-
公开(公告)号：CN108052576B
公开(公告)日：2021-04-23
申请号：CN201711293661.8
申请日：2017-12-08
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/28 , G06F16/215 , G06F16/35 , G06F16/36 , G06Q50/00
Abstract: 本发明涉及一种事理知识图谱构建方法及系统，该构建系统包括：宏观事件层构建模块、微观知识层构建模块、关系映射模块、本体层构建模块和事理知识图谱生成模块；所述宏观事件层构建模块包括：事件实体抽取单元、事件演化单元和因果关系抽取单元；所述微观知识层构建模块包括：微观实体抽取单元。本发明通过从结构化数据中获取事件实体和微观实体，分别构建宏观事件层和微观实体层，并抽取不同事件实体之间的因果关系映射到微观实体中，通过对微观实体层中微观实体的关系、类型和因果关系进行抽象和归纳，由此判断事件形成突发性群体响应的本质原因，对突发事件进行预警预测。
-
公开(公告)号：CN112235264A
公开(公告)日：2021-01-15
申请号：CN202011042795.4
申请日：2020-09-28
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L29/06 , H04L29/08 , H04L12/851 , G06N20/00
Abstract: 本发明实施例提供了一种基于深度迁移学习的网络流量识别方法及装置，涉及网络安全技术领域，可以识别新型网络流量。本发明实施例的技术方案包括：从待识别网络流量内提取前预设数量个数据包的报文信息和通信行为信息。然后计算待识别网络流量的报文信息和通信行为信息与各个类簇的聚类中心之间的距离，每个类簇包括一种类别的网络流量的报文信息和通信行为信息。在计算的距离中的最短距离小于预设距离时，获得最短距离对应的类簇的目标类别。再将报文信息对应的报文二维数据矩阵和行为信息对应的行为二维数据矩阵输入目标类别的网络流量识别模型，确定待识别网络流量是否为恶意流量。
-
公开(公告)号：CN111861545A
公开(公告)日：2020-10-30
申请号：CN202010573448.8
申请日：2020-06-22
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06Q30/02
Abstract: 本申请涉及一种用户行为画像的构建方法、装置、设备及存储介质，所述方法包括：构建用户行为画像模型；生成用户行为特征向量和生成行为对象特征向量；计算分组判别结果与设定分组的分组误差，和，将用户行为特征向量和行为对象特征向量重构生成行为矩阵，并计算重构生成的行为矩阵为用户行为矩阵的生成概率；根据最小化模型方法，优化用户行为画像模型，更新用户行为画像模型参数；用户行为画像模型构建成功，向构建成功的用户行为画像模型输入用户行为数据，获得与用户行为数据对应的用户行为画像。用以解决现有的用户行为画像模型构建时更专注于用户的共性，难以获取具有个性化且可区分性的用户行为画像的问题。
-
公开(公告)号：CN107026700B
公开(公告)日：2020-06-19
申请号：CN201710090914.5
申请日：2017-02-20
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04B17/391 , H04W24/00 , H04W84/18
Abstract: 本发明公开了一种基于数据包转发的信任模型构建的方法及装置，该方法包括：在数据包转发的网络中，根据网络节点a直接观察网络节点b接收和转发数据包的情况，确定网络节点a对网络节点b的直接信任水平，通过网络节点a的除网络节点b之外的其他邻居网络节点直接观察网络节点b接收和转发数据包的情况，获得网络节点a对网络节点b的推荐信任水平；根据网络节点a对网络节点b的直接信任水平和推荐信任水平，获得网络节点a对网络节点b的信任水平模型。通过上述方式，本发明能够为及时准确地对网络中网络节点的可信状态进行判断和分析提供技术支持和理论依据，为Ad hoc网络防止恶意攻击和软安全问题提供技术支持和理论依据。
-
公开(公告)号：CN106294333B
公开(公告)日：2019-10-29
申请号：CN201510236634.1
申请日：2015-05-11
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/332 , G06F16/953
Abstract: 本发明提供一种微博突发话题检测方法及装置，用以解决目前微博突发话题难以识别的问题，该方法包括，提取指定的微博数据集合中的特征项，特征项为包含具体语义的语言单元；确定特征项在微博数据集合的文本中的流通度以及特征项当前的热度；以流通度为质量参数项，以热度为位置参数项对特征项进行动力学建模，得到特征项的当前能量和加速度；在得到的能量以及加速度分别大于第一预设值以及第二预设值时，检测突发特征项；根据检测到的突发特征项在同一条微博中同时出现的情况计算突发特征项之间的互信息；当互信息大于第三阈值时，对突发特征项进行合并，得到突发话题，该方案能够提高微博突发话题检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN104915392B
