-
公开(公告)号：CN111291384B
公开(公告)日：2020-09-08
申请号：CN202010347141.6
申请日：2020-04-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种漏洞扫描方法、装置及电子设备，该方法包括：当接收扫描插件创建指令时，基于创建指令中的插件信息，通过在线编辑方式生成用于扫描目标漏洞的目标漏洞扫描插件；基于目标漏洞扫描插件以及调试目标信息生成调试任务；执行该调试任务，并基于执行结果对目标漏洞扫描插件进行调试，以使调试后的目标扫描漏洞扫描插件满足预设条件；基于调试后的目标漏洞扫描插件执行漏洞扫描任务。该方法可以简化漏洞扫描插件开发流程，缩短开发时间，提高开发效率。
-
公开(公告)号：CN118018460B
公开(公告)日：2025-02-07
申请号：CN202410411551.0
申请日：2024-04-07
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L43/0876 , H04L69/22 , H04L41/16 , H04L67/02
Abstract: 本申请提供一种API资产识别方法、装置及设备，该方法包括：通过流量监测方式，获取用于资产识别的流量数据；在获取到的流量数据为应用程序接口API接口会话流量的情况下，对获取到的流量数据进行解析，获取流量数据中的API接口会话信息；对获取到的API接口会话信息进行API接口特征提取；依据提取到的API接口特征，利用预先训练的机器学习模型，进行资产识别。该方法可以降低资产识别的数据复杂度，提高方法的适用性以及资产识别的准确性。
-
公开(公告)号：CN119357850A
公开(公告)日：2025-01-24
申请号：CN202411930899.7
申请日：2024-12-25
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F18/2431 , G06F18/214 , G06N3/0464 , G06F21/62 , G06N3/084 , H04L9/40 , H04L67/12
Abstract: 本申请提供了基于少样本预学习的物联网隐私泄露检测方法及设备。本实施例通过构建由内层模型+外层预学习器组成的物联网隐私泄露检测模型，以使得按照内循环（基于单个训练任务训练内层模型）和外循环（基于各训练任务训练出的内层模型的损失情况优化外层预学习器、以及基于优化后的外层预学习器优化内层模型）相配合的方式训练出满足要求的物联网隐私泄露检测模型，相比常规单一训练模式，其可以实现在少量样本的情况下快速训练模型的，且这种内层模型的训练决定外层预学习器的优化而外层预学习器决定内层模型的优化的方式，相互决策，能够保证最终训练出的目标物联网隐私泄露检测模型具有较高的检测准确率，提高物联网隐私泄露检测的准确度。
-
公开(公告)号：CN119150363A
公开(公告)日：2024-12-17
申请号：CN202411630424.6
申请日：2024-11-14
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本公开提供一种基于大语言模型驱动的应用隐私安全检测方法，涉及网络安全技术领域，用于基于大语言模型驱动移动应用自行运行，在运行过程中检测隐私参数是否符合安全要求；不需消耗人力即可进行自动化检测，提高了检测效率。该方法包括：获取任务描述信息；识别待检测移动应用当前的界面结构信息并获取历史操作记录；对任务描述信息、当前的界面结构信息和历史操作记录进行多次处理生成目标向量表示，并将目标向量表示输入至大语言模型得到操作指令提示；根据操作指令提示控制待检测移动应用执行目标操作；在待检测移动应用执行目标操作的过程中，对待检测移动应用的隐私参数进行检测，确定隐私参数是否符合安全要求。
-
公开(公告)号：CN119128993A
公开(公告)日：2024-12-13
申请号：CN202411620475.0
申请日：2024-11-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/62 , G06F21/55 , G06F18/213 , G06N3/04 , G06N3/08
Abstract: 本申请实施例提供基于并行深度神经网络的隐私泄露检测方法。本申请实施例中，先从获得的隐私数据集的每一隐私样本数据中提取敏感隐私特征以得到该隐私样本数据对应的敏感隐私特征向量；之后，由本设备上N个CPU内核基于各隐私样本数据对应的敏感隐私特征向量并行训练出对应的DNN模型，以当任一检测设备需要检测任一目标网络流时利用已训练出的DNN模型检测该目标网络流是否出现隐私泄露，这样实现了物联网设备隐私泄露的检测，保证了物联网设备的信息安全。本实施例中由N个CPU内核并行训练多个DNN模型，这样能够使得各DNN模型之间的模型参数不会相互影响，避免DNN模型间的耦合，提高了各DNN模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN118869357A
公开(公告)日：2024-10-29
申请号：CN202411327891.1
申请日：2024-09-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L9/40 , G06F18/2433 , G06N3/0455
Abstract: 本申请实施例提供了零信任行为异常检测方法、装置、电子设备及存储介质。方法包括：获取各实体设备在测试时间段内的测试特征数据，其中，测试特征数据包括：全局特征数据、统计特征数据、序列特征数据；全局特征数据用于表征请求实体和资源实体之间的关联关系；统计特征数据用于表征请求实体和资源实体之间的行为的行为类型和行为结果，序列特征数据用于表征请求实体和资源实体之间的行为的关联顺序；将测试特征数据输入至自编码器模型中，计算得到自编码器模型输出的解码数据；若解码数据与测试特征数据之间的差异大于预设阈值，则确定实体设备行为异常。可以实现对实体设备的异常检测。
