-
公开(公告)号：CN116821747A
公开(公告)日：2023-09-29
申请号：CN202310439834.1
申请日：2023-04-23
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图文多模态信息融合的互联网不良应用分类识别方法，针对不良应用具有识别效果佳的优点。互联网不良应用分类识别方法包括：收集网站应用，并对网络应用进行类别标注；提取网站应用的应用名称并基于此构建第一向量；对网络应用进行沙盒运行，以获取网络应用的访问信息以及运行界面截图；基于访问信息构建第二向量；从运行界面截图中提取有效文本字符并基于此构建第三向量；融合第一向量、第二向量、第三向量，以获得融合向量；将融合向量作为输入，训练互联网不良应用分类识别模型，互联网不良应用分类识别模型包括全连接层、Softmax层、损失函数；基于训练完成的互联网不良应用分类识别模型对待识别的网站应用进行分类识别。
-
公开(公告)号：CN112836493B
公开(公告)日：2023-03-14
申请号：CN202011404000.X
申请日：2020-12-04
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/226 , G06F40/284 , G06F16/33
Abstract: 本发明公开了一种转写文本校对方法及存储介质，包括，基于预先构建的校对样本库对待校对文本按照不同文本粒度进行分析校对，获得对应的候选方案集；根据所述候选方案集确定校对方案，并通过所述校对方案确定校对结果。本发明方法基于预先构建的校对样本库对待校对文本按照不同文本粒度进行分析校对，获得对应的候选方案集；根据所述候选方案集确定校对方案，由此从不同的文本粒度出发确定校对方案，提高了转写文本的准确性和语义的合理性。
-
公开(公告)号：CN112084373B
公开(公告)日：2022-06-03
申请号：CN202010778910.8
申请日：2020-08-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/901 , G06F40/151 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图嵌入的多源异构网络用户对齐方法，其特征在于：1)通过用户名和社会角色计算用户属性的相似度；2)通过随机游走算法获得异构网络的节点序列，分析节点之间的相互关系；3)利用嵌入算法，对节点序列计算得到网络的嵌入表示；4)根据用户的属性相似度以及结构特征，训练多层神经网络对齐用户。本发明所公开的基于图嵌入的多源异构网络用户对齐方法可用于在线社交网络的用户对齐，在推荐系统、人物画像补全等多个领域具有重要应用，算法的计算复杂度低，可在网络中快速对齐相同用户，对真实数据适用性强。
-
公开(公告)号：CN112181613A
公开(公告)日：2021-01-05
申请号：CN202010943286.2
申请日：2020-09-09
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种异构资源分布式计算平台批量任务调度方法及存储介质，本发明在由几个计算中心组成的异构资源分布式计算集群中，将每个计算中心中的异构资源进行整合与分组，针对分布式计算平台中常见任务的需求，将这些资源合理地分配到预设的具有相应资源偏好的任务队列中。当有一批新任务提交时，根据用户提交的每个任务的相应特征以及各个中心的任务队列当前状态，分析全局最优解，为每个任务选择合适的队列。从而高效利用跨中心多集群中的异构资源，合理进行批量任务调度，解决现有技术中任务调度性能低、任务等待时间长的问题。
-
公开(公告)号：CN106095928B
公开(公告)日：2019-10-29
申请号：CN201610409465.1
申请日：2016-06-12
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种事件类型识别方法及装置。该方法包括以下步骤：对训练集中所有文本进行分词、提取词性处理后训练词向量空间模型，提取文本的特征，将文本表示为特征向量；对于训练集进行事件类型聚类，训练带有类型聚类正则化项的神经网络模型；对于测试样本同样进行分析、提取词性处理，并利用已经训练好的词向量模型，得到特征表示；利用类型聚类正则化项的神经网络模型进行事件类别识别。借助于本发明的技术方案，能够利用同一群组中的类型共享信息来减轻标注数据不平衡带来的问题。
-
Patent Agency Ranking
公开(公告)号：CN107491689A
公开(公告)日：2017-12-19
申请号：CN201710560788.5
申请日：2017-07-11
