-
公开(公告)号：CN113343219A
公开(公告)日：2021-09-03
申请号：CN202110606530.0
申请日：2021-05-31
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
摘要： 本发明公开了一种自动高效的高风险移动应用程序检测方法，包括S1、获取待测App的SDK列表和权限列表，转化为向量形式，得到列表向量；计算待测App与已知的高风险App之间的相似度，判定为潜在风险App；S2、动态分析进一步判定是否为高风险App，若判定为“是”，将其标记为高风险App；S3、人工审核判定是否是高风险App，若“是”，添加至高风险App库，标记为高风险App。本发明采用以静态分析、动态分析为主，辅助以人工审核的方式，避免了人工审核存在的效率低、成本高、准确率低等问题，实现了高风险App得自动高效识别。
-
公开(公告)号：CN113132383A
公开(公告)日：2021-07-16
申请号：CN202110421317.2
申请日：2021-04-19
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
摘要： 本发明涉及大数据技术领域。本发明公开了一种网络数据采集系统，该系统包括服务器，服务器包括：任务下发模块，用于创建用户信息获取任务，将用户信息获取任务分配至不同的任务池，计算任务池优先级，根据任务下发规则，得到并传输具有优先级参数的用户信息获取任务；数据解析模块，与任务下发模块数据连接，用于获取来自中间代理服务端的用户信息流量数据，数据解析模块构建报文解析神经网络模型，将待解析报文信息输入训练后报文解析神经网络模型，判断待解析报文信息中是否包括指定用户信息并提取。通过设置任务优先级，优先处理重要的任务，提高任务处理效率。本公开实施例还公开了一种网络数据采集方法。
-
公开(公告)号：CN113132383B
公开(公告)日：2022-03-25
申请号：CN202110421317.2
申请日：2021-04-19
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
IPC分类号： H04L69/22 , H04L67/562 , G06N3/08
摘要： 本发明涉及大数据技术领域。本发明公开了一种网络数据采集系统，该系统包括服务器，服务器包括：任务下发模块，用于创建用户信息获取任务，将用户信息获取任务分配至不同的任务池，计算任务池优先级，根据任务下发规则，得到并传输具有优先级参数的用户信息获取任务；数据解析模块，与任务下发模块数据连接，用于获取来自中间代理服务端的用户信息流量数据，数据解析模块构建报文解析神经网络模型，将待解析报文信息输入训练后报文解析神经网络模型，判断待解析报文信息中是否包括指定用户信息并提取。通过设置任务优先级，优先处理重要的任务，提高任务处理效率。本公开实施例还公开了一种网络数据采集方法。
-
公开(公告)号：CN112990220A
公开(公告)日：2021-06-18
申请号：CN202110417894.4
申请日：2021-04-19
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
摘要： 本发明涉及人工智能技术领域，特别涉及一种图像中目标文本智能识别方法。该方法步骤如下：将目标文本由像素点坐标表示，输入目标文本像素点坐标值对像素坐标识别神经网络进行训练，获得文本自编码模型和目标文本的表述特征；根据区域的高度值计算背景区域数量，提取覆盖背景区域，剩余区域为前景区域；利用训练好的文本自编码模型在前景区域中获得待识别的文本的表述特征，将文本的表述特征与期望的目标文本的表述特征进行对比判断，若两者误差达到预设阈值，则识别文字为目标文本。本发明还提供一种图像中目标文本智能识别系统。本发明通过基于文本自编码模型来识别目标文本，能够精准定位目标文本在图像中的位置，计算复杂度低，识别准确率高。
-
公开(公告)号：CN112990220B
公开(公告)日：2022-08-05
申请号：CN202110417894.4
申请日：2021-04-19
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
摘要： 本发明涉及人工智能技术领域，特别涉及一种图像中目标文本智能识别方法。该方法步骤如下：将目标文本由像素点坐标表示，输入目标文本像素点坐标值对像素坐标识别神经网络进行训练，获得文本自编码模型和目标文本的表述特征；根据区域的高度值计算背景区域数量，提取覆盖背景区域，剩余区域为前景区域；利用训练好的文本自编码模型在前景区域中获得待识别的文本的表述特征，将文本的表述特征与期望的目标文本的表述特征进行对比判断，若两者误差达到预设阈值，则识别文字为目标文本。本发明还提供一种图像中目标文本智能识别系统。本发明通过基于文本自编码模型来识别目标文本，能够精准定位目标文本在图像中的位置，计算复杂度低，识别准确率高。
-
公开(公告)号：CN113536077B
