-
公开(公告)号：CN118014049A
公开(公告)日：2024-05-10
申请号：CN202410177798.0
申请日：2024-02-08
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06N3/09 , G06N3/0455 , G06F18/22 , G06F18/2431 , G06F40/30 , G06V20/70 , G06V10/40 , G06V10/82
Abstract: 本发明提供一种图文互生模型的训练方法，该方法包括：基于模态自感单元从样本模态数据中提取自感信息；模态自感单元基于自注意力网络通过多任务有监督训练得到；基于图文编码器对自感信息进行编码，得到隐空间特征，并对隐空间特征进行多模态扩散处理，得到扩散后的目标模态类型的隐空间特征；基于图文解码器对自感信息和扩散后的目标模态类型的隐空间特征进行解码，得到解码信息；根据解码信息和多任务损失函数对图文编码器和图文解码器进行训练，得到图文互生模型；目标损失包括重建损失、图像类的理解辅助任务对应损失和文本类的理解辅助任务对应损失确定。本发明所述方法提高了图文互生对应模型的性能和可适配性。
-
公开(公告)号：CN116825137A
公开(公告)日：2023-09-29
申请号：CN202310802442.7
申请日：2023-07-03
Applicant: 国家计算机网络与信息安全管理中心天津分中心
Abstract: 本发明属于深度合成音频检测领域技术领域，特别涉及一种基于多粒度注意力机制的深度合成音频检测方法和装置，其中，深度合成音频检测方法包括以下步骤：获取待检测音频；对待检测音频进行预处理，得到对应的频谱图；对频谱图进行多粒度特征提取，得到不同时间尺度的中间特征；对不同时间尺度的中间特征采用多粒度注意力机制进行特征融合，得到多粒度特征；将多粒度特征输入预训练好的深度合成音频检测模型中，输出对应的预测结果。本发明提供的深度合成音频检测方法多粒度注意力机制，结合深度学习技术，充分利用音频信号的时频特征，提高对不同时序的关注能力，从而提高音频检测的准确性和鲁棒性。
-
公开(公告)号：CN116821747A
公开(公告)日：2023-09-29
申请号：CN202310439834.1
申请日：2023-04-23
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图文多模态信息融合的互联网不良应用分类识别方法，针对不良应用具有识别效果佳的优点。互联网不良应用分类识别方法包括：收集网站应用，并对网络应用进行类别标注；提取网站应用的应用名称并基于此构建第一向量；对网络应用进行沙盒运行，以获取网络应用的访问信息以及运行界面截图；基于访问信息构建第二向量；从运行界面截图中提取有效文本字符并基于此构建第三向量；融合第一向量、第二向量、第三向量，以获得融合向量；将融合向量作为输入，训练互联网不良应用分类识别模型，互联网不良应用分类识别模型包括全连接层、Softmax层、损失函数；基于训练完成的互联网不良应用分类识别模型对待识别的网站应用进行分类识别。
-
公开(公告)号：CN112836493B
公开(公告)日：2023-03-14
申请号：CN202011404000.X
申请日：2020-12-04
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/226 , G06F40/284 , G06F16/33
Abstract: 本发明公开了一种转写文本校对方法及存储介质，包括，基于预先构建的校对样本库对待校对文本按照不同文本粒度进行分析校对，获得对应的候选方案集；根据所述候选方案集确定校对方案，并通过所述校对方案确定校对结果。本发明方法基于预先构建的校对样本库对待校对文本按照不同文本粒度进行分析校对，获得对应的候选方案集；根据所述候选方案集确定校对方案，由此从不同的文本粒度出发确定校对方案，提高了转写文本的准确性和语义的合理性。
-
公开(公告)号：CN111159990B
公开(公告)日：2022-09-30
申请号：CN201911244936.8
申请日：2019-12-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06F40/186 , G06F40/126 , G06F40/284 , G06F16/33 , G06F16/31
Abstract: 本发明提出一种基于模式拓展的通用特殊词识别方法及系统，提出了一种基于基础词的音形编码，常用汉字音节，常用汉字结构以及特殊字符映射节点来构建前缀树，通过比较字符编码相似度进行模糊匹配，完成新词提取的方法及系统。本发明可以应用于大量文本中特定词的发现提取，某些任务的数据集的提取生成，给定文本数据集的预处理等场景中，比如短信、微博等数据集的筛选以及纠正等文本预处理过程。本发明为下一步的文本分类任务提供了数据来源和基本标注，也对文本数据中新词的发现和纠正提供了帮助。
