-
公开(公告)号:CN110191103A
公开(公告)日:2019-08-30
申请号:CN201910387482.3
申请日:2019-05-10
Applicant: 长安通信科技有限责任公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提供一种DGA域名检测方法,包括以下步骤:建立域名白名单数据与DGA域名黑名单数据,基于LSTM对上述域名白名单数据与DGA域名黑名单数据进行训练并构建LSTM模型;利用域名白名单数据与DGA域名黑名单数据,计算域名特征,训练RF/GBDT模型;基于被动域名日志收集每日被动域名解析记录,定义没有对应解析IP的域名为NX域名,利用上述RF/GBDT模型分类出非DGA域名;利用LSTM模型对上述非DGA域名进行DGA预测,根据设定的DGA域名判断阈值,检出疑似DGA域名;对上述疑似DGA域名进一步筛查,找出DGA域名。
-
公开(公告)号:CN109714771A
公开(公告)日:2019-05-03
申请号:CN201910097901.X
申请日:2019-01-31
Applicant: 长安通信科技有限责任公司
Abstract: 本发明公开了一种基于信令数据分析伪基站工作中的基站预处理方法,本发明通过对基站信息表中的LAC白名单与实际信令数据中出现的LAC数值进行合并,得到一个LAC白名单。该LAC白名单在基站信息表中的信息不全时,也不会漏掉实际上存在而基站信息表中缺失的那部分基站的信息,从而避免判断伪基站时发生误判。同时,本发明除去本省的基站外,还包含了相邻省份的基站信息表中的LAC白名单,并且使用该白名单和本省信令数据中的“源LAC集合”进行了求交集的操作,从而得到了扩展白名单,从而避免了外省经过陆路进入本省的用户由于源LAC不在本省的基站白名单内而被误判为伪基站干扰事件的情况。
-
公开(公告)号:CN104504406A
公开(公告)日:2015-04-08
申请号:CN201410733832.4
申请日:2014-12-04
Applicant: 长安通信科技有限责任公司
CPC classification number: G06K9/6223 , G06K9/4671
Abstract: 本发明公开了一种快速高效的近似重复图像匹配方法。本方法为:1)提取训练图像库中每一图像的ORB特征并对每一图像的ORB特征进行非线性映射,构建该训练图像库的视觉词汇表;2)根据已构建的视觉词汇表,利用局部约束线性编码对训练图像库中每一图像非线性映射的ORB特征进行稀疏编码;3)提取待匹配图像的ORB特征并对其进行非线性映射,然后根据所建视觉词汇表对该待匹配图像非线性映射的ORB特征进行稀疏编码;4)计算待匹配图像的稀疏编码与该训练图像库中图像的稀疏编码相似度,若相似度超过设定阈值,则匹配成功,否则匹配失败。本发明降低了硬量化方法的重构误差,极大地提高了匹配的速度,可以用来实时匹配。
-
公开(公告)号:CN109714771B
公开(公告)日:2022-04-08
申请号:CN201910097901.X
申请日:2019-01-31
Applicant: 长安通信科技有限责任公司
IPC: H04W12/122 , H04W24/04
Abstract: 本发明公开了一种基于信令数据的基站分析工作中的基站预处理方法,本发明通过对基站信息表中的LAC白名单与实际信令数据中出现的LAC数值进行合并,得到一个LAC白名单。该LAC白名单在基站信息表中的信息不全时,也不会漏掉实际上存在而基站信息表中缺失的那部分基站的信息,从而避免判断伪基站时发生误判。同时,本发明除去本省的基站外,还包含了相邻省份的基站信息表中的LAC白名单,并且使用该白名单和本省信令数据中的“源LAC集合”进行了求交集的操作,从而得到了扩展白名单,从而避免了外省经过陆路进入本省的用户由于源LAC不在本省的基站白名单内而被误判为伪基站干扰事件的情况。
-
公开(公告)号:CN108768917B
公开(公告)日:2021-05-11
申请号:CN201810210343.9
申请日:2018-03-14
Applicant: 长安通信科技有限责任公司 , 国家计算机网络与信息安全管理中心
IPC: H04L29/06
Abstract: 本发明涉及一种基于网络日志的僵尸网络检测方法及系统。该方法通过分析网络日志,捕获符合僵尸网络特征的主机IP,获得僵尸网络成员列表;针对每一个僵尸网络成员进行微观分析,并针对全部僵尸网络成员进行宏观统计分析,获得僵尸网络情报。该系统包括网络探针、僵尸网络检测引擎、规则库和僵尸网络分析情报库。本发明利用大规模通联日志和域名访问日志,可批量发现和追踪僵尸网络活动,从宏观和微观两个层面观察其蔓延态势;本发明只需要连接级别的网络日志,不需要数据包级别的日志,也不需要执行流量还原操作获得载荷特征,有效降低了大规模网络日志的存储开销。
-
公开(公告)号:CN110346117A
公开(公告)日:2019-10-18
申请号:CN201910516703.2
申请日:2019-06-14
