-
公开(公告)号：CN113011888A
公开(公告)日：2021-06-22
申请号：CN202110262931.9
申请日：2021-03-11
Applicant: 中南大学
Abstract: 本发明公开了一种针对数字货币的异常交易行为检测方法、装置、设备及介质，方法为：获取数字货币交易所中每个用户的交易数据；将检测时间段划分为若干分段，将单个用户在各时间分段的交易记录组合，均作为该用户的交易行为；从多个维度对交易行为进行特征描述，作为交易行为的特征向量；所有用户所有交易行为的特征向量构成数据集；使用局部异常因子算法计算数据集中每个数据点的离群因子值；对数据集聚类，并对各数据点根据其所在簇大小调整其离群因子值；根据调整后的离群因子值确定该数据点对应交易行为分析单元的异常交易可疑值，进而确定该用户的异常交易可疑性。本发明提高异常交易行为检测的准确度，对有异常交易嫌疑的账户自动化检测。
-
公开(公告)号：CN106055580B
公开(公告)日：2019-02-05
申请号：CN201610341872.3
申请日：2016-05-23
Applicant: 中南大学
IPC: G06F16/904 , G06K9/62
Abstract: 本发明提供了一种基于Radviz的模糊聚类结果可视化方法，其步骤为：1)对模糊聚类算法的结果进行数据预处理；2)为RadViz圆周设计合理的聚类簇维度锚点布局；3)将数据样本以圆点模式或饼图模式投影到Radviz内部；4)将维度锚点扩展为维度圆环，实现Radviz圆环的可视编码；5)将隶属度分布信息融合到Radviz主视图中；6)提取聚类间的共存关联关系，并使用弦线映射共存关系。本发明基于Radviz对模糊聚类算法得到的模糊隶属度矩阵进行展示，不但为用户提供了尽可能多的模糊聚类信息，而且允许研究人员自由探索数据属性、隶属度矩阵和聚类簇等信息，从而使用户进行更加快速、直观、准确的决策。
-
公开(公告)号：CN106685690A
公开(公告)日：2017-05-17
申请号：CN201610973338.4
申请日：2016-10-27
Applicant: 中南大学
IPC: H04L12/24
CPC classification number: H04L41/12 , H04L41/142 , H04L41/145
Abstract: 本发明公开了一种基于模拟组建过程的计算机网络关键节点发现方法，包括以下步骤：步骤1：根据端口使用情况寻找使用默认功能端口的服务器；步骤2：取与步骤1得到的服务器集合中的节点有通信记录的节点集合，根据备选路由器标准进行筛选，将筛选出的节点加入备选路由器集合；步骤3：以网络中的通信记录为基础，模拟网络组建过程，完善服务器集合和备选路由器集合；步骤4：根据网络模块度函数对备选路由器集合中的节点进行筛选，将筛选出的节点加入路由器集合。本发明能通过网络中节点间的通信数据，较为较精确地找出网络中的服务器和路由器。
-
公开(公告)号：CN113011888B
公开(公告)日：2024-04-02
申请号：CN202110262931.9
申请日：2021-03-11
Applicant: 中南大学
IPC: G06Q20/40 , G06Q20/36 , G06Q20/06 , G06Q40/04 , G06F18/2321 , G06F18/2433
Abstract: 本发明公开了一种针对数字货币的异常交易行为检测方法、装置、设备及介质，方法为：获取数字货币交易所中每个用户的交易数据；将检测时间段划分为若干分段，将单个用户在各时间分段的交易记录组合，均作为该用户的交易行为；从多个维度对交易行为进行特征描述，作为交易行为的特征向量；所有用户所有交易行为的特征向量构成数据集；使用局部异常因子算法计算数据集中每个数据点的离群因子值；对数据集聚类，并对各数据点根据其所在簇大小调整其离群因子值；根据调整后的离群因子值确定该数据点对应交易行为分析单元的异常交易可疑值，进而确定该用户的异常交易可疑性。本发明提高异常交易行为检测的准确度，对有异常交易嫌疑的账户自动化检测。
-
公开(公告)号：CN106055580A
公开(公告)日：2016-10-26
申请号：CN201610341872.3
申请日：2016-05-23
Applicant: 中南大学
CPC classification number: G06F17/30994 , G06K9/622
Abstract: 本发明提供了一种基于Radviz的模糊聚类结果可视化方法，其步骤为：1)对模糊聚类算法的结果进行数据预处理；2)为RadViz圆周设计合理的聚类簇维度锚点布局；3)将数据样本以圆点模式或饼图模式投影到Radviz内部；4)将维度锚点扩展为维度圆环，实现Radviz圆环的可视编码；5)将隶属度分布信息融合到Radviz主视图中；6)提取聚类间的共存关联关系，并使用弦线映射共存关系。本发明基于Radviz对模糊聚类算法得到的模糊隶属度矩阵进行展示，不但为用户提供了尽可能多的模糊聚类信息，而且允许研究人员自由探索数据属性、隶属度矩阵和聚类簇等信息，从而使用户进行更加快速、直观、准确的决策。
