-
公开(公告)号：CN107679619B
公开(公告)日：2020-04-24
申请号：CN201710952743.2
申请日：2017-10-13
申请人： 中国人民解放军信息工程大学
IPC分类号： G06N3/04
摘要： 本发明涉及数据处理领域，尤其涉及一种类卷积人工神经网络的构造方法及装置。本发明的一种类卷积人工神经网络的构造方法，包括：对多个通道特征输入映像进行类卷积人工神经网络单个类卷积层操作；将上一类卷积层的输出作为下一类卷积层的输入。本发明的一种类卷积人工神经网络的构造装置，包括：操作模块，用于对多个通道特征输入映像进行类卷积人工神经网络单个类卷积层操作；输出输入模块，用于将上一类卷积层的输出作为下一类卷积层的输入。本发明提供了一种类卷积人工神经网络的构造方法及装置，可以缩短基于卷积的人工神经网络训练时间，可以降低基于卷积的人工神经网络的应用能耗。
-
公开(公告)号：CN104869116B
公开(公告)日：2017-10-27
申请号：CN201510238600.6
申请日：2015-05-12
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L29/06
摘要： 本发明涉及一种电信网信令安全主动防护方法，通过对信令数据在承载的协议种类、呼叫标识、携带参数和传送通道进行多维一体的动态等价变换，使得同一呼叫或不同呼叫中涉及的控制信令，在时空域上失去其固有的相似性和确定性，呈现出多样化、动态化和随机化，形成针对信令攻击的主动防护能力。本发明以获得网情信息和窃取用户隐私信息为目的的网络攻击行为或攻击前期准备行为具备了很好地提前发现和预防能力，在不改变信令协议格式规范的前提下，引入信令数据多层次动态等价变换机制，使信令数据对通信双方之外的第三方在时空域上呈现出无规律性和跳变性，加大网络攻击者截获和正确重组还原信令信息的难度，达到提升电信网信令安全防护能力的目的。
-
公开(公告)号：CN107769994B
公开(公告)日：2020-01-03
申请号：CN201710993331.3
申请日：2017-10-23
申请人： 中国人民解放军信息工程大学
摘要： 本发明涉及通信网络安全技术领域，特别是涉及一种IMS网络CSCF实体测量方法，包括：根据UDP包的数据内容的第一行对消息过滤，获取INVITE、REGISTER以及NOTIFY三种消息；逐一标记NOTIFY消息的源IP地址为S‑CSCF实体，并将不重复的IP地址添加到待确认的S‑CSCF的IP地址列表中；逐一标记NOTIFY消息的目的IP地址为P‑CSCF实体，并将不重复的IP地址添加到P‑CSCF的IP地址列表中；通过INVITE消息校验并确认S‑CSCF实体；在REGISTER消息中标记I‑CSCF实体，并获取I‑CSCF的IP地址列表。该方法根据IMS信令流自动识别不同类型CSCF实体，从信令流中得到三种CSCF实体的IP地址列表，提高IMS网络的安全监管效率。
-
公开(公告)号：CN105763484B
公开(公告)日：2018-09-18
申请号：CN201610241924.X
申请日：2016-04-19
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L12/891 , H04L12/853 , H04L29/06
摘要： 本发明涉及一种基于流组合压缩的信令流汇聚装置及其方法，该装置包含前端信令采集模块及后端应用服务器，前端信令采集模块包含信令采集单元、哈希组合缓存单元及压缩汇聚单元，信令采集单元实时采集信令链路上传递的信令数据包，哈希组合缓存单元将信令数据包进行哈希散列分桶，形成哈希桶，压缩汇聚单元从哈希桶中提取相关信令数据包的标志信息，形成信令摘要，将信令摘要上传至后端应用服务器。本发明对原始信令数据流的解析、组合和摘要，将多个相互关联的非结构化原始信令数据组合压缩成结构化数据，降低传输的数据规模，减轻后端服务器的存储和计算压力，既有效保障了低带宽条件下信令数据的高效汇聚传输，也提高了系统处理的时效性。
-
公开(公告)号：CN107734200A
公开(公告)日：2018-02-23
申请号：CN201711072107.7
申请日：2017-11-03
申请人： 中国人民解放军信息工程大学
摘要： 本发明涉及网络用户行为分析领域，尤其涉及一种基于最大似然的通信网用户呼叫行为预测方法及装置。一种基于最大似然的通信网用户呼叫行为预测方法，包括：分时段统计主叫号码的CDR数据，所述CDR数据包括通话频次和通话时长，并记录每个时段最大通话频次和最大通话时长；根据各时段主叫号码的通话频次及通话时长，构建该时段的通话频次-概率密度分布曲线及通话时长-概率密度分布曲线；根据通话频次-概率密度分布曲线及通话时长-概率密度分布曲线，预测主叫号码各时段的通话频次及通话时长。一种基于最大似然的通信网用户呼叫行为预测装置，包括：统计模块；构建模块；预测模块。本发明可以对用户呼叫行为进行预测。
