-
公开(公告)号：CN113052270A
公开(公告)日：2021-06-29
申请号：CN202110503779.9
申请日：2021-05-10
Applicant: 清华大学 , 国家计算机网络与信息安全管理中心
Abstract: 本申请涉及一种分类精度评价方法、装置、计算机设备和存储介质。所述方法包括：获取有害语音样本集；将有害语音样本集中的每个有害语音样本输入待评价的有害语音分类模型中进行分类，得到预测类别标签；在预设的分类层级中，确定与预测类别标签和有害语音样本的样本类别标签对应的目标分类；根据目标分类计算待评价的有害语音分类模型的分类精确程度。本方案中，对有害语音样本进行了多层次的分类(即分类层级)，然后在分类层级中确定预测类别标签和样本类别标签共同所属的目标分类，目标分类可以反映预测类别标签和样本类别标签的匹配度，进而根据目标分类确定分类模型的分类精确程度，能够有效的提高分类模型评价的准确度。
-
公开(公告)号：CN113052270B
公开(公告)日：2024-12-24
申请号：CN202110503779.9
申请日：2021-05-10
Applicant: 清华大学 , 国家计算机网络与信息安全管理中心
IPC: G06F18/21 , G06F18/241 , G06F18/22
Abstract: 本申请涉及一种分类精度评价方法、装置、计算机设备和存储介质。所述方法包括：获取有害语音样本集；将有害语音样本集中的每个有害语音样本输入待评价的有害语音分类模型中进行分类，得到预测类别标签；在预设的分类层级中，确定与预测类别标签和有害语音样本的样本类别标签对应的目标分类；根据目标分类计算待评价的有害语音分类模型的分类精确程度。本方案中，对有害语音样本进行了多层次的分类(即分类层级)，然后在分类层级中确定预测类别标签和样本类别标签共同所属的目标分类，目标分类可以反映预测类别标签和样本类别标签的匹配度，进而根据目标分类确定分类模型的分类精确程度，能够有效的提高分类模型评价的准确度。
-
公开(公告)号：CN113205801A
公开(公告)日：2021-08-03
申请号：CN202110498059.8
申请日：2021-05-08
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
Abstract: 本申请涉及一种恶意语音样本的确定方法、装置、计算机设备和存储介质。该方法包括：获取初始语音样本集；根据预设的多种恶意类别对初始语音样本集进行分类，得到多种恶意类别中每种恶意类别对应的语音样本子集；根据每种恶意类别对应的语音样本子集中的语音样本信息，计算每种恶意类别对应的语音样本子集的恶意度；将恶意度满足预设恶意度条件的恶意类别对应的语音样本子集中的语音样本，确定为恶意语音样本。本方法基于语音样本子集的恶意类别以及恶意度可自动确定恶意语音样本，有利于提高恶意语音样本的确定效率。
-
公开(公告)号：CN113205801B
公开(公告)日：2024-03-19
申请号：CN202110498059.8
申请日：2021-05-08
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
Abstract: 本申请涉及一种恶意语音样本的确定方法、装置、计算机设备和存储介质。该方法包括：获取初始语音样本集；根据预设的多种恶意类别对初始语音样本集进行分类，得到多种恶意类别中每种恶意类别对应的语音样本子集；根据每种恶意类别对应的语音样本子集中的语音样本信息，计算每种恶意类别对应的语音样本子集的恶意度；将恶意度满足预设恶意度条件的恶意类别对应的语音样本子集中的语音样本，确定为恶意语音样本。本方法基于语音样本子集的恶意类别以及恶意度可自动确定恶意语音样本，有利于提高恶意语音样本的确定效率。
-
公开(公告)号：CN111708887B
公开(公告)日：2022-09-23
申请号：CN202010542354.4
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种自定义规则的多模型融合的不良呼叫识别方法，包括：构建规则策略模型：设置若干条规则，将多条规则通过逻辑运算符连接构成策略，并设置策略的模型融合方式，由所有策略构成规则策略模型；构建识别不良呼叫的卷积神经网络和基于不良呼叫投诉的BERT文本分类模型；根据策略包含的规则的计算式，为每条策略生成递归计算表达式，然后执行递归计算表达式以获得策略执行结果，同时，运行卷积神经网络和BERT文本分类模型以获得输出结果，最后根据每条策略的模型融合方式和执行结果、卷积神经网络和BERT文本分类模型的输出结果，计算得到不良呼叫识别结果。本发明属于信息技术领域，能将规则和隐性表征模型有效融合到不良呼叫识别技术中。
-
Patent Agency Ranking
公开(公告)号：CN113765556A
公开(公告)日：2021-12-07
申请号：CN202111134795.1
申请日：2021-09-27
