-
公开(公告)号：CN119990203A
公开(公告)日：2025-05-13
申请号：CN202411812196.4
申请日：2024-12-10
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
IPC: G06N3/06 , G06F18/2431
Abstract: 本发明提供一种大模型安全神经元筛选方法和装置，方法包括：对基础大模型进行安全对齐，得到安全对齐模型；计算所述安全对齐模型和所述基础大模型的神经元激活差异；基于所述神经元激活差异，确定对所述基础大模型进行安全对齐时的安全神经元。本发明从模型自身内部的性质出发，不受任务形式限制，容易扩展，适用于大模型中的安全神经元发现，为进一步研究大模型的安全机理提供方案。
-
公开(公告)号：CN119990134A
公开(公告)日：2025-05-13
申请号：CN202411808989.9
申请日：2024-12-10
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
IPC: G06F40/30 , G06F40/284 , G06F40/237
Abstract: 本发明提供一种使用自述式提示与集成梯度的语义贡献识别方法及系统，包括：获取输入数据并编写特定的问题提示；将所述问题提示多次输入至预设的大语言模型，引导大语言模型自动识别并报告在决策过程中起到关键作用的词汇，生成关键词提议集合；基于所述关键词提议集合抽取关键词，生成第一语义贡献度列表；基于所述输入数据通过预设的公式进行集成梯度计算，生成第二语义贡献度列表；将所述第一语义贡献度列表和第二语义贡献度列表进行整合分析，确定对大语言模型决策有重大影响的词汇。本发明解决了现有技术中大语言模型行为解释单一方法的局限性问题，提高了模型解释的全面性和准确性，满足了在多种自然语言处理应用中对可解释性的要求。
-
公开(公告)号：CN118657148A
公开(公告)日：2024-09-17
申请号：CN202410681340.9
申请日：2024-05-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/295 , G06F40/205 , G06F40/126 , G06F16/33
Abstract: 本发明提供一种实体关系抽取方法、装置、电子设备以及存储介质，涉及人工智能技术领域。实体关系抽取方法包括：利用注意力模型，处理待处理文本以及目标实体关系词，得到实体关系判别信息；利用实体关系判别信息，得到目标第一命名实体与候选第二命名实体在待处理文本中的第一关联度、目标第一命名实体与目标实体关系词在待处理文本中的第二关联度，以及候选第二命名实体与目标实体关系词在待处理文本中的第三关联度；响应于第一关联度、第二关联度以及第三关联度均大于各自对应的预设阈值，从待处理文本中抽取出目标第一命名实体和候选第二命名实体之间的待抽取的实体关系。本发明可以准确、高效地执行实体关系抽取任务。
-
公开(公告)号：CN118643380A
公开(公告)日：2024-09-13
申请号：CN202410654369.8
申请日：2024-05-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/241 , G06F18/214 , G06F18/22 , G06F16/35 , G06F40/30 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本公开涉及一种水军识别模型生成方法、水军账号识别方法、装置、设备；方法包括：构建水军账号样本集；所述水军账号样本集包括：多个普通账号在预设时间内的多条动态发文信息以及每条动态发文信息对应的静态账号信息，多个水军账号在预设时间内的多条动态发文信息以及每条动态发文信息对应的静态账号信息；对所述水军账号样本集中的数据进行预处理，得到训练数据集；将所述训练数据集输入预设水军识别模型中进行训练，得到目标水军识别模型。本方法能够高效准确地识别水军账号。
-
公开(公告)号：CN116821455A
公开(公告)日：2023-09-29
申请号：CN202310511094.8
申请日：2023-05-08
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/951 , G06F16/9537 , G06F16/35 , G06F40/216 , G06F40/284 , H04L67/1004 , H04L67/52 , H04L51/52
Abstract: 本发明公开了一种基于社交工具的区域数据回溯分析方法，包括：步骤一，提供一个前端浏览器访问页面，创建区域任务参数，将区域任务转化成json格式存放并进入消息队列；步骤二，实时监听消息队列，解析得到区域任务并分发到各个节点；步骤三，各个节点通过所述区域任务参数对社交工具的区域数据进行回溯获取；步骤四，对获取的每条数据进行分析，包括计算哈希值、提取关键词、标记语言标签；步骤五，以索引的形式将每条数据的分析结果及其原始数据存储入库。本发明还公开了一种基于社交工具的区域数据回溯分析系统，及电子设备和存储介质。本发明通过对特定地理区域的社交工具数据获取，能够实现对获取到的数据结合具体的业务逻辑进行分析。
