-
公开(公告)号：CN106850599A
公开(公告)日：2017-06-13
申请号：CN201710037609.X
申请日：2017-01-18
申请人： 中国科学院信息工程研究所
摘要： 本发明公开了一种基于融合用户行为和迅雷ID的NAT检测方法。本方法为：1)流量处理平台从捕获的网络流量中提取User‑Agent、Cookie ID、和迅雷ID信息，并将提取出的信息拼接成JSON串；2)根据网络流量的五元组将JSON串负载均衡到流量处理平台中相应的服务器进行处理；3)所述服务器根据五元组对数据进行分类，当判断某一五元组对应的TCP流结束时；对该TCP流进行在线处理；其中，在线处理方法为：根据五元组计算客户端IP的主机出度、主机入度，判定该客户端IP的NAT属性，并计算该客户端IP的主机规模。本发明能够对大量IP属性进行标定并对NAT规模进行精准判断。
-
公开(公告)号：CN103617235B
公开(公告)日：2017-01-25
申请号：CN201310611396.9
申请日：2013-11-26
申请人： 中国科学院信息工程研究所
IPC分类号： G06F17/30
摘要： 本发明涉及一种基于粒子群算法的网络水军账号识别方法，具体包括以下步骤：步骤1：收集β个用户的用户信息，从所述每个用户信息中提取λ个相关指标，得到β个指标向量；步骤2：对λ个指标根据需要分配权重，得到权重向量；步骤3：将β个指标向量按照其中每个指标大小进行排序，得到λ个序列；步骤4：选取每个用户为粒子，应用粒子群算法，将符合条件的粒子保存到水军用户列表；步骤5：选取水军用户列表中所有可疑水军用户，将符合条件的所有邻居加入水军用户列表。本发明在实时性方面，本专利提出的基于改进粒子群算法的网络水军账号识别方法更为适宜。
-
公开(公告)号：CN103745002B
公开(公告)日：2017-01-18
申请号：CN201410035139.X
申请日：2014-01-24
申请人： 中国科学院信息工程研究所
摘要： 本发明涉及一种基于行为特征与内容特征融合的水军识别方法及系统，其方法为，采集包括用户行为特征和内容特征的原始数据；利用马尔可夫链蒙特卡罗随机模型进行行为特征维度和内容特征维度的融合，组成用户特征向量；利用用户特征向量进行DBN模型训练，得到DBN模型；对DBN模型进行检测，判断检测结果是否达到预定标准，如果是则结束；否则根据检测结果生成相应的调节命令，分别调节特征融合阶段和DBN模型训练阶段的相关参数；在DBN训练过程中根据识别准确率不断优化行为特征与内容特征的比例分配，具体特征的选取，以及对DBN模型训练过程中迭代次数的调整，达到较优的训练效果，最终提高识别准确率和识别方法的自适应性。
-
公开(公告)号：CN103729678B
公开(公告)日：2016-10-05
申请号：CN201310681479.5
申请日：2013-12-12
申请人： 中国科学院信息工程研究所
摘要： 本发明涉及一种基于改进DBN模型的水军检测方法，具体包括以下步骤：步骤1：采用已分类数据集对原始DBN深度信念网络模型进行训练和检测，构成改进DBN深度信念网络模型；步骤2：将待分类数据集中的数据输入改进DBN深度信念网络模型进行分类，完成对水军用户的识别。本发明结合DBN深度信念网络和PSO粒子群算法对“苍蝇水军”进行识别，然后构造DBN模型，用已分类数据集对模型进行训练，最后用得到的模型对待分类用户数据进行分类，即实现了“苍蝇水军”的识别。该方法是对BP神经网络算法的改进，既可以保证较高的判定准确率，又具有较短的训练时间，且不易陷入局部最优解。
-
公开(公告)号：CN103716204A
公开(公告)日：2014-04-09
申请号：CN201310712975.2
申请日：2013-12-20
申请人： 中国科学院信息工程研究所
摘要： 本发明涉及一种基于维纳过程的异常入侵检测集成学习方法，包括以下步骤：选择网络流量数据集；将每个网络流量样本及其样本概率分布输入到未初始化的神经网络分类器或者经过上次训练得到的神经网络弱分类器中，判断神经网络弱分类器对每个网络流量样本是否分类错误，调整每个网络流量样本的数量及样本概率分布；反复执行步骤2，得到多个神经网络弱分类器；分别确定每个神经网络弱分类器的权重；根据每个弱分类器及每个弱分类器对应的权重，得到强分类器；将待检测网络数据流输入到强分类器中，得到入侵检测结果；重复执行步骤6，直至所有待检测网络数据流检测完毕。本发明能够解决不平衡数据集的分类问题、得到分类正确率较高的无偏分类器。
-