Applicant: 长安通信科技有限责任公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提出了一种鱼眼镜头超宽视场下光斑高精度定位方法,包括如下步骤:对于鱼眼镜头成像光斑,检测得到该光斑的光功率;计算不考虑鱼眼镜头畸变的圆形光斑轮廓,根据该圆形光斑轮廓计算考虑鱼眼镜头畸变的畸形光斑轮廓;根据光功率和圆形光斑轮廓,计算不考虑鱼眼镜头畸变的圆形光斑能量分布;根据畸形光斑轮廓和圆形光斑能量分布,计算考虑鱼眼镜头畸变的畸形光斑能量分布;根据畸形光斑能量分布得到畸形光斑的信号强度和噪声强度,再利用改进的质心定位算法对鱼眼镜头超宽视场下光斑进行定位。本方法解决了鱼眼镜头畸变对光斑定位的影响,从而实现超宽视场下激光信号的高精度定位。
-
公开(公告)号:CN108768917A
公开(公告)日:2018-11-06
申请号:CN201810210343.9
申请日:2018-03-14
Applicant: 长安通信科技有限责任公司 , 国家计算机网络与信息安全管理中心
IPC: H04L29/06
CPC classification number: H04L63/1425 , H04L63/145 , H04L63/1458 , H04L2463/144
Abstract: 本发明涉及一种基于网络日志的僵尸网络检测方法及系统。该方法通过分析网络日志,捕获符合僵尸网络特征的主机IP,获得僵尸网络成员列表;针对每一个僵尸网络成员进行微观分析,并针对全部僵尸网络成员进行宏观统计分析,获得僵尸网络情报。该系统包括网络探针、僵尸网络检测引擎、规则库和僵尸网络分析情报库。本发明利用大规模通联日志和域名访问日志,可批量发现和追踪僵尸网络活动,从宏观和微观两个层面观察其蔓延态势;本发明只需要连接级别的网络日志,不需要数据包级别的日志,也不需要执行流量还原操作获得载荷特征,有效降低了大规模网络日志的存储开销。
-
公开(公告)号:CN104881866A
公开(公告)日:2015-09-02
申请号:CN201510217793.7
申请日:2015-04-30
Applicant: 长安通信科技有限责任公司 , 涂波
IPC: G06T7/00
CPC classification number: G06T7/80 , G06T2207/10016 , G06T2207/30204
Abstract: 本发明具体涉及一种扩展小孔成像模型的鱼眼相机矫正与标定方法,属于计算机视觉以及计算机图形学领域,该方法包括如下步骤:使用开窗后的相机,从不同的角度拍摄棋盘模板图;通过角点检测,提取模板图像中特征点的像素坐标,通过小孔成像模型建立空间点和图像点之间的关系;在提取到所有的特征点后,通过LM算法求参数,实现基于小孔成像模型的鱼眼相机矫正与标定;结合直线拟合以及自然邻点插值算法对小孔模型矫正的视场范围进行扩展。本发明和现有技术相比所具有的有益效果:易于标定、适合人眼观看效果;扩展了小孔成像模型的应用范围,单次矫正的视场范围达到130°;通过多次扩展,可以得到整个鱼眼相机成像区域的矫正结果。
-
公开(公告)号:CN110191103B
公开(公告)日:2022-07-15
申请号:CN201910387482.3
申请日:2019-05-10
Applicant: 长安通信科技有限责任公司 , 国家计算机网络与信息安全管理中心
IPC: H04L9/40 , H04L61/4511
Abstract: 本发明提供一种DGA域名检测方法,包括以下步骤:建立域名白名单数据与DGA域名黑名单数据,基于LSTM对上述域名白名单数据与DGA域名黑名单数据进行训练并构建LSTM模型;利用域名白名单数据与DGA域名黑名单数据,计算域名特征,训练RF/GBDT模型;基于被动域名日志收集每日被动域名解析记录,定义没有对应解析IP的域名为NX域名,利用上述RF/GBDT模型分类出非DGA域名;利用LSTM模型对上述非DGA域名进行DGA预测,根据设定的DGA域名判断阈值,检出疑似DGA域名;对上述疑似DGA域名进一步筛查,找出DGA域名。
-
公开(公告)号:CN108596950B
公开(公告)日:2022-06-17
申请号:CN201810251700.6
申请日:2018-03-26
Applicant: 国家计算机网络与信息安全管理中心 , 长安通信科技有限责任公司
Abstract: 本发明提供一种基于主动漂移矫正的刚体目标跟踪方法,其步骤包括:提取原始图像目标区域的SURF特征点;当前图像到来时,提取当前图像目标区域的SURF特征点,利用强分类器对该SURF特征点与上述原始图像目标区域的SURF特征点进行匹配;估计原始图像的目标区域至当前图像的目标区域的运动模型,并找到已被成功定位的且距离当前最近的一帧图像,基于所述运动模型估计该最近的一帧图像至当前图像的运动参数;基于所述最近的一帧图像的SURF特征点,利用强分类器找出当前图像的对应点,为该对应点分配辐射区域,通过模板匹配求解所述运动参数,实现对当前图像的目标区域进行精细化定位。
-
-
-
-
-
-
-
-
-