-
Patent Agency Ranking
公开(公告)号：CN112084373B
公开(公告)日：2022-06-03
申请号：CN202010778910.8
申请日：2020-08-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/901 , G06F40/151 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图嵌入的多源异构网络用户对齐方法，其特征在于：1)通过用户名和社会角色计算用户属性的相似度；2)通过随机游走算法获得异构网络的节点序列，分析节点之间的相互关系；3)利用嵌入算法，对节点序列计算得到网络的嵌入表示；4)根据用户的属性相似度以及结构特征，训练多层神经网络对齐用户。本发明所公开的基于图嵌入的多源异构网络用户对齐方法可用于在线社交网络的用户对齐，在推荐系统、人物画像补全等多个领域具有重要应用，算法的计算复杂度低，可在网络中快速对齐相同用户，对真实数据适用性强。
-
公开(公告)号：CN112181613A
公开(公告)日：2021-01-05
申请号：CN202010943286.2
申请日：2020-09-09
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种异构资源分布式计算平台批量任务调度方法及存储介质，本发明在由几个计算中心组成的异构资源分布式计算集群中，将每个计算中心中的异构资源进行整合与分组，针对分布式计算平台中常见任务的需求，将这些资源合理地分配到预设的具有相应资源偏好的任务队列中。当有一批新任务提交时，根据用户提交的每个任务的相应特征以及各个中心的任务队列当前状态，分析全局最优解，为每个任务选择合适的队列。从而高效利用跨中心多集群中的异构资源，合理进行批量任务调度，解决现有技术中任务调度性能低、任务等待时间长的问题。
-
公开(公告)号：CN111143508A
公开(公告)日：2020-05-12
申请号：CN201911244928.3
申请日：2019-12-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06F16/33 , G06F40/30 , G06F40/289 , G06K9/62
Abstract: 本发明提出了一种基于通信类短文本的事件检测与跟踪方法，包括：提取与某事件对应的样本集合中各通信类短文本的语义特征、关键要素，及该样本集合的传播网络；根据该语义特征、该关键要素和该传播网络，分别获得任意两个该通信类短文本之间的语义距离、要素距离和用户距离；以该语义距离、该要素距离和该用户距离，获得任意两个该通信类短文本之间的度量距离；对所有该度量距离进行聚类，获得该事件的事件检测结果；提取该事件检测结果的特征属性以跟踪该事件。还提出一种基于通信类短文本的事件检测与跟踪系统，以及一种进行基于通信类短文本的事件检测与跟踪的数据处理装置。
-
公开(公告)号：CN106095928B
公开(公告)日：2019-10-29
申请号：CN201610409465.1
申请日：2016-06-12
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种事件类型识别方法及装置。该方法包括以下步骤：对训练集中所有文本进行分词、提取词性处理后训练词向量空间模型，提取文本的特征，将文本表示为特征向量；对于训练集进行事件类型聚类，训练带有类型聚类正则化项的神经网络模型；对于测试样本同样进行分析、提取词性处理，并利用已经训练好的词向量模型，得到特征表示；利用类型聚类正则化项的神经网络模型进行事件类别识别。借助于本发明的技术方案，能够利用同一群组中的类型共享信息来减轻标注数据不平衡带来的问题。
-
公开(公告)号：CN107491689A
公开(公告)日：2017-12-19
申请号：CN201710560788.5
申请日：2017-07-11
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种密码破解方法和装置，方法包括：CPU按照预设分析规则将待破解密码拆分为由掩码和子字符串组成的形式，并为掩码和子字符串分别生成对应的密码口令空间，将子字符串的密码口令空间划分给一个或多个GPU；一个或多个GPU均根据被划分到的子字符串生成一个密码口令子空间，均根据各自生成的密码口令子空间与掩码进行排列组合，生成完整密码口令空间，并使用完整密码口令空间对待破解密码进行破解。本发明的密码破解方法可以明显减少待破解密码产生的排列组合的数量，并由CPU和GPU协同计算，对密码排列组合产生的空间进行划分，提高了密码破解的效率，解决了现有技术的问题。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.049 seconds)
