-
公开(公告)号：CN109902202A
公开(公告)日：2019-06-18
申请号：CN201910015462.3
申请日：2019-01-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Abstract: 本发明提供一种视频分类方法及装置，用以解决相关技术中基于显著性引导的分类模型的分类性能较低的问题。该方法包括：提取待分类视频的关键帧；将所述关键帧输入预先根据训练集训练得到的双路神经网络模型，得到所述视频的分类结果以及所述视频的显著图，所述训练集中包括按照视频类型进行分类的视频以及视频显著图，所述双路神经网络模型包括一路用于对所述视频进行分类的第一子神经网络以及一路用于确定所述视频的显著图的第二子神经网络；将得到的所述显著图中置信度高于第一阈值的显著图加入所述训练集；使用所述训练集中的视频显著图重新训练所述第二子神经网络，得到更新后的双路神经网络模型。本发明有效提高了视频分类的性能。
-
公开(公告)号：CN109902202B
公开(公告)日：2021-06-22
申请号：CN201910015462.3
申请日：2019-01-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Abstract: 本发明提供一种视频分类方法及装置，用以解决相关技术中基于显著性引导的分类模型的分类性能较低的问题。该方法包括：提取待分类视频的关键帧；将所述关键帧输入预先根据训练集训练得到的双路神经网络模型，得到所述视频的分类结果以及所述视频的显著图，所述训练集中包括按照视频类型进行分类的视频以及视频显著图，所述双路神经网络模型包括一路用于对所述视频进行分类的第一子神经网络以及一路用于确定所述视频的显著图的第二子神经网络；将得到的所述显著图中置信度高于第一阈值的显著图加入所述训练集；使用所述训练集中的视频显著图重新训练所述第二子神经网络，得到更新后的双路神经网络模型。本发明有效提高了视频分类的性能。
-
公开(公告)号：CN114519351B
公开(公告)日：2024-10-29
申请号：CN202210156822.3
申请日：2022-02-21
Applicant: 国家计算机网络与信息安全管理中心上海分中心
IPC: G06F40/289 , G06F40/216 , G06F16/28 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于用户意图嵌入图谱学习的主题文本快速检测方法，属于文本检测技术领域，该检测方法具体步骤如下：(1)识别主题文本以抽取主题特征；(2)嵌入用户意图以进行结构化提取；(3)对知识图谱进行结构化处理；(4)构建深度学习模型以检测主题文本；本发明能够更容易用户操作，贴近用户意图，与人工判定结果更为贴近，通过融合主动搜索知识图谱和深度学习的方法，能够提升算法识别性能，提高效率，识别准确率和召回率较高。
-
公开(公告)号：CN116680419B
公开(公告)日：2023-12-26
申请号：CN202310955604.0
申请日：2023-08-01
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/36 , G06F40/216 , G06F40/30 , G06F40/295
Abstract: 本发明涉及自然语言处理技术领域，提供一种多源数据映射关联细粒度不良信息检测方法，所述方法包括：获取待检测文本和历史浏览文本，待检测文本和历史浏览文本属于同一用户的浏览文本；对待检测文本进行实体关系抽取，得到待检测三元组；获取历史浏览文本中的不良信息所对应的历史三元组，并基于历史三元组与待检测三元组之间的关联度，从待检测三元组中确定出待检测文本中的不良信息所对应的三元组。本发明提供的一种多源数据映射关联细粒度不良信息检测方法，能够准确从待检测三元组中确定出待检测文本中的不良信息所对应的三元组，避免传统方法中分词演变绕过黑名单机制导致漏检的问题，进一步提高的不良信息的检测精度。
-
公开(公告)号：CN113297934A
公开(公告)日：2021-08-24
申请号：CN202110512224.0
申请日：2021-05-11
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了检测互联网暴力有害场景的多模态视频行为分析方法，主要包括视频场景人物快速定位检测、视频场景行为判别、视频场景有害程度定性三个阶段，该方法在行为识别的基础上，将目标人物情绪、网络评论弹幕情绪作为判定维度，实现对特定有害场景的精准发现。
-
Patent Agency Ranking
公开(公告)号：CN119068375A
公开(公告)日：2024-12-03
申请号：CN202310617738.1
申请日：2023-05-30
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06V20/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06F16/75 , G06F16/783