-
Patent Agency Ranking
公开(公告)号：CN114493612A
公开(公告)日：2022-05-13
申请号：CN202210085914.7
申请日：2022-01-25
Applicant: 中南大学
IPC: G06Q20/40 , G06Q20/06 , G06F16/904
Abstract: 本发明公开了一种基于算盘隐喻的数字货币交易异常用户识别方法、设备及介质，方法包括：获取数字货币交易所的用户在交易时间段内的所有交易记录；根据交易记录绘制算盘图，包括横轴和若干直柱，横轴表示交易时间，直柱垂直贯穿于横轴并与交易记录一一对应；直柱位于横轴上方的算珠，利用其高度来展示交易金额；直柱位于横轴下方的算珠，利用其颜色和位置分别表示交易币种和类型；统计算盘图中的直柱数量、直柱间距、算珠颜色数量及相关统计数据；判断统计的各统计数据是否超过相应预设阈值，若超过相应预设阈值的统计数据的个数大于预设值，则判定该用户为异常用户。本发明能够直观有效地展示异常用户的交易序列数据，并识别异常用户。
-
公开(公告)号：CN106685690B
公开(公告)日：2019-07-09
申请号：CN201610973338.4
申请日：2016-10-27
Applicant: 中南大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于模拟组建过程的计算机网络关键节点发现方法，包括以下步骤：步骤1：根据端口使用情况寻找使用默认功能端口的服务器；步骤2：取与步骤1得到的服务器集合中的节点有通信记录的节点集合，根据备选路由器标准进行筛选，将筛选出的节点加入备选路由器集合；步骤3：以网络中的通信记录为基础，模拟网络组建过程，完善服务器集合和备选路由器集合；步骤4：根据网络模块度函数对备选路由器集合中的节点进行筛选，将筛选出的节点加入路由器集合。本发明能通过网络中节点间的通信数据，较为较精确地找出网络中的服务器和路由器。
-
公开(公告)号：CN109271132A
公开(公告)日：2019-01-25
申请号：CN201811096121.5
申请日：2018-09-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于机器学习模型的排序方法，包括以下步骤：第一步，对于给定的待排元素集生成模型训练数据；第二步，根据第一步生成的训练数据利用机器学习的方法构建待排元素集的分布模型；第三步，利用分布模型预测待排元素集中每一个元素在有序数组中的位置；第四步，根据元素的预测位置将元素放入有序数组中，得到一个有序的数组完成排序操作。本发明由于采用将元素直接放入有序数组中的方式，相比于快速排序、归并排序、堆排序等排序算法，运行时间更短。
-
公开(公告)号：CN109271132B
公开(公告)日：2023-07-18
申请号：CN201811096121.5
申请日：2018-09-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于机器学习模型的排序方法，包括以下步骤：第一步，对于给定的待排元素集生成模型训练数据；第二步，根据第一步生成的训练数据利用机器学习的方法构建待排元素集的分布模型；第三步，利用分布模型预测待排元素集中每一个元素在有序数组中的位置；第四步，根据元素的预测位置将元素放入有序数组中，得到一个有序的数组完成排序操作。本发明由于采用将元素直接放入有序数组中的方式，相比于快速排序、归并排序、堆排序等排序算法，运行时间更短。
-
公开(公告)号：CN113098876B
公开(公告)日：2021-11-23
申请号：CN202110360758.6
申请日：2021-04-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于区块链与智能合约的产品数据上链方法和介质，其方法为：管理中心部署一个智能合约；企业在区块链上获取一个区块链地址；企业在智能合约中申请数据上链；管理中心在智能合约中为申请数据上链的企业授权；被授权的企业将待上链数据的基本信息录入智能合约；管理中心生成一个用于加密产品数据的密钥，并将它加密存放到智能合约中；被授权的企业按照产品数据上链协议规定的标签信息格式将产品数据存储到区块链上；查询企业已上链的产品数据。本发明不但提高了上链数据的真实、有效性，而且保证了上链数据的安全。此外，该协议定义的固定格式的标签信息，可以提高上链数据存取的效率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