-
Patent Agency Ranking
公开(公告)号：CN116782199A
公开(公告)日：2023-09-19
申请号：CN202310505748.6
申请日：2023-05-08
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于虚拟设备生成采集资源的方法，包括：构建虚拟移动终端设备；基于虚拟移动终端设备的设备信息，利用移动客户端进行注册并生成采集资源；对采集资源进行可用性测试；保存可用的采集资源。本发明通过虚拟移动终端设备生成采集资源，使用生成的采集资源访问移动客户端进行数据采集，使采集的数据与构建的虚拟移动终端设备关联，从而实现特定设备的精准数据采集，同时也可快速收集设备和应用程序的基础信息。其次，由于移动终端设备是虚拟构建的，因此无需购买实体设备，降低了数据采集成本、管理成本和管理复杂度。
-
公开(公告)号：CN116720009A
公开(公告)日：2023-09-08
申请号：CN202310538132.9
申请日：2023-05-12
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9536 , G06F16/9535
Abstract: 本公开涉及一种社交机器人检测方法、装置、设备及存储介质。本公开通过获取社交属性数据、推文属性数据和社交行为数据，可以确定用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，由于节点特征向量中的每个元素均为用户节点某个维度的特征，因此，节点特征向量从多个维度更加全面地描述了用户节点的特征，而用户节点与其他用户节点之间的关联关系为异构关联关系，异构关联关系可以理解为不同类型的关联关系，包括显性关系和隐性关系，因此，基于用户节点的节点特征向量以及用户节点与其他用户节点之间的关联关系，能够挖掘不同用户账户之间的行为关联性，从而更加有效地识别伪装成真实用户的社交机器人及社交机器人群体。
-
公开(公告)号：CN111680059B
公开(公告)日：2023-08-15
申请号：CN202010356697.1
申请日：2020-04-29
Applicant: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC: G06F16/245 , G06F16/9536 , G06F21/31
Abstract: 本发明公开了一种基于特定区域的活跃人员、常驻人员的分析方法，其包括：S1、采集特定区域内的账户信息；S2、对账户信息进行去重；根据人员记录库中的账户信息更新人员统计库中的账户ID、账户的出现时间、账户所在地的经纬度以及账户的出现次数；S3、基于人员统计库，将出现次数排名靠前的账户标识为活跃人员；S4、基于人员记录库，从活跃人员中分别过滤出有效人员、稳定人员，有效人员和稳定人员的并集为常驻人员。本发明可有效地统计和识别出某个特定区域的社交渠道上的活跃人员和常驻人员，进而实现更加高效和多方面的支持网络舆情的分析工作。
-
公开(公告)号：CN116467454A
公开(公告)日：2023-07-21
申请号：CN202310504562.9
申请日：2023-05-06
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/9537 , G06F40/194
Abstract: 本发明公开了一种综合多模型的网络热点话题传播模式分类方法，其包括以下步骤：步骤一、收集平台t时间段内的目标热点话题的帖子数据；步骤二、基于帖子数据计算帖子基本维度信息；步骤三、绘制关于时间‑帖子数量的话题热度变化曲线；步骤四、提取目标热点话题的竞争性话题，并计算竞争性话题数量；步骤五、基于帖子数据，量化目标热点话题的传播角色的信息；步骤六、通过漏斗模型和网络模型，进行目标热点话题的传播模式识别分类。本发明构建了一种普适的网络热点话题传播模式识别分类方法，能够有效地判断话题的传播类型，即使在话题部分维度数据缺失的情况下仍然具有较好的分类结果。
-
公开(公告)号：CN113449601B
公开(公告)日：2023-05-16
申请号：CN202110591209.X
申请日：2021-05-28
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
IPC: G06V40/10 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于渐进性平滑损失的行人重识别模型训练方法，包括：获取训练样本数据；其中，所述训练样本数据包括多个包含行人的视频；将所述训练样本数据输入至初始模型中，得到对应各所述包含行人的视频的帧级别特征和视频级别特征；分别基于所述帧级别特征和所述视频级别特征计算第一损失和第二损失；基于所述第一损失和所述第二损失对所述初始模型的模型参数进行优化，得到行人重识别模型。
-
-
-
-
-
-
-
-
-
Search Results
325
records
(took 0.095 seconds)
