-
公开(公告)号：CN119863691A
公开(公告)日：2025-04-22
申请号：CN202510348747.4
申请日：2025-03-21
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种基于多模态大模型的图像隐私定位识别方法及装置，该方法包括：基于语义token获取初始查询特征，基于初始查询特征、局部视觉token序列和全局视觉token生成条件查询特征；基于融合特征和条件查询特征确定目标查询特征；将目标查询特征输入给多模态大模型得到预测位置和预测类别；若预测类别与隐私对象描述的相似度大于语义相似度阈值，确定待检测图像存在用户关注的隐私对象，对与预测位置匹配的内容进行脱敏；若相似度不大于语义相似度阈值，确定待检测图像存在用户不关注的隐私对象，对与预测位置匹配的内容不进行脱敏。通过本申请方案，能够有效识别图像中隐私信息。
-
公开(公告)号：CN119442123B
公开(公告)日：2025-04-22
申请号：CN202510045375.8
申请日：2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供基于多模态大模型的异常信息检测方法及装置。在本实施例中，在确定了存在异常信息的前提下，再进行异常信息的具体内容的检测方式，这相比于直接对目标文件进行异常信息的具体细节的检测，一方面，不再是同时进行异常信息的检测和异常信息的具体内容的检测，这使得在进行是否存在异常信息的检测的时候，将异常信息检测模型的全部算力聚焦于是否存在异常信息上，能够提高是否存在异常信息的准确度。另一方面，也能在进行异常信息的具体内容的检测的时候，充分利用存在异常信息的先验条件，且全部算力聚焦于异常信息的具体内容上，这也能够准确检测出异常信息的具体内容。
-
公开(公告)号：CN119783103A
公开(公告)日：2025-04-08
申请号：CN202510283536.7
申请日：2025-03-11
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/56
Abstract: 本申请实施例提供智能终端内核恶意行为实时检测方法、装置、设备及介质。本申请实施例中，基于配置文件中指定需要跟踪的各事件对应的函数被调用时的调用记录生成特征数据集，以利用该特征数据集训练得到恶意软件检测模型以用于监测至少一个应用程序是否存在恶意行为，这样能够精准的识别出恶意应用程序，实现恶意应用程序的有效检测。进一步地，在本申请实施例中，在检测到虚拟文件系统写入函数被调用时，利用相应的探测处理程序基于该函数被调用时的调用记录，检测该函数写入目标文件的行为是否为潜在二阶段释放攻击恶意行为，并在为潜在二阶段释放攻击恶意行为时输出提示，这样能够快速精准地识别恶意行为，避免攻击被忽视。
-
公开(公告)号：CN119442123A
公开(公告)日：2025-02-14
申请号：CN202510045375.8
申请日：2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供基于多模态大模型的异常信息检测方法及装置。在本实施例中，在确定了存在异常信息的前提下，再进行异常信息的具体内容的检测方式，这相比于直接对目标文件进行异常信息的具体细节的检测，一方面，不再是同时进行异常信息的检测和异常信息的具体内容的检测，这使得在进行是否存在异常信息的检测的时候，将异常信息检测模型的全部算力聚焦于是否存在异常信息上，能够提高是否存在异常信息的准确度。另一方面，也能在进行异常信息的具体内容的检测的时候，充分利用存在异常信息的先验条件，且全部算力聚焦于异常信息的具体内容上，这也能够准确检测出异常信息的具体内容。
-
公开(公告)号：CN119358032A
公开(公告)日：2025-01-24
申请号：CN202411909716.3
申请日：2024-12-23
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/62 , G06N3/0455 , G06N3/088 , G06N3/0442 , G06N3/0464 , G06N3/0985
Abstract: 本申请提供一种基于混合学习的隐私泄漏检测方法及设备。在本申请的一个示例中，该基于混合学习的隐私泄漏检测方法包括：获取隐私泄露检测关联数据；利用无监督学习模型，对所述隐私泄露检测关联数据进行隐私泄露检测关联特征提取，得到隐私泄露检测关联特征；以及，利用超参数优化方案确定深度学习模型的初始最优超参数组合；构建隐私泄露检测模型，并依据所述初始最优超参数组合，利用所述隐私泄露检测关联特征对所述隐私泄露检测模型进行训练，得到训练好的隐私泄露检测模型；针对待检测物联网环境，对所述训练好的隐私泄露检测模型进行迁移学习。该方法可以提升模型在复杂物联网数据上的泛化能力和准确性。