-
公开(公告)号：CN107679619A
公开(公告)日：2018-02-09
申请号：CN201710952743.2
申请日：2017-10-13
申请人： 中国人民解放军信息工程大学
IPC分类号： G06N3/04
摘要： 本发明涉及数据处理领域，尤其涉及一种类卷积人工神经网络的构造方法及装置。本发明的一种类卷积人工神经网络的构造方法，包括：对多个通道特征输入映像进行类卷积人工神经网络单个类卷积层操作；将上一类卷积层的输出作为下一类卷积层的输入。本发明的一种类卷积人工神经网络的构造装置，包括：操作模块，用于对多个通道特征输入映像进行类卷积人工神经网络单个类卷积层操作；输出输入模块，用于将上一类卷积层的输出作为下一类卷积层的输入。本发明提供了一种类卷积人工神经网络的构造方法及装置，可以缩短基于卷积的人工神经网络训练时间，可以降低基于卷积的人工神经网络的应用能耗。
-
公开(公告)号：CN104869116A
公开(公告)日：2015-08-26
申请号：CN201510238600.6
申请日：2015-05-12
申请人： 中国人民解放军信息工程大学
IPC分类号： H04L29/06
摘要： 本发明涉及一种电信网信令安全主动防护方法，通过对信令数据在承载的协议种类、呼叫标识、携带参数和传送通道进行多维一体的动态等价变换，使得同一呼叫或不同呼叫中涉及的控制信令，在时空域上失去其固有的相似性和确定性，呈现出多样化、动态化和随机化，形成针对信令攻击的主动防护能力。本发明以获得网情信息和窃取用户隐私信息为目的的网络攻击行为或攻击前期准备行为具备了很好地提前发现和预防能力，在不改变信令协议格式规范的前提下，引入信令数据多层次动态等价变换机制，使信令数据对通信双方之外的第三方在时空域上呈现出无规律性和跳变性，加大网络攻击者截获和正确重组还原信令信息的难度，达到提升电信网信令安全防护能力的目的。
-
公开(公告)号：CN102571793A
公开(公告)日：2012-07-11
申请号：CN201210004461.7
申请日：2012-01-09
申请人： 中国人民解放军信息工程大学
摘要： 本发明涉及一种电信网垃圾呼叫捕获装置；电信网垃圾呼叫捕获装置含有自动应答模块、数据采集模块和数据存储模块，自动应答模块用于自动接听主叫方的呼叫并发电话或传真呼叫，数据采集模块用于采集主叫方线路数据，数据存储模块用于存储数据采集模块采集的主叫方线路数据；数据采集模块具有实时采集信令数据、主叫方话路数据的功能，数据采集模块将采集的数据按照UDP协议打包封装并转发至数据存储模块；数据存储模块将UDP数据包解封装得到信令数据和主叫方话路数据，并将数据按照通话时间或主叫方号码归类，然后存储在数据库中；本发明可以在不侵犯电信用户通信隐私的前提下获取垃圾呼叫数据，还可以测算垃圾呼叫的攻击强度。
-
公开(公告)号：CN106131812B
公开(公告)日：2019-12-24
申请号：CN201610759203.8
申请日：2016-08-30
申请人： 中国人民解放军信息工程大学 , 国家计算机网络与信息安全管理中心
摘要： 本发明涉及一种移动电话网被叫用户号码在线还原系统及其还原方法，根据移动呼叫的技术原理与实现方法，在现有对移动电话网中呼叫控制信息的在线分析与处理的基础上，引入对移动电话网中移动管理信息的在线分析与处理，并在二者间建立交互接口，从而将呼叫控制信息与移动管理信息进行关联，最终获取并还原被叫用户号码。本发明实现移动电话网中被叫用户号码的在线还原，为基于用户号码的防护功能在移动电话网中得以实施，进一步提高了移动电话网安全防护能力，适用于在线获取移动呼叫主被叫用户号码、基于网络数据采集处理的第三方设备与系统。
-
公开(公告)号：CN107734200B
公开(公告)日：2019-08-13
申请号：CN201711072107.7
申请日：2017-11-03
申请人： 中国人民解放军信息工程大学
摘要： 本发明涉及网络用户行为分析领域，尤其涉及一种基于最大似然的通信网用户呼叫行为预测方法及装置。一种基于最大似然的通信网用户呼叫行为预测方法，包括：分时段统计主叫号码的CDR数据，所述CDR数据包括通话频次和通话时长，并记录每个时段最大通话频次和最大通话时长；根据各时段主叫号码的通话频次及通话时长，构建该时段的通话频次‑概率密度分布曲线及通话时长‑概率密度分布曲线；根据通话频次‑概率密度分布曲线及通话时长‑概率密度分布曲线，预测主叫号码各时段的通话频次及通话时长。一种基于最大似然的通信网用户呼叫行为预测装置，包括：统计模块；构建模块；预测模块。本发明可以对用户呼叫行为进行预测。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.033 秒)