Abstract: 本发明实施例提供了一种视频类别确定方法和装置，其中，该方法包括：获取多个视频数据集作为训练样本，其中，训练样本包括支撑集和测试集；通过预训练网络分别提取支撑集和测试集的关键帧，并基于支撑集通过Faiss方法构建关键帧检索库；通过预先设定的小样本分类方法基于测试集的关键帧和关键帧检索库进行分类训练，得到分类模型；获取待分类的视频，通过分类模型对待分类的视频进行分类，得到分类结果。通过本发明，解决了视频某一维度信息的分类结果不够准确的问题，达到对视频维度信息分类更准确的效果。
-
公开(公告)号：CN117496394B
公开(公告)日：2024-07-02
申请号：CN202311337406.4
申请日：2023-10-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/084 , G06N3/0464 , G10L25/57 , G10L25/30
Abstract: 本发明提供一种基于图像和语音多模态融合的伪造视频检测方法及装置，该方法涉及视频检测技术领域，包括：将待检测视频进行预处理，得到多个视频片段；待检测视频包括音频，每个视频片段包括音频；针对每个视频片段，分别提取视频片段的视频特征向量和视频片段中的音频的音频特征向量；基于各视频特征向量和各音频特征向量，确定待检测视频对应的总视频特征向量和总音频特征向量；基于各视频特征向量、各音频特征向量、总视频特征向量和总音频特征向量，确定待检测视频的目标检测结果；目标检测结果表示待检测视频为伪造视频或者真实视频，提升了待检测视频的目标检测结果的准确性，进而提升了对待检测视频中深度伪造内容的检测精度。
-
公开(公告)号：CN115460061B
公开(公告)日：2024-04-30
申请号：CN202210926827.X
申请日：2022-08-03
Applicant: 中国科学院信息工程研究所 , 国家计算机网络与信息安全管理中心
IPC: H04L41/0631 , H04L41/08 , H04L41/0803 , H04L41/14 , H04L43/0823 , H04L43/50
Abstract: 本发明公开了一种基于智能运维场景的健康度评价方法及装置。所述方法包括：收集运维系统的日志数据和配置数据；对所述日志数据和所述配置数据进行预处理，以构建业务关键信息数据库；基于配置id在各设定时间间隔中的数据与标签，分别训练向量自回归模型与LSTM‑AE模型，以获取每一配置id在预测时间的向量自回归模型异常分数和LSTM‑AE模型异常分数；综合所述配置id在预测时间的向量自回归模型异常分数和LSTM‑AE模型异常分数，得到所述配置id在预测时间的异常分数；基于各配置id在预测时间的异常分数，计算所述运维系统在预测时间的健康度。本发明实现了对于智能运维场景的健康度评估。
-
公开(公告)号：CN117201192A
公开(公告)日：2023-12-08
申请号：CN202311461257.2
申请日：2023-11-06
Applicant: 国家计算机网络与信息安全管理中心 , 信联科技(南京)有限公司
Abstract: 本发明涉及一种基于环境度量的零信任单包通信方法及系统，引入终端所在环境中预设各环境指标度量信息所构的终端信息，构建单包认证报文进行应用，在通过用户认证信息的认证后，针对各申请业务系统所构申请策略，依次进行交集匹配、以及联系终端信息的匹配处理，获得终端对应的各目标匹配业务系统，并提供关于相应准入网络，供终端进行访问；设计方案通过扩展单包认证协议，定义基于位标识的环境度量信息交换结构，实现对终端环境度量信息的有效传递，并基于终端访问策略，支持对终端风险的评估的动态访问控制，进一步提高终端的准入控制能力，有效避免问题终端接入或访问高敏感网络或系统的风险的发生，提高整个网络安全性。
-
公开(公告)号：CN110674673A
公开(公告)日：2020-01-10
申请号：CN201910697979.5
申请日：2019-07-31
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明提出了一种视频关键帧抽取方法、装置和存储介质，用以减少视频处理过程中的冗余信息，提高视频处理速度。所述视频关键帧抽取方法，包括：从待分析视频中提取I帧；针对提取的每一I帧，利用深度哈希网络确定其对应的深度哈希码，所述深度哈希网络为利用预先生成的图像样本对进行训练得到的；根据各I帧对应的深度哈希码，分别确定两两I帧深度哈希码之间的汉明距离；根据两两I帧深度哈希码之间的汉明距离，对提取的I帧进行聚类；针对每一聚类，分别确定该聚类中包含的每一I帧的信息熵；从每一聚类中，提取信息熵最大的I帧组成所述待分析视频的关键帧。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.047 seconds)
