-
公开(公告)号：CN110233833A
公开(公告)日：2019-09-13
申请号：CN201910433366.0
申请日：2019-05-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明的实施例提供了支持社交网络用户隐私保护的消息发送方法及系统，包括获取用户待发送的消息和用户对于该消息的隐私保护设置；获取用户的好友列表并对于每个好友，利用预先训练好的隐私泄露概率模型计算该消息通过其泄露给每个不可见对象的概率；以及从该用户的好友列表中选择满足所述隐私保护设置的最大子集，将所述消息发送给所选择的最大子集中的每个好友。本发明实施例的技术方案能准确地预测某个消息到达某个对象的可能性，在尽可能保证消息在好友中曝光度的同时，更有效地保护用户隐私。
-
公开(公告)号：CN102609441A
公开(公告)日：2012-07-25
申请号：CN201110443604.X
申请日：2011-12-27
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供了基于分布熵的局部敏感哈希高维索引方法。该方法首先生成局部敏感哈希函数候选集合。接着，根据训练数据集，计算局部敏感哈希函数候选集合中每个哈希函数的分布熵值，并从中选取分布熵值最高的L个哈希函数作为局部敏感哈希函数集合。然后，基于该局部敏感哈希函数集合，将待索引数据集存储到哈希表中。还可以采用基于三角不等式过滤和欧氏距离排序的查询算法查询上述哈希表，得到与查询数据相似的结果集。该方法通过选择分布熵值高的哈希函数，更好地适应了数据的分布，从而优化了哈希表索引结构，减小了索引的内存消耗，同时使得查询更加准确和高效。
-
Patent Agency Ranking
公开(公告)号：CN110233833B
公开(公告)日：2020-09-29
申请号：CN201910433366.0
申请日：2019-05-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明的实施例提供了支持社交网络用户隐私保护的消息发送方法及系统，包括获取用户待发送的消息和用户对于该消息的隐私保护设置；获取用户的好友列表并对于每个好友，利用预先训练好的隐私泄露概率模型计算该消息通过其泄露给每个不可见对象的概率；以及从该用户的好友列表中选择满足所述隐私保护设置的最大子集，将所述消息发送给所选择的最大子集中的每个好友。本发明实施例的技术方案能准确地预测某个消息到达某个对象的可能性，在尽可能保证消息在好友中曝光度的同时，更有效地保护用户隐私。
-
公开(公告)号：CN102360408A
公开(公告)日：2012-02-22
申请号：CN201110290172.3
申请日：2011-09-28
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
Abstract: 本发明提出了一种OLAP引擎辅助的、以恶意代码主控端被控端交互行为为特征的、基于挖掘的恶意代码检测方法及其对应的原型系统。其中检测方法包括首先探测网络步骤101；然后提取可疑主控端行为201；接下来扩充训练集301-303；训练分类器401；刷新Cube501；序列挖掘601-606；生成规则701。检测系统包括侦测模块、训练样本池、SVM分类器、关系数据库、OLAP引擎、特征序列挖掘引擎和知识库。
-
公开(公告)号：CN110609889B
公开(公告)日：2021-11-23
申请号：CN201910813797.X
申请日：2019-08-30
Applicant: 中国科学院计算技术研究所
IPC: G06F16/332
Abstract: 本发明的实施例提供了用于确定学术网络中对象重要性排名的方法以及基于学术网络选择评审专家的方法和系统，包括在学术网络中选择以被排名对象为目标对象的元路径作为主元路径，并为该主元路径中每个对象类型确定辅助元路径；对于主元路径中每个对象类型，沿主元路径获取对象类型的相关关系排名向量并沿辅助元路径获取该对象类型的内部关系排名向量，从而确定该对象类型的重要性排名向量；以及根据作为被排名对象的学者类型对象的重要性排名向量来选择参与学术评审的专家。在本发明中通过在学术网络中构建组合元路径获取学者重要性排名，扩大了语义捕捉的范围，使得学者重要性排名更精确和可信，从而更有利于评审专家的选择和学术评审质量的改善。
-
公开(公告)号：CN110609889A
公开(公告)日：2019-12-24
申请号：CN201910813797.X
申请日：2019-08-30
Applicant: 中国科学院计算技术研究所
IPC: G06F16/332
Abstract: 本发明的实施例提供了用于确定学术网络中对象重要性排名的方法以及基于学术网络选择评审专家的方法和系统，包括在学术网络中选择以被排名对象为目标对象的元路径作为主元路径，并为该主元路径中每个对象类型确定辅助元路径；对于主元路径中每个对象类型，沿主元路径获取对象类型的相关关系排名向量并沿辅助元路径获取该对象类型的内部关系排名向量，从而确定该对象类型的重要性排名向量；以及根据作为被排名对象的学者类型对象的重要性排名向量来选择参与学术评审的专家。在本发明中通过在学术网络中构建组合元路径获取学者重要性排名，扩大了语义捕捉的范围，使得学者重要性排名更精确和可信，从而更有利于评审专家的选择和学术评审质量的改善。
-
公开(公告)号：CN102609441B
公开(公告)日：2014-06-25
申请号：CN201110443604.X
申请日：2011-12-27
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供了基于分布熵的局部敏感哈希高维索引方法。该方法首先生成局部敏感哈希函数候选集合。接着，根据训练数据集，计算局部敏感哈希函数候选集合中每个哈希函数的分布熵值，并从中选取分布熵值最高的L个哈希函数作为局部敏感哈希函数集合。然后，基于该局部敏感哈希函数集合，将待索引数据集存储到哈希表中。还可以采用基于三角不等式过滤和欧氏距离排序的查询算法查询上述哈希表，得到与查询数据相似的结果集。该方法通过选择分布熵值高的哈希函数，更好地适应了数据的分布，从而优化了哈希表索引结构，减小了索引的内存消耗，同时使得查询更加准确和高效。
-
-
-
-
-
-
Search Results
7
records
(took 0.044 seconds)
