-
公开(公告)号：CN110245493A
公开(公告)日：2019-09-17
申请号：CN201910431019.4
申请日：2019-05-22
申请人： 中国人民公安大学 , 国家密码管理局商用密码检测中心
摘要： 本申请提出一种基于深度置信网络的Android恶意软件检测的方法，首先，提取出Android应用软件的权限和敏感API的特征；其次，使用深度置信网络DBN来构建深度学习模型，将提取出的所述特征使用深度学习模型进行处理，得到表征高层抽象特征的样本；然后使用分类算法，对通过深度学习模型输出的高层抽象特征进行分类，区分出恶意软件和正常软件。通过本发明基于深度置信网络的深度学习模型可以更好地表征Android恶意软件的高层抽象特征，其检测效果也明显优于传统的神经网络模型和机器学习模型。
-
公开(公告)号：CN110909253B
公开(公告)日：2022-08-19
申请号：CN201911039609.9
申请日：2019-10-29
申请人： 中国人民公安大学
IPC分类号： G06F16/9536 , G06Q50/00
摘要： 本发明提出了一种基于特定用户的群体关系挖掘与分析方法，包括如下步骤：选取一定数量的具有相同特征或共同行为的用户作为特定用户；利用改进的最短路径图聚类算法去挖掘关联所述特定用户之间的关系，形成初级群体；对节点进行属性特征分析，将所述初级群体中的所述用户节点属性特征标签构造成初级群体属性比对集合；获得候选扩展用户及其属性集合，计算所述候选扩展用户的属性与所述初级群体比对集合属性间的相似度，选取相似度大于阈值的候选扩展用户加入到所述初级群体中。本发明结合群体关系结构的内聚性以及个体在特定属性子集的相似性的来挖掘群体，聚类效果良好。
-
公开(公告)号：CN110909253A
公开(公告)日：2020-03-24
申请号：CN201911039609.9
申请日：2019-10-29
申请人： 中国人民公安大学
IPC分类号： G06F16/9536 , G06Q50/00
摘要： 本发明提出了一种基于特定用户的群体关系挖掘与分析方法，包括如下步骤：选取一定数量的具有相同特征或共同行为的用户作为特定用户；利用改进的最短路径图聚类算法去挖掘关联所述特定用户之间的关系，形成初级群体；对节点进行属性特征分析，将所述初级群体中的所述用户节点属性特征标签构造成初级群体属性比对集合；获得候选扩展用户及其属性集合，计算所述候选扩展用户的属性与所述初级群体比对集合属性间的相似度，选取相似度大于阈值的候选扩展用户加入到所述初级群体中。本发明结合群体关系结构的内聚性以及个体在特定属性子集的相似性的来挖掘群体，聚类效果良好。
-
公开(公告)号：CN111586445A
公开(公告)日：2020-08-25
申请号：CN202010408852.X
申请日：2020-05-14
申请人： 中国人民公安大学
IPC分类号： H04N21/2347 , H04N21/266 , H04N21/845 , H04N21/4405 , H04N19/46
摘要： 本发明实施例提供一种视频数据传输方法和装置。该方法包括：拆分端向重组端发送数据传输请求；重组端响应于所述数据传输请求，生成非对称加密密钥，并将非对称加密密钥中的公钥发送至拆分端；拆分端利用公钥对预先生成的对称加密密钥进行加密；重组端利用非对称加密的私钥解密出拆分端生成的对称加密密钥；拆分端对视频数据进行加密处理得到传输单元，并发送至重组端；重组端利用对称加密密钥解析所述传输单元并进行重组，得到视频数据，从而保证视频数据传输过程中的机密性。同时，由于将视频数据打散成不同的分片进行传输，可以使得传输数据大小均匀，难以通过侧信道等攻击方法泄露传输文件的信息，进而实现H.264编码的视频数据的隐蔽传输。
-
公开(公告)号：CN108319714A
公开(公告)日：2018-07-24
申请号：CN201810130781.4
申请日：2018-02-08
申请人： 中国人民公安大学
摘要： 本发明公开了一种基于HBase的列存储压缩方法，包括从HBase读取各列数据，对各列数据进行重新排序并存储于各区中；统计随机块的统计量以计算各区之间的相似因子S，相似因子S为判断区间相似度的定义量，通过两区的统计量T特征分量的绝对差值得到，并判断列分布均匀或离散；若分布均匀，则采用混级列压缩方式；若分布离散，则采用混级区压缩方式。本发明提供的列存储压缩方法极大程度上减少了计算成本，同时提高了压缩效率。
-
公开(公告)号：CN111586445B
公开(公告)日：2022-04-12
申请号：CN202010408852.X
申请日：2020-05-14
申请人： 中国人民公安大学
IPC分类号： H04N21/2347 , H04N21/266 , H04N21/845 , H04N21/4405 , H04N19/46
