基于图神经网络的云安全异常检测方法

    公开(公告)号:CN117650899A

    公开(公告)日:2024-03-05

    申请号:CN202210956849.0

    申请日:2022-08-10

    摘要: 一种基于图神经网络的云安全异常检测方法,通过多源异构网络安全数据并进行预处理后,通过图结构描述私有云中的资产和与其相关的日志和告警,将预处理后的数据生成静态图,通过对静态图采样得到的节点输入结构自注意力网络,并根据得到的向量表示进一步构造动态图;通过循环神经网络生成离散后的动态图中每个节点的特征向量,基于特征向量的判断得出对应节点是否存在异常。本发明能够及时发现重要网络攻击情景,根据攻击步骤缺失情况进行回溯和填充漏警,本发明可直接部署到云架构中,充分利用私有云强大的算力和云基础设施底座便捷的数据获取能力,实现云安全原生化。

    电子邮件过滤系统
    5.
    发明公开

    公开(公告)号:CN1760901A

    公开(公告)日:2006-04-19

    申请号:CN200510030968.X

    申请日:2005-11-03

    IPC分类号: G06Q10/00

    摘要: 一种网络通信技术领域的电子邮件过滤系统。本发明中,预处理模块首先获取待处理信息内容,并将获取结果送入特征提取模块,特征提取模块从待处理信息中提取出特征选项,并分两路分别送入特征选择模块与预分类模块,特征选择模块对特征选项进行选择并将结果送入特征库,特征库存储特征选项,预分类模块根据特征选项对信息进行预分类并将结果递交给邻近类别分类模块,邻近类别分类模块从特征库提取特征选项并完成对信息的分类。本发明能对邮件主体内容进行分析,对于通过代理服务器发送的垃圾邮件同样能进行过滤;系统具有自学习能力,采用两级分类模式与邻近类别分类技术,提高了系统对垃圾邮件的查准滤和查全率。

    基于二重迁移学习的小语种神经网络机器翻译方法及系统

    公开(公告)号:CN115293177B

    公开(公告)日:2023-08-01

    申请号:CN202210948542.6

    申请日:2022-08-09

    摘要: 一种基于二重迁移学习的小语种神经网络机器翻译方法及系统,首先在英语的单一语料上训练英语的语言模型掌握英语的词法知识,再在英语词法知识的基础上使用小语种的单一语料训练小语种的语言模型,通过无监督的方式建立起英语与小语种单词间的线性映射关系;然后在英语词法知识的基础上使用人工合成的小写英语到大小写英语的平行语料训练降噪自编码器模型,通过将添加扰动后的小写英语还原成大小写英语来学习英语句法层面的知识;最后在训练得到的词法以及句法知识的基础上使用小语种到英语的平行语料对机器翻译模型进行调优得到优化翻译模型,用于在线阶段进行小语种神经网络机器翻译,实现高质量的小语种到英语的机器翻译模型,确保文本翻译的准确性、减少人工翻译成本,从而完成大规模采集信息的数据治理工作。

    基于关联分析的网站信用黑名单生成方法及系统

    公开(公告)号:CN103475669B

    公开(公告)日:2016-04-27

    申请号:CN201310443543.6

    申请日:2013-09-25

    IPC分类号: H04L29/06

    摘要: 一种互联网信息安全技术领域的基于关联分析的网站信用黑名单生成方法及系统,首先对网站之间的关联关系进行分析并生成网站关联数据集,然后根据网站关联数据集生成网络信用黑名单,针对网络信用黑名单进行动态调整。本发明在对网站信用黑名单生成时,并未孤立地仅从单个网站信用值加以处理,而是考虑了站点之间的关联关系对其网络信用的影响,设计了一种基于关联分析的网站信用黑名单的生成方法;并且考虑了网站失信事件发生后,对网站信用及其关联站点的动态影响,设计了对应的网站信用黑名单动态调整方法。本发明可以系统性生成网络信用黑名单,并可针对网站失信事件做出对网站信用黑名单进行动态调整。

    基于唇语特征的身份认证方法

    公开(公告)号:CN101046959A

    公开(公告)日:2007-10-03

    申请号:CN200710040003.8

    申请日:2007-04-26

    IPC分类号: G10L15/24 G06K9/78 G06K9/46

    摘要: 一种生物特征和模式识别领域的基于嘴唇运动的讲话人身份认证方法,首先通过嘴唇区域分割方法和嘴唇建模方法进行唇语特征的自动提取,然后通过互信息量评估的方法进行各种唇语特征身份鉴别力的分析,从各种唇语特征中选取最优唇语特征组合,最后,依据唇语特征的特点,采用多层次隐马尔可夫模型进行讲话人身份的识别和认证。本发明在获得高识别率的同时,保证了较高的处理速度。

    网络入侵检测深度学习模型压缩方法

    公开(公告)号:CN117669655A

    公开(公告)日:2024-03-08

    申请号:CN202210956842.9

    申请日:2022-08-10

    IPC分类号: G06N3/0464 G06N3/082 H04L9/40

    摘要: 一种网络入侵检测深度学习模型压缩方法,通过网络入侵流量样本训练深度学习教师模型,根据待部署的边缘计算节点k的各个类型流量的概率分布情况 计算知识蒸馏后的学生模型ModelS,再采用基于节点流量类型分布的模型剪枝方法对学生模型ModelS进行剪枝,得到节点k所需部署的压缩模型 实现针对不同模型的压缩。本发明同时结合知识蒸馏技术以及模型剪枝技术对边缘计算节点中的网络入侵检测深度学习算法,基于各个节点所面临的网络流量类型分布情况进行针对性剪枝,能够根据所需发布的边缘计算节点网络流量类型分布情况对深度学习检测模型进行个性化压缩,从而有效降低计算和存储资源损耗,提升流量检测精度。

    基于对抗学习的跨通道内容无关说话人识别方法及系统

    公开(公告)号:CN114974260A

    公开(公告)日:2022-08-30

    申请号:CN202210261788.6

    申请日:2022-03-17

    IPC分类号: G10L17/04 G10L17/18 G10L25/24

    摘要: 一种基于对抗学习的跨通道内容无关说话人识别方法及系统,在离线阶段,通过采集多个不同信道下多个说话人的语音样本生成数据集,对信道分类模型进行训练;并采用训练后的信道迁移模型对于输入的不同信道下待测说话人语音样本进行信道归一化处理,采用训练后的单一信道说话人识别单元对用户所采集到的且包含需要找寻其中属于特定说话人音频的音频数据进行说话人识别,发现属于特定说话人的音频。本发明基于多个通信信道中采集获得的语音样本作为训练数据,训练说话人识别的信道迁移模型,并将不同信道下的语音信道特征进行迁移,从而实现将其他通信信道下的语音样本迁移至统一的语音信道,从而完成说话人识别任务,获得较高的识别准确度。