-
Patent Agency Ranking
公开(公告)号：CN119128993B
公开(公告)日：2025-01-21
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。
-
公开(公告)号：CN118694604B
公开(公告)日：2024-11-15
申请号：CN202411153246.2
申请日：2024-08-20
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种物联网流量实时隐私保护方法、装置、设备及系统，该方法包括：对于最大会话时间内接收到的多个相似加密请求消息进行聚合处理，得到聚合加密请求消息；将该聚合加密请求消息以及该聚合加密请求消息对应的身份标识发送给云端中心化服务器；在接收到云端中心化服务器发送的第一密文响应数据的情况下，对所述第一密文响应数据进行解密，并依据所记录的参与加密请求消息聚合的各物联网设备的身份标识，分别利用参与加密请求消息聚合的各物联网设备的公钥，对该响应数据进行加密，得到第二密文响应数据，并将得到的第二密文响应数据分别发送给对应的物联网设备。该方法可以在保证物联网流量安全性的情况下，减少通信带宽消耗和延时。
-
公开(公告)号：CN118606961B
公开(公告)日：2024-10-18
申请号：CN202411088866.2
申请日：2024-08-09
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06F21/57 , G06F18/2337 , G06F18/2433 , G06F123/02
Abstract: 本申请提供一种基于多维时间序列异常观测的模糊测试方法及设备，涉及测试技术领域，该方法包括：获取用于进行模糊测试的异常报文；将异常报文并行发送至被测对象，获取被测对象接收到异常报文之后的多维时间序列数据，多维时间序列数据包括模糊测试开始之后的至少一个采样时间点和在该采样时间点被测对象在多个维度上的状态数据；基于在该采样时间点被测对象在各个不同维度上的状态数据，确定被测对象在该采样时间点是否出现异常；若被测对象在该采样时间点出现异常，则在已并行发送的异常报文中确定出触发被测对象出现异常的目标异常报文；基于目标异常报文，获取模糊测试结果。该方案可更加准确的判定出被测对象在测试时状态是否异常。
-
公开(公告)号：CN118509851B
公开(公告)日：2024-09-13
申请号：CN202410981962.3
申请日：2024-07-19
Applicant: 杭州海康威视数字技术股份有限公司
IPC: H04W12/08 , H04W12/122 , H04W12/61 , H04W12/79
Abstract: 本申请提供一种基于终端本征指纹自适应识别的访问控制方法及系统、该方法包括：获取物联网设备的时钟偏差特征和信道状态特征；生成时间序列数据，时间序列数据包括多个时间点的特征向量，时间点的特征向量包括在该时间点获取的时钟偏差特征和信道状态特征；将时间序列数据转换为待检测图像，将待检测图像输入给目标网络模型得到时空指纹特征；基于时钟偏差特征和时空指纹特征生成物联网设备的目标终端本征指纹，通过目标终端本征指纹查询指纹数据库；若指纹数据库中存在与目标终端本征指纹匹配的参考终端本征指纹，则确定物联网设备认证成功，允许物联网设备访问网络。通过本申请的技术方案，显著提高终端指纹识别与访问控制的准确率和可靠性。
-
公开(公告)号：CN118400198B
公开(公告)日：2024-09-06
申请号：CN202410850465.X
申请日：2024-06-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种基于SDN驱动的集成学习访问控制方法及装置，该方法包括：在通过数据平面接收到数据流后，确定数据平面是否已记录数据流的流标识对应的检测类别；若是，且检测类别是攻击类别，通过数据平面丢弃数据流；若否，通过数据平面将数据流发送给控制平面；在通过控制平面接收到数据流后，将数据流输入给异常访问检测模型得到数据流对应的检测类别；若检测类别是正常类别，通过控制平面向数据平面下发第一指令，以使数据平面将数据流转发给后端设备；若检测类别是攻击类别，通过控制平面向数据平面下发第二指令，第二指令包括数据流的流标识和攻击类别，以使数据平面丢弃数据流。通过本申请的技术方案，能够避免对后端设备进行攻击。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.044 seconds)