公开(公告)日：2022-06-17
申请号：CN202110606596.X
申请日：2021-05-31
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
IPC分类号： G06F16/906 , G06F16/953 , G06F16/901 , G06N20/00
摘要： 本发明公开了一种移动APP特定事件内容检测方法，涉及网络信息安全和自然语言处理交叉技术领域。首先获取互联网上特定事件的若干内容作为原始语料，从中抽取原始关键词；针对原始语料构建关键词关系图，并对关键词关系图进行聚类，得到若干簇；对同一簇中的关键词进行量化和排序，得到最能够表达该事件的特征关键词；将特征关键词输入到APP搜索框中进行自动化检索，保存结果；使用机器学习算法对保存结果进行分析，实现了移动APP中特定事件的自动、高效检测分析。本发明以很低的搜索成本获得了不同移动应用针对特定事件的舆论观点和舆论走向信息。本发明还公开了一种移动APP特定事件内容检测装置。
-
公开(公告)号：CN113343219B
公开(公告)日：2023-03-07
申请号：CN202110606530.0
申请日：2021-05-31
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
摘要： 本发明公开了一种自动高效的高风险移动应用程序检测方法，包括S1、获取待测App的SDK列表和权限列表，转化为向量形式，得到列表向量；计算待测App与已知的高风险App之间的相似度，判定为潜在风险App；S2、动态分析进一步判定是否为高风险App，若判定为“是”，将其标记为高风险App；S3、人工审核判定是否是高风险App，若“是”，添加至高风险App库，标记为高风险App。本发明采用以静态分析、动态分析为主，辅助以人工审核的方式，避免了人工审核存在的效率低、成本高、准确率低等问题，实现了高风险App得自动高效识别。
-
公开(公告)号：CN113536077A
公开(公告)日：2021-10-22
申请号：CN202110606596.X
申请日：2021-05-31
申请人： 烟台中科网络技术研究所 , 国家计算机网络与信息安全管理中心
IPC分类号： G06F16/906 , G06F16/953 , G06F16/901 , G06N20/00
摘要： 本发明公开了一种移动APP特定事件内容检测方法，涉及网络信息安全和自然语言处理交叉技术领域。首先获取互联网上特定事件的若干内容作为原始语料，从中抽取原始关键词；针对原始语料构建关键词关系图，并对关键词关系图进行聚类，得到若干簇；对同一簇中的关键词进行量化和排序，得到最能够表达该事件的特征关键词；将特征关键词输入到APP搜索框中进行自动化检索，保存结果；使用机器学习算法对保存结果进行分析，实现了移动APP中特定事件的自动、高效检测分析。本发明以很低的搜索成本获得了不同移动应用针对特定事件的舆论观点和舆论走向信息。本发明还公开了一种移动APP特定事件内容检测装置。
-
公开(公告)号：CN111192091A
公开(公告)日：2020-05-22
申请号：CN201911422307.X
申请日：2019-12-30
申请人： 烟台中科网络技术研究所
摘要： 本发明公开了一种通信企业集团客户成员识别方法，包括：根据基础训练数据进行特征工程，获取关键特征；根据关键特征从基础训练数据中选取训练数据，并利用训练数据对识别模型训练；根据预设指标对识别模型的识别效果进行评估，根据评估结果对模型参数进行调整，直至评估结果达到预设值，得到最优识别模型；根据关键特征，利用最优识别模型对新增业务数据进行通信企业集团客户成员识别。本发明通过特征工程获取对识别影响重要的关键特征，避免了特征选取的盲目性，进一步提高识别质量、性能、效果和识别效率。本发明还公开了一种存储介质和计算机设备。
-
公开(公告)号：CN114884549A
公开(公告)日：2022-08-09
申请号：CN202210489463.3
申请日：2022-05-06
申请人： 烟台中科网络技术研究所
IPC分类号： H04B7/06 , H04B7/0413 , H04B17/391
摘要： 本发明涉及一种基于深度学习的大规模MIMO信道状态信息反馈方法，其包括：在下行链路中，在用户端侧对MIMO信道状态信息在空频域的信道矩阵进行二维离散傅立叶变换，得到在角度延迟域稀疏的信道矩阵H；构建超分辨信道状态信息网络模型，该模型包含属于用户端的解码器和属于基站端的译码器，其中该解码器用于将所述获得的在角度延迟域稀疏的信道矩阵H编码为更低维度的码字，所述译码器用于从收到的码字重建出信道矩阵估计值对所述超分辨信道状态信息网络模型进行训练，使得所述信道矩阵估计值和在角度延迟域稀疏的信道矩阵H尽可能接近，并获得模型参数；将训练好的所述超分辨信道状态信息网络模型用于信道信息的压缩感知和重建。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.06 秒)