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种密码破解方法和装置，方法包括：CPU按照预设分析规则将待破解密码拆分为由掩码和子字符串组成的形式，并为掩码和子字符串分别生成对应的密码口令空间，将子字符串的密码口令空间划分给一个或多个GPU；一个或多个GPU均根据被划分到的子字符串生成一个密码口令子空间，均根据各自生成的密码口令子空间与掩码进行排列组合，生成完整密码口令空间，并使用完整密码口令空间对待破解密码进行破解。本发明的密码破解方法可以明显减少待破解密码产生的排列组合的数量，并由CPU和GPU协同计算，对密码排列组合产生的空间进行划分，提高了密码破解的效率，解决了现有技术的问题。
-
公开(公告)号：CN104573033B
公开(公告)日：2017-12-19
申请号：CN201510020876.7
申请日：2015-01-15
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
Abstract: 本发明提出了一种动态URL过滤方法及装置，该方法包括：基于URL标注集创建信息字典；针对URL标注集中的每一个URL，根据所述信息字典生成对应的特征向量，由URL标注集中所有的URL对应的特征向量组成特征矩阵；对URL特征矩阵进行分类得到特征权重向量和二分类阈值；基于所述信息字段对待预测的URL进行特征提取，并基于提取出的特征生成所述待预测的URL的特征向量；将所述待预测的URL的特征向量与所述特征权重向量对应相乘后相加得到目标数值，将目标数值与二分类阈值相比较以判断所述待预测的URL是动态URL还是静态URL。本发明可以离线处理，不需要访问网络、减少了存储，比较节省处理时间和计算资源。
-
公开(公告)号：CN107340954A
公开(公告)日：2017-11-10
申请号：CN201710532768.7
申请日：2017-07-03
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F3/0484 , G06K9/20
CPC classification number: G06F3/0484 , G06K9/2054 , G06K2209/01
Abstract: 本发明公开了一种信息提取方法和装置，该方法包括：按照预定遍历算法获取预定应用软件APP自动运行过程中所有界面的屏幕快照，并按照预设命名规则为得到的每个屏幕快照确定名称；对获取到的所有屏幕快照进行文字识别，以得到每个屏幕快照对应的文字内容；按照每个屏幕快照的名称将各个屏幕快照对应的文字内容进行拼接，并将拼接后的文档进行保存，以还原预定APP的完整文字内容。本发明的信息提取方法自动获得准确的文字内容，并且适用于多种操作系统的多种APP，解决了现有技术的如下问题：现有信息提取方法无法实现针对多种不同操作系统、不同应用程序的信息提取，而且提取的信息在可读性方面也具有较大的不确定性。
-
公开(公告)号：CN104361037A
公开(公告)日：2015-02-18
申请号：CN201410591807.7
申请日：2014-10-29
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: G06F17/30705 , G06F17/271
Abstract: 本发明公开了一种微博分类方法及装置。该方法包括：步骤1，对训练语料集合进行预处理，对预处理后的训练语料进行分词，获取候选特征，并对候选特征进行权重计算，根据权重计算结果进行特征选择，获取最终的分类特征；步骤2，根据最终的分类特征，采用贝叶斯分类器进行模型训练，获取分类模型；步骤3，采用贝叶斯分类器根据分类模型对微博文档进行分类。借助于本发明的技术方案，提高了分类的召回率与准确率。
-
公开(公告)号：CN114461931B
公开(公告)日：2024-11-08
申请号：CN202111573021.9
申请日：2021-12-21
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
IPC: G06F16/9537 , G06N3/0442 , G06F18/22 , G06F18/23 , G06Q10/04
Abstract: 本发明涉及一种基于多关系融合分析的用户轨迹预测方法和系统。该方法根据用户的历史轨迹相似关系和位置邻近关系，构建轨迹关系图，然后基于轨迹关系图中用户间的关系，利用融入注意力机制的轨迹预测模型对目标用户的未来轨迹进行预测。本发明充分考虑了用户出行具有的时间规律性特征，并充分挖掘了人群中的社会行为信息，预测精度具有明显的提高；本发明使用融入注意力机制的轨迹关系图来计算影响力大小，融入了不同用户对轨迹影响的差异，更加符合实际情况；本发明不仅利用了位置相邻的行人的轨迹行为信息，也考虑了历史轨迹相似用户的轨迹情况，将两种影响人群结合在一起构建轨迹关系图，解决了怎样对多种类型信息进行建模的问题。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.068 seconds)