-
公开(公告)号：CN117579397B
公开(公告)日：2024-03-26
申请号：CN202410064005.4
申请日：2024-01-16
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L9/40 , H04L67/12 , G06N20/20 , G06F18/23213 , G06F18/2411 , G06F18/2431 , G06F18/2433
Abstract: 本申请提供一种基于小样本集成学习的物联网隐私泄露检测方法及装置，该方法包括：获取原始数据集，原始数据集包括多个网络流量；对原始数据集中的多个网络流量进行预处理得到多个流量特征；从所有流量特征中选取多个候选流量特征，每个候选流量特征均包括多个流量特征值；对候选流量特征的多个流量特征值进行降维得到目标流量特征，目标流量特征包括该候选流量特征的部分特征值；将多个候选流量特征对应的多个目标流量特征发送给管理设备，由管理设备基于多个目标流量特征训练至少两个分类模型，至少两个分类模型用于检测物联网设备是否存在隐私泄露。通过本申请的技术方案，能够检测物联网设备是否存在隐私信息泄露，并保证数据的安全性。
-
公开(公告)号：CN117173161B
公开(公告)日：2024-02-23
申请号：CN202311426668.8
申请日：2023-10-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种内容安全检测方法、装置、设备及系统，该方法包括：获取待检测图像数据；对所述待检测图像数据进行特征提取，得到所述待检测图像数据对应的特征信息；在所述目标设备为画面拼接的子设备的情况下，将所述特征信息以及所述目标设备对应的拼接参数上传至服务端，由所述服务端依据画面拼接的各子设备对应的拼接参数确定各子设备之间的拼接关系，依据各子设备之间的拼接关系对各子设备上报的特征信息进行拼接，并对拼接后的特征信息进行内容安全检测；接收所述服务端发送的检测反(56)对比文件CN 113076961 A,2021.07.06CN 113724137 A,2021.11.30CN 113807253 A,2021.12.17CN 114072760 A,2022.02.18CN 115661490 A,2023.01.31CN 116241987 A,2023.06.09CN 116543397 A,2023.08.04CN 116823608 A,2023.09.29CN 205901897 U,2017.01.18CN 219276692 U,2023.06.30US 2018113664 A1,2018.04.26范凌云.基于图像分块的ORB特征均匀提取实现《.电子世界》.2020,39-40+43.Jianhua Adu et al.Image fusion basedon nonsubsampled contourlet transform forinfrared and visible light image.《Infrared Physics & Technology 》.2013,94-100.高国保等.拼接投影的边缘融合处理问题.《现代显示》.2007,(第3期),49-53.
-
公开(公告)号：CN117579397A
公开(公告)日：2024-02-20
申请号：CN202410064005.4
申请日：2024-01-16
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04L9/40 , H04L67/12 , G06N20/20 , G06F18/23213 , G06F18/2411 , G06F18/2431 , G06F18/2433
Abstract: 本申请提供一种基于小样本集成学习的物联网隐私泄露检测方法及装置，该方法包括：获取原始数据集，原始数据集包括多个网络流量；对原始数据集中的多个网络流量进行预处理得到多个流量特征；从所有流量特征中选取多个候选流量特征，每个候选流量特征均包括多个流量特征值；对候选流量特征的多个流量特征值进行降维得到目标流量特征，目标流量特征包括该候选流量特征的部分特征值；将多个候选流量特征对应的多个目标流量特征发送给管理设备，由管理设备基于多个目标流量特征训练至少两个分类模型，至少两个分类模型用于检测物联网设备是否存在隐私泄露。通过本申请的技术方案，能够检测物联网设备是否存在隐私信息泄露，并保证数据的安全性。
-
公开(公告)号：CN113837381B
公开(公告)日：2024-01-05
申请号：CN202111112277.X
申请日：2021-09-18
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/082 , G06N3/0464
Abstract: 本申请实施例提供了一种深度神经网络模型的网络剪枝方法、装置、设备及介质，涉及人工智能技术领域，包括获得待剪枝模型中各个通道的缩放系数；利用各个通道的缩放系数确定反映各个通道重要性程度的贡献量，对各个通道的输出值进行加权处理，得到模拟剪枝模型；利用样本数据对模拟剪枝模型重新训练，通过重新训练后模拟剪枝模型的BN层获得各个通道的缩放系数，利用重新训练前各个通道的贡献量，得到每一通道校正后的缩放系数；返回确定贡献量的步骤，得到新的模拟剪枝模型，直至满足预设的相似条件；通过新的模拟剪枝模型的BN层获得各个通道的缩放系数，利用所获得的缩放系数对待剪枝模型进行网络剪枝。本方案可以提高网络剪枝
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.044 seconds)