公开(公告)号：CN110866553A
公开(公告)日：2020-03-06
申请号：CN201911079175.5
申请日：2019-11-07
申请人： 中国科学院信息工程研究所
IPC分类号： G06K9/62
摘要： 本发明提供一种基于加密摄像头流量统计特征的用户行为分类方法及系统，其步骤包括：捕获加密智能云摄像头视频流量；将所述加密智能云摄像头视频流量切分成多个pcap文件，并分别提取每个pcap文件对应的流量统计特征；将所述流量统计特征送入至用户行为识别模型，以识别对应用户行为。本发明分析了使用厂家私有协议进行监控视频加密传输的摄像头的安全性，提出了一个简单高效的流量切分算法，实现了用户日常生活行为的细粒度化分类。
-
公开(公告)号：CN104834686B
公开(公告)日：2018-12-28
申请号：CN201510184876.0
申请日：2015-04-17
申请人： 中国科学院信息工程研究所
IPC分类号： G06F17/30
摘要： 本发明涉及一种基于混合语义矩阵的视频推荐方法，其步骤包括：1)对视频描述信息进行分词，根据词频提取关键词作为视频描述标签；2)通过Word2vec工具对包含所述视频描述标签在内的各视频标签进行向量化；3)采用熵化法得到各视频标签的权重，并构建具有权重的混合语义矩阵，通过所述混合语义矩阵表示视频与其标签之间的对应关系；4)根据所述混合语义矩阵，将视频的相似性计算转化为向量的相似度计算，实现对用户的个性化视频推荐。本发明在继承内容过滤推荐算法简单、高效的特点的同时，实现了智能特征提取和标签量化、权重分配，避免了这个过程中的专家参与，提高了视频推荐的准确率。
-
公开(公告)号：CN103716204B
公开(公告)日：2017-02-08
申请号：CN201310712975.2
申请日：2013-12-20
申请人： 中国科学院信息工程研究所
摘要： 本发明涉及一种基于维纳过程的异常入侵检测集成学习方法，包括以下步骤：选择网络流量数据集；将每个网络流量样本及其样本概率分布输入到未初始化的神经网络分类器或者经过上次训练得到的神经网络弱分类器中，判断神经网络弱分类器对每个网络流量样本是否分类错误，调整每个网络流量样本的数量及样本概率分布；反复执行步骤2，得到多个神经网络弱分类器；分别确定每个神经网络弱分类器的权重；根据每个弱分类器及每个弱分类器对应的权重，得到强分类器；将待检测网络数据流输入到强分类器中，得到入侵检测结果；重复执行步骤6，直至所有待检测网络数据流检测完毕。本发明能够解决不平衡数据集的分类问题、得到分类正确率较高的无偏分类器。
-
公开(公告)号：CN104834686A
公开(公告)日：2015-08-12
申请号：CN201510184876.0
申请日：2015-04-17
申请人： 中国科学院信息工程研究所
IPC分类号： G06F17/30
摘要： 本发明涉及一种基于混合语义矩阵的视频推荐方法，其步骤包括：1)对视频描述信息进行分词，根据词频提取关键词作为视频描述标签；2)通过Word2vec工具对包含所述视频描述标签在内的各视频标签进行向量化；3)采用熵化法得到各视频标签的权重，并构建具有权重的混合语义矩阵，通过所述混合语义矩阵表示视频与其标签之间的对应关系；4)根据所述混合语义矩阵，将视频的相似性计算转化为向量的相似度计算，实现对用户的个性化视频推荐。本发明在继承内容过滤推荐算法简单、高效的特点的同时，实现了智能特征提取和标签量化、权重分配，避免了这个过程中的专家参与，提高了视频推荐的准确率。
-
公开(公告)号：CN103617235A
公开(公告)日：2014-03-05
申请号：CN201310611396.9
申请日：2013-11-26
申请人： 中国科学院信息工程研究所
IPC分类号： G06F17/30
CPC分类号： G06F17/3089
摘要： 本发明涉及一种基于粒子群算法的网络水军账号识别方法，具体包括以下步骤：步骤1：收集β个用户的用户信息，从所述每个用户信息中提取λ个相关指标，得到β个指标向量；步骤2：对λ个指标根据需要分配权重，得到权重向量；步骤3：将β个指标向量按照其中每个指标大小进行排序，得到λ个序列；步骤4：选取每个用户为粒子，应用粒子群算法，将符合条件的粒子保存到水军用户列表；步骤5：选取水军用户列表中所有可疑水军用户，将符合条件的所有邻居加入水军用户列表。本发明在实时性方面，本发明提出的基于改进粒子群算法的网络水军账号识别方法更为适宜。
-
-
-
-
-
-
-
-
-
搜索结果
36 条记录 (耗时 0.034 秒)
