网络置信度分析模块对关键字可疑区域的文字进行识别，实现广告骚扰传真的分类判断，节约时间，管控能力强，使得本发明具有工作效率高，管控能力强的特点。
-
公开(公告)号：CN105187403B
公开(公告)日：2018-06-12
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
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：CN107451192A
公开(公告)日：2017-12-08
申请号：CN201710508428.0
申请日：2017-06-28
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: G06F17/3071 , G06K9/6267
Abstract: 本发明公开了一种基于分解聚合的电信诈骗电话的分类检测方法，属于数据挖掘、机器学习和商务智能等领域。首先对原始CDR数据进行不同正负类比例的横向划分与采样，针对某训练样本，随机抽取特定比例的特征属性用于构造基础分类器；对任一训练样本，根据基础分类器的输出结果构造分类矩阵，对各相同比例中的分类结果进行聚合，并通过最大投票法确定各类别比例下的投票结果。将各个比例分类器中的分类结果作为新的分类特征构造二级分类器，确定各正负比例的基分类器对于测试结果的权重。本发明适用于各种大数据场景下的不平衡分类，避免了不同正负类样本比例下模型精度的波动性，分类结果具有较强的稳定性和鲁棒性，可以实现较高的分类和检测效率。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.069 seconds)
