-
公开(公告)号：CN108806668A
公开(公告)日：2018-11-13
申请号：CN201810590276.8
申请日：2018-06-08
Applicant: 国家计算机网络与信息安全管理中心 , 讯飞智元信息科技有限公司
IPC: G10L15/02 , G10L15/06 , G10L15/08 , G10L15/26 , G10L17/02 , G10L17/04 , G10L17/22 , G10L21/0272 , G10L25/87
CPC classification number: G10L15/02 , G10L15/063 , G10L15/08 , G10L15/26 , G10L17/02 , G10L17/04 , G10L17/22 , G10L21/0272 , G10L25/87
Abstract: 本发明公开一种音视频多维度标注与模型优化方法，具体包括如下步骤：首先进行样本管理与分拣，针对输入系统的样本数据进行去重，编号，建立样本标注任务库；音频数据预处理阶段，将任务库的视频数据进行音频抽取，同时完成对音频数据的预处理操作；音频内容分析与特征提取阶段，在完成音频预处理后，并依据后台已配置的标注规范体系进行深度分析输出标签数据；步骤304：视频内容分析与特征提取阶段，通过对视频内容进行图像分析，并依据后台已配置的标注规范体系进行深度分析输出标签数据；步骤305：特征融合与标签生成，将识别特征与标签信息融合，输出该样本的标签结果；人工复核与模型优化，系统产生的标签结果数据会经由人工进行复核确认。
-
公开(公告)号：CN118051623A
公开(公告)日：2024-05-17
申请号：CN202410028993.7
申请日：2024-01-08
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/36 , G06F16/35 , G06N5/025 , G06N5/04 , G06F40/295 , G06F40/30 , G06F40/289 , G06F16/951 , G06F16/9535 , G06F16/9538 , H04L67/55
Abstract: 本发明涉及人工智能和知识工程技术领域,本发明提供了一种移动应用知识库构建系统和方法，能够实现面向移动应用知识库的构建，完成移动应用知识库的智能应用。本发明移动应用知识库构建系统，基于APP(应用)基础信息和内容数据的多源异构数据，通过应用实体抽取、属性抽取、关系抽取等结构化处理，结合移动APP推理规则和移动APP标签图谱实现，为移动APP相似性、关联性分析以及移动应用内容分析、风险研判等建立基于检索式的知识服务方式，提供了一种面向移动应用的知识库，是一套面向业务应用的知识属性体系，提高相关的工作和生产效率。
-
公开(公告)号：CN117278253A
公开(公告)日：2023-12-22
申请号：CN202311043720.1
申请日：2023-08-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L9/40 , H04L61/4511 , G06F21/56 , G06N3/04
Abstract: 一种基于DNS流量特征与进程特征的恶意软件检测装置与方法，该装置主要包括：DNS进程特征采集模块，部署于要保护的终端主机上，用于确定发起DNS请求的进程，获取其特征信息；DNS流量特征采集模块，部署于网关，用于获取终端主机发起的DNS请求，获取其流量特征信息；数据整合模块，用于对上述模块收集到的特征信息进行关联后发送给分析模块；分析模块，将收到的DNS特征数据输入预先训练好的神经网络，判断对应的进程是否有害。监控DNS请求中的流量特征和进程特征，有效地发现设备中存在的恶意软件。
-
公开(公告)号：CN113608946B
公开(公告)日：2023-09-12
申请号：CN202110910834.6
申请日：2021-08-10
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 基于特征工程和表示学习的机器行为识别方法，由三个步骤构成：步骤一，对大数据进行分析，通过时间、频次等多维度的信息，建立3σ模型，用于确定机器行为的访问时间频段，在机器行为的访问时间频段下，通过分组聚合等方式，归纳总结提取出基于机器行为的特征；步骤二，并通过查阅API文档、软件模拟复现、官方的RFC文档等方式对行为进行定义和命名，整合成一组完备的机器行为特征，完成基于特征工程机器行为识别工作；步骤三，对识别效果不佳的模型加入与其他行为存在交集的特征，去排除其他行为，以提高准确率。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN115114427A
公开(公告)日：2022-09-27
申请号：CN202210279929.7
申请日：2022-03-21
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
Abstract: 本发明公开一种基于预训练和多任务学习的文本摘要和关键词抽取方法，属于文本信息抽取领域，基于预训练语言模型在抽取任务上进行针对性的进一步微调，并在关键词抽取任务与摘要抽取任务的协作下用于抽取关键词和摘要。本发明能够解决现有文本关键词抽取和摘要抽取技术存在的准确率和召回率低的问题。
-
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。
-
公开(公告)号：CN117391072A
公开(公告)日：2024-01-12
申请号：CN202311173762.7
申请日：2023-09-12
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种基于遮挡语言模型的文本纠错方法、系统、设备及介质，能够通过无监督学习大量语料文本的方式，完成对文本的智能纠错，不需要人工标记的大量语料。本发明在不需要准备专门的平行语料的情况下完成中文文本纠错的任务，只需要提供大量中文语言的文本给语言模型自动进行训练即可，采用无监督学习大量语言文本的方式拓展了平行语料范围有限造成的局限性，不需要人工标记的大量语料。本发明采用遮挡语言模型的方式进行文本纠错，其过程中通过无监督学习大量语料文本的方式，完成对文本的智能纠错，应用于针对中文文本纠错的系统中，发现并纠错文本中在输入等过程中产生的错误。
-
公开(公告)号：CN115460061A
公开(公告)日：2022-12-09
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：CN113608946A
公开(公告)日：2021-11-05
申请号：CN202110910834.6
申请日：2021-08-10
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 基于特征工程和表示学习的机器行为识别方法，由三个步骤构成：步骤一，对大数据进行分析，通过时间、频次等多维度的信息，建立3σ模型，用于确定机器行为的访问时间频段，在机器行为的访问时间频段下，通过分组聚合等方式，归纳总结提取出基于机器行为的特征；步骤二，并通过查阅API文档、软件模拟复现、官方的RFC文档等方式对行为进行定义和命名，整合成一组完备的机器行为特征，完成基于特征工程机器行为识别工作；步骤三，对识别效果不佳的模型加入与其他行为存在交集的特征，去排除其他行为，以提高准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.063 seconds)