公开(公告)日：2019-03-26
申请号：CN201510275479.4
申请日：2015-05-26
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F17/27 , G06Q50/00 , G06K9/62
Abstract: 本发明公开了一种微博转发行为预测方法及装置，包括：基于微博的用户属性、内容属性和用户行为属性来预测用户是否转发该微博，本发明通过在转发预测中引入用户个人行为，即用户行为特征以及用户兴趣特征，从而有效提高了微博转发行为预测的准确性。
-
公开(公告)号：CN105024996A
公开(公告)日：2015-11-04
申请号：CN201510291058.0
申请日：2015-06-01
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: H04L63/0823 , H04L9/3247 , H04L41/147
Abstract: 本发明公开了一种基于行为预测控制的门限远程证明方法，包括：抽取一段时间内的网络行为；所述网络行为用以下六元组进行表示，συ＝(χο,αν,πε,σκ,Λε,πα)，其中，χο网络行为的名称、αν网络行为的壳体、πε网络行为的网络环境、σκ网络行为的目的、Λε网络行为的操作序列,πα为行为的实际输出结果；质询方根据接收的网络行为，进行可信验证。本发明通过证明方主动将行为发送给质询方，有效解决了由于网络行为度量误判所带来的系统可用性差的问题，同时提高了可信网络系统的可用性。
-
公开(公告)号：CN105022964A
公开(公告)日：2015-11-04
申请号：CN201510292056.3
申请日：2015-06-01
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F21/62
CPC classification number: G06F21/62 , G06F2221/2141
Abstract: 本发明公开了一种基于行为预测控制的可信网络群体构建方法，包括：步骤10，对用户终端进行身份度量；不能通过身份度量的用户终端拒绝接入；步骤20，对通过身份度量的用户终端进行状态度量；不能通过状态度量的用户终端拒绝接入；步骤30，对通过状态度量的用户终端进行行为度量；不能通过行为度量的用户终端拒绝接入。本发明在可信群体的构建过程首先通过预测个体行为是否可信来评估行为个体是否可信，然后在个体行为的基础之上抽象出群体的可信行为的规范，基于群体可信行为的规范来约束个体，使得个体和群体有机结合，最终确保个体和群体的可信，最终通过可信个体来构建一个可信群体。
-
公开(公告)号：CN113743111B
公开(公告)日：2024-06-04
申请号：CN202010865079.X
申请日：2020-08-25
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/289 , G06F40/30 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/084 , G06Q40/03
Abstract: 本申请涉及一种基于文本预训练和多任务学习的金融风险预测方法及装置。该方法包括：获取待处理文本；将待处理文本输入第一神经网络模型，以按照风险识别任务的处理流程确定待处理文本的内容是否包括金融风险；在待处理文本的内容包括金融风险的情况下，利用第一神经网络模型按照风险分类任务的处理流程确定金融风险的风险类型；利用第一神经网络模型按照风险主体识别任务的处理流程确定与风险类型匹配的风险主体。本申请通过预训练语言模型技术解决了缺乏对语义的深度挖掘导致模型性能不佳的问题，并采用多任务处理，解决了数据量有限而且任务之间无法进行信息共享导致模型性能不佳的技术问题。
-
公开(公告)号：CN113742184B
公开(公告)日：2024-03-26
申请号：CN202010509571.3
申请日：2020-06-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F11/34 , G06F18/22 , G06F18/2433
Abstract: 本发明实施例涉及一种构建用户历史行为表示向量、用户行为异常检测方法及装置，包括：获取用户历史行为数据；将历史行为数据按照预设方式分为多个历史行为数据分组；根据每一组历史行为数据中包括的活动行为数据，提取与每一组历史行为数据对应的历史行为特征表示向量；根据每一组历史行为数据中包括的APP属性信息提取功能特征表示向量；根据第i分组中分别提取的第i历史行为特征表示向量和第i功能特征表示向量，生成与第i分组历史行为数据对应的第i历史行为表示向量；根据所有历史行为表示向量，构建用户历史行为表示向量，由此，可以有效利用用户行为数据实时辨别当前行为是否异常，维护用户个人信息和财产安全。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.05 seconds)