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04B7/0456 , H04B7/0413 , H04B17/318 , H04L5/00 , H04L25/02 , H04W12/00
Abstract: 本公开提供一种数据传输方法、装置、电子设备及存储介质。该方法包括：接收合法用户发送的导频信号；根据所述导频信号进行信道估计，获得信道状态信息；对所述信道状态信息进行混合预编码，获得混合预编码矩阵；基于零空间的人工辅助噪声序列对所述信道状态信息进行预编码，获得人工噪声预编码矩阵；使用所述混合预编码矩阵和所述人工噪声预编码矩阵进行数据传输。该方法可以保证基站与合法用户间数据的安全传输。
-
公开(公告)号：CN111726460A
公开(公告)日：2020-09-29
申请号：CN202010542365.2
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种基于时空图的诈骗号码识别方法，包括：由全量通话记录生成电信通联网络，并构建识别诈骗号码的时空图，使用Snapshot方法按时间间隔T、从图中连续截取出多张时空子图；基于用户在每张时空子图对应时间周期下的通话记录，计算每个用户在每张时空子图对应时间周期下的通话特征指标向量，同时，为每个用户从时空子图中提取和其有相同被叫的邻居用户；构建、并训练识别诈骗号码的时空图神经网络；将待识别目标用户和其所有邻居用户在所有时空子图中的通话特征指标向量输入时空图神经网络，并根据输出判断待识别目标用户号码是否是疑似诈骗号码。本发明属于信息技术领域，能动态的捕获到号码呼叫行为的变化，从而实现诈骗号码的精准识别。
-
公开(公告)号：CN109379327A
公开(公告)日：2019-02-22
申请号：CN201811009137.8
申请日：2018-08-30
Applicant: 国家计算机网络与信息安全管理中心 , 天津市国瑞数码安全系统股份有限公司
CPC classification number: H04L65/10 , H04L41/14 , H04L63/0227
Abstract: 本发明属于信息安全技术领域，具体而言，涉及一种基于多种特征的信令名单危害度分析方法，包括如下步骤：实时获取信令名单；结合信令名单配置策略，实时分析所述信令名单的危害度；对所述危害度进行组合型等级评定；根据得出的等级评定结果，标识所述信令名单的危害度并存档。本发明还提供了一种基于多种特征的信令名单危害度分析系统。本发明通过对信令名单实时进行多种危害度特征的分析，能够准确的对信令名单的危害度进行评定，具有节约人力、结果准确的特点。
-
公开(公告)号：CN108520740A
公开(公告)日：2018-09-11
申请号：CN201810332970.X
申请日：2018-04-13
Applicant: 国家计算机网络与信息安全管理中心 , 天津市国瑞数码安全系统股份有限公司
CPC classification number: G10L15/01 , G10L15/02 , G10L15/08 , G10L15/1815 , G10L15/26 , G10L2015/0631
Abstract: 本发明属于音频分析技术领域，具体而言，涉及一种基于多种特征的音频内容一致性分析方法和分析系统，分析方法包括获取语音样本；对所述语音样本的音频模型进行基于多种特征的分析；对所述音频模型的分析结果进行评分设定；对评分设定后的所述音频模型的一致性进行综合特征模型分析；根据所述综合特征模型分析得出所述语音样本的分析结果。分析系统包括数据查询管理系统、数据存储系统、实时分析系统、实时评分系统和模型自学习系统。本发明提供的基于多种特征的音频内容一致性分析方法和分析系统能够根据多个特征对音频内容进行归类，具有分析识别准确度高的特点。
-
公开(公告)号：CN106972967A
公开(公告)日：2017-07-21
申请号：CN201710195501.3
申请日：2017-03-29
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院声学研究所
CPC classification number: H04L41/147 , G06N20/00 , G06Q10/04 , H04L41/12
Abstract: 本发明提出了一种用于链路预测的深度学习降维方法和装置，该方法，包括：根据各个网络节点在设定时间段内的连接关系，确定每个网络节点的一级连接网络节点和二级连接网络节点；按照设定时长将所述设定时间段划分为多个时间片，并根据所述各个网络节点在每个时间片内的连接关系，确定出在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系；根据在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系，通过深度学习算法模型，对所述各个网络节点进行链路预测。本发明减少输入到深度学习算法模型的数据量，减少学习训练时间并提高链路预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.046 seconds)
