-
公开(公告)号：CN117295072A
公开(公告)日：2023-12-26
申请号：CN202210694396.9
申请日：2022-06-16
Applicant: 中国科学院信息工程研究所 , 国家计算机网络与信息安全管理中心
IPC: H04W12/67 , H04W12/03 , H04W12/122 , H04W24/08 , H04W24/10 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种5G网络中OTT语音业务风险管控策略的生成方法及装置，包括：分析OTT语音业务流量，生成异常OTT语音业务流量或用户行为的检测结果报告；根据所述检测结果报告与预置的OTT语音业务风险情报知识进行风险评估，OTT业务流量风险评估功能生成应急异常OTT语音业务或异常用户行为的风险等级，并依据所述风险等级，生成应急处置建议；基于应急处置建议，策略控制功能生成OTT语音业务风险管控策略。本发明引入新的流量风险评估功能实现对有害加密OTT语音业务、用户行为的风险评估，并结合5G策略控制体系实现有害OTT业务的应急处置。
-
公开(公告)号：CN115915038A
公开(公告)日：2023-04-04
申请号：CN202110805859.X
申请日：2021-07-16
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
Abstract: 本发明公开了一种基于移动用户信令数据的跨城通勤用户识别方法及装置，包括：基于每一周期的白天时间段与夜间时间段，利用目标区域的移动用户信令数据获取该周期日工作用户与该周期日居住用户；依据该周期日工作用户的该周期夜间信令数据与该周期日居住用户的该周期白天信令数据，分别得到该周期夜间信令消失用户与该周期白天信令消失用户；利用全部移动用户在设定时间段内成为该周期夜间信令消失用户或该周期白天信令消失用户的次数，得到跨城通勤用户识别结果。本发明基于原始信令数据挖掘跨城通勤用户，采用Spark计算框架进行分析处理，具有高可靠性和高效率，可用于区域人口监管。
-
公开(公告)号：CN115700514A
公开(公告)日：2023-02-07
申请号：CN202110806905.8
申请日：2021-07-16
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: G06F16/35 , G06F16/332 , G06F40/30 , G06F18/2411
Abstract: 本发明公开了一种结合BIGRU和多头注意的事件主体提取方法及装置，包括：把文本数据转化为文本输入序列X；利用BiGRU网络获取文本输入序列X对应的向量XB；基于文本输入序列X与向量XB进行多头注意力计算；依据注意力计算结果，获取事件主体提取结果。本发明使用BIGRU网络学习上下文语义特征，通过引入多头注意力机制捕获序列中的关键特征信息，提高了工作效率及准确性。
-
公开(公告)号：CN115700583A
公开(公告)日：2023-02-07
申请号：CN202110806934.4
申请日：2021-07-16
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: G06F40/284 , G06F18/2411
Abstract: 本发明公开了一种基于语义网络词表示与注意力图的事件检测方法及装置，包括：拼接每个词的词内容向量、词结构向量与位置特征向量，生成各句子的特征图；结合各词的POS向量进行注意力机制的计算，生成各句子的新特征图；基于新特征图生成句层面特征向量；利用句层面特征向量与词内容向量的拼接结果，获取事件检测结果。本发明综合利用了外部语料库、语义网络、词性和注意力图，并通过优化特征，更准确地抽取触发词，引入了更多信息，解决了一词多义问题，表达了同义词之间的关联信息，得到更精确地事件检测结果。
-
公开(公告)号：CN117295060A
公开(公告)日：2023-12-26
申请号：CN202210686184.6
申请日：2022-06-16
Applicant: 中国科学院信息工程研究所 , 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5G环境下有害加密OTT语音应用风险处置方法及装置，包括：流量风险评估功能基于用户面功能生成的异常OTT业务流量检测结果进行风险评估，生成有害OTT语音业务应急处置建议；5G策略控制体系PCF根据所述有害OTT语音业务应急处置建议、5G网络运营商安全风险策略及相应用户的签约信息、位置、移动网络接入行为信息，分别生成OTT业务流量控制策略与OTT业务用户网络连接控制策略；利用OTT业务流量控制策略与OTT业务用户网络连接控制策略，5G用户面功能及控制面功能分别对有害OTT业务流量与有害OTT业务用户网络连接进行控制，获取处置结果。本发明通过构建新的接口，并在策略中引入流量标签，可对有害OTT业务流量进行更准确管控。
-
Patent Agency Ranking
公开(公告)号：CN115617962A