摘要： 本发明实施例提供一种视频数据传输方法和装置。该方法包括：拆分端向重组端发送数据传输请求；重组端响应于所述数据传输请求，生成非对称加密密钥，并将非对称加密密钥中的公钥发送至拆分端；拆分端利用公钥对预先生成的对称加密密钥进行加密；重组端利用非对称加密的私钥解密出拆分端生成的对称加密密钥；拆分端对视频数据进行加密处理得到传输单元，并发送至重组端；重组端利用对称加密密钥解析所述传输单元并进行重组，得到视频数据，从而保证视频数据传输过程中的机密性。同时，由于将视频数据打散成不同的分片进行传输，可以使得传输数据大小均匀，难以通过侧信道等攻击方法泄露传输文件的信息，进而实现H.264编码的视频数据的隐蔽传输。
-
公开(公告)号：CN111598059A
公开(公告)日：2020-08-28
申请号：CN202010601748.2
申请日：2020-06-28
申请人： 中国人民公安大学
摘要： 本发明提供了一种犯罪预测模型的训练方法、装置及电子设备，涉及犯罪预测技术领域，包括获取目标区域在预设时间段内的历史犯罪数据；将该历史犯罪数据转化为视频流；对于视频流中的每一图像帧，提取该图像帧的时空特征信息；以该视频流中各图像帧的时空特征信息为训练集合，训练预设的神经网络，直至满足预设的训练结束条件，得到训练好的犯罪预测模型。本发明实施例通过提取历史犯罪数据在不同时间深度的时间特征，以及通过多层卷积捕捉不同距离的空间依赖得到对应的空间特征，并对二者加以融合得到时空特征信息，基于该时空特征信息对神经网络进行训练得到的犯罪预测模型，可以在更细粒度的时间和空间上进行犯罪预测，提高犯罪预测的准确性。
-
公开(公告)号：CN114221848B
公开(公告)日：2023-06-02
申请号：CN202111541921.5
申请日：2021-12-16
申请人： 中国人民公安大学
IPC分类号： H04L41/042 , H04L41/12 , H04L9/40
摘要： 本发明提供了一种分布式数据回传网络构建方法，包括：基于N个通信子区域构建通信网络，并在所述通信网络中建立M条通信链路，其中，M小于或等于N；将数据分发节点接入至所述通信网络中，并基于所述数据分发节点将目标分片数据包分发在所述通信网络中的M条通信链路中进行数据传输；基于资源汇聚节点将所述目标分片数据包进行数据汇总，生成目标数据包，并将所述目标数据包传输至接收端。通过构造一个分布式的数据回传通信网络，有利于帮助数据在网络传输过程中进行混淆与匿名化处理，增加数据传输效率，通过构建多源数据分发、多跳链路节点的网络数据传输网络，实现对待传输数据的隐蔽传输，从而缓解网络传输流量被溯源的风险。
-
公开(公告)号：CN114221848A
公开(公告)日：2022-03-22
申请号：CN202111541921.5
申请日：2021-12-16
申请人： 中国人民公安大学
IPC分类号： H04L41/042 , H04L41/12 , H04L9/40
摘要： 本发明提供了一种分布式数据回传网络构建方法，包括：基于N个通信子区域构建通信网络，并在所述通信网络中建立M条通信链路，其中，M小于或等于N；将数据分发节点接入至所述通信网络中，并基于所述数据分发节点将目标分片数据包分发在所述通信网络中的M条通信链路中进行数据传输；基于资源汇聚节点将所述目标分片数据包进行数据汇总，生成目标数据包，并将所述目标数据包传输至接收端。通过构造一个分布式的数据回传通信网络，有利于帮助数据在网络传输过程中进行混淆与匿名化处理，增加数据传输效率，通过构建多源数据分发、多跳链路节点的网络数据传输网络，实现对待传输数据的隐蔽传输，从而缓解网络传输流量被溯源的风险。
-
公开(公告)号：CN110222250B
公开(公告)日：2021-07-27
申请号：CN201910411868.3
申请日：2019-05-16
申请人： 中国人民公安大学
IPC分类号： G06F16/951 , G06F16/9536 , G06F16/35 , G06F40/30 , G06F40/211
摘要： 本发明提出一种面向微博的突发事件触发词识别方法，将待分析的微博数据构成预料库的预料，其包括如下步骤：1)对突发事件语料库进行原始触发词统计，记录统计特征；2)对所述语料进行分词、分句等数据预处理，对所述分句后的语料数据按照分句进行依存句法分析，整理凝练出词对间依存关系，建立模式匹配规则；3)对所述预处理后的文本数据逐一进行模式规则匹配和潜在语义分析，进一步抽取分句语义信息，选取同时满足二者条件的词作为候选触发词，得到候选触发词集；4)计算所述候选触发词集与基于扩展触发词表的触发词识别出触发词进行相似度分析，将满足相似度要求的触发词确定为微博突发事件触发词。本发明避免了传统模式识别中效率偏低的缺点，同时遵循了机器学习中模型训练快速简单的优点。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.052 秒)