公开(公告)日：2023-01-17
申请号：CN202110806921.7
申请日：2021-07-16
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: G06F16/332 , G06F16/9532 , G06F40/279
Abstract: 本发明提供一种网络公害文本识别方法及装置，包括：通过提取目标网络文本中的网址链接，对目标网络文本进行初步判定；若无法判定，则计算无效信息度，并生成目标网络文本的拼音列表、关键词列表、及关键词拼音列表；通过各关键词的字元素在目标网络文本中的分布及关键词拼音在目标网络文本拼音列表中的分布，计算各关键词的网络公害分；基于无效信息度对网络公害分进行修订，并根据修订结果，得到网络公害文本识别结果。本发明通过网络公害关键词字符和拼音的模糊匹配，可以准确识别出网络公害文本，同时可以有效应对目标文本中网络公害词被分割、倒序、文字竖排、谐音字等信息隐藏手段。
-
公开(公告)号：CN119311871A
公开(公告)日：2025-01-14
申请号：CN202411222450.5
申请日：2024-09-02
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/36 , G06F18/25 , G06F18/213 , G06N3/045
Abstract: 本申请涉及舆情监测技术领域，公开一种面向噪声文本信息的检测方法及系统，所述方法包括：获取目标数据集；对目标数据集进行预处理，获取预处理后的文本特征；构成汉化文本分类模型预训练模型，其中，汉化文本分类模型预训练模型用于预处理后的文本特征，以获取文本的表示向量；构建两个结构不同的基于汉化文本分类预训练模型作为双塔模型的基分类器A和基分类器B；用相同数据集对基分类器A和基分类器B进行调整。本发明能够对双塔模型进行相互校验，对双塔模型的输出结果进行综合考量，并输出最终结果，从而有效提高整体的特定内容检测准确率。
-
公开(公告)号：CN113779961B
公开(公告)日：2024-10-01
申请号：CN202010518026.0
申请日：2020-06-09
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/211 , G06F40/253 , G06F40/289
Abstract: 本发明提供一种自然语言文本的惯用句式提取方法及电子装置，包括：对采集到的每一语句进行分词、词性标注及依存句法分析；将各语句转换为若干单句，并依据词性标注结果与依存句法分析结果，对各单句主干进行抽取，将各单句表示为词汇和词性标签的列表；将各单句的列表进行合并，得到各语句的惯用句式。本发明提出一种不损失句式信息的长难句化简方法，针对句式提取的需要对中文长难句中非句子主干部分进行处理，提高句式提取准确度，本发明还提出一种句式信息表示结构，使用词汇、词汇候选集、词性标签来表示句式信息，保留尽可能多的句式信息。
-
公开(公告)号：CN112331181B
公开(公告)日：2024-07-05
申请号：CN201910694870.6
申请日：2019-07-30
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明属于目标语音提取和自适应技术领域，具体涉及一种基于多说话人条件下目标说话人语音提取方法，该方法具体包括：实时获取多个说话人混合的语音，提取多个说话人混合的语音的频谱；将锚语音输入到预先训练的说话人识别模型中，提取出目标说话人的特征向量；将获取的多个说话人混合的语音的频谱和目标说话人的特征向量输入至预先训练的目标说话人语音提取网络中，获取目标说话人的语音频谱；基于该目标说话人的语音频谱，获取目标说话人的语音。
-
公开(公告)号：CN113326689B
公开(公告)日：2023-08-18
申请号：CN202010128327.2
申请日：2020-02-28
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F40/205 , G06F40/211 , G06F18/214 , G06F18/2415 , G06N3/045 , G06N3/092
Abstract: 本发明属于数据通信和数据处理技术领域，具体涉及一种基于深度强化学习模型的数据清洗方法，该方法包括：获取待清洗的带标签的数据集；采用预筛选算法，删除待清洗的带标签的数据集中的无内容数据、不在标签集内的标签数据和标签矛盾的数据，获得待分类的数据集；将待分类的数据集输入至预先训练的深度强化学习模型中，获得不同类别的延迟奖励；再根据获得的不同类别的延迟奖励，依据预先训练的深度强化学习模型中的动作集合，丢弃掉有偏数据，保留有效数据，并更新状态列表S，最大化每一类别的延迟奖励值，将每一类别的最大延迟奖励值对应的带标签的训练数据集作为清洗干净的带标签的训练数据集，从而完成数据清洗。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.077 seconds)
