-
公开(公告)号：CN108460772B
公开(公告)日：2022-05-17
申请号：CN201810150076.0
申请日：2018-02-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06T7/11 , G06T7/136 , G06T7/155 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种基于卷积神经网络的广告骚扰传真图像检测系统及方法，包括关键字区域提取模块，所述关键字区域提取模块用于确定待检测传真图像的关键字可疑区域；神经网络置信度分析模块，所述神经网络置信度分析模块与所述关键字区域提取模块相连，所述神经网络置信度分析模块用于对所述关键字可疑区域的文字进行识别，实现传真图像的分类。本发明通过关键字区域提取模块对关键字可疑区域进行提取，自动化运行，工作效率高；通过神经网络置信度分析模块对关键字可疑区域的文字进行识别，实现广告骚扰传真的分类判断，节约时间，管控能力强，使得本发明具有工作效率高，管控能力强的特点。
-
公开(公告)号：CN110691140B
公开(公告)日：2022-02-15
申请号：CN201910991135.1
申请日：2019-10-18
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 , 杭州东信北邮信息技术有限公司
IPC: H04L67/1029 , H04L65/1016 , H04M3/22
Abstract: 一种通讯网络中的弹性数据下发方法，包括：前端接入装置定期将所在业务服务器的能力数据上报给后端控制器；后端控制器保存前端接入装置上传的能力数据和上传时间，按照一定间隔时间T，根据前端接入装置所上传的能力数据，计算前端接入装置的黑白灰名单号码量，并生成策略数据，同时保存计算的前端接入装置的黑白灰名单号码量和对应时间，然后将所生成的策略数据下发给前端接入装置；前端接入装置保存后端控制器下发的策略数据，按照策略数据，对所在业务服务器所接收到的呼叫信令进行检测和匹配。本发明属于信息技术领域，能根据业务服务器的实际能力，实时调整被分配的黑白灰名单号码量，从而弹性开启不同的检测能力。
-
公开(公告)号：CN113779961A
公开(公告)日：2021-12-10
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：CN109920406B
公开(公告)日：2021-12-03
申请号：CN201910245435.5
申请日：2019-03-28
Applicant: 国家计算机网络与信息安全管理中心 , 珠海高凌信息科技股份有限公司
Abstract: 本发明的技术方案包括一种基于可变起始位置的动态语音识别方法及系统，用于实现：实时加载输入的语音流信号，对语音信号进行预处理；对语音信号进行特征提取，获取语音信号中的特征；根据语音信号中的特征调用语音模型信息库的多个模型对语音信号进行逐帧模式匹配。本发明的有益效果为：本发明的有益效果为容易理解，实现简单，当前语音模型匹配选取长度较为合理，经过算法改进后，减少了语音模型匹配次数，语音识别效率比之前的算法提高了30％的效率。
-
公开(公告)号：CN110248322B
公开(公告)日：2021-10-22
申请号：CN201910572375.8
申请日：2019-06-28
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
IPC: H04W4/14 , H04W12/128
Abstract: 本发明涉及一种基于诈骗短信的诈骗团伙识别方法及识别系统，该识别方法包括：实时识别并提取诈骗短信的敏感信息；对该诈骗短信进行通联关系分析，获取预定时间范围内所有相关通讯数据；从所有相关通讯数据中分别提取与敏感信息有关联的主叫信息和被叫信息，并提取与主叫号码相似度超过阈值的主叫信息；根据所有主叫信息获取诈骗团伙的诈骗地区、诈骗时间、团伙成员、团伙剧本。本发明提取诈骗短信的敏感信息，并获取与诈骗短信同一主叫的有关语音信息进行分析，从而获取以多种方式向被叫信息发送敏感信息的所有主叫信息和主叫语音，对所有主叫信息进行整体分析，以获取诈骗团伙的诈骗地区、诈骗时间、团伙成员等，实现诈骗团伙识别的自动化。
-
Patent Agency Ranking
公开(公告)号：CN110175221B
公开(公告)日：2021-04-20
申请号：CN201910411018.3
申请日：2019-05-17
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 , 长安通信科技有限责任公司
IPC: G06F16/33 , G06F40/289 , G06N3/04
Abstract: 利用词向量结合机器学习的垃圾短信识别方法，所述方法包括下列操作步骤：(1)根据短信特征对垃圾短信进行第一步识别；(2)根据关键词对垃圾短信进行第二步识别；(3)计算短信的短信文本向量，使用支持向量机的方法对垃圾短信进行第三步识别；(4)计算短信的静态词向量矩阵，利用卷积神经网络对垃圾短信进行第四步识别；(5)计算短信的每一个分词的动态词向量，利用卷积神经网络对垃圾短信进行第五步识别。本发明方法采用无监督和有监督相结合的垃圾短信识别方法，能大幅度提高垃圾短信的识别准确率。
-
公开(公告)号：CN112435672A
公开(公告)日：2021-03-02
申请号：CN202011105330.9
申请日：2020-10-15
Applicant: 讯飞智元信息科技有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种声纹识别方法、装置、设备及存储介质，该方法包括：获取用户的包含登录指令待识别的音频数据，输入声纹提取模型，输出声学特征；将所述声学特征输入已训练的声纹识别模型，输出识别文本；根据预先存储的验证音频数据对所述识别文本进行识别，以识别用户身份；响应于所述用户身份识别成功，执行所述登录执行。本发明针对如何解决由于传统声纹识别算法的局限性，通过获取用户的包含登录指令待识别的音频数据，输入声纹提取模型，输出声学特征；将所述声学特征输入已训练的声纹识别模型，输出识别文本；根据预先存储的验证音频数据对所述识别文本进行识别，以识别用户身份，提高音频数据进行登录验证的准确率。
-
公开(公告)号：CN110213724B
公开(公告)日：2020-10-20
申请号：CN201910412262.1
申请日：2019-05-17
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 , 长安通信科技有限责任公司
Abstract: 一种伪基站运动轨迹的识别方法，包括：从数据库中提取一段时长内的所有切换事件信令，计算每个基站在一定时间周期内的切换事件指标，并识别出疑似受伪基站设备影响的异常基站，将异常基站信息保存在异常基站识别记录表中，同时构建伪基站信息表；分别计算异常基站识别记录表中每个异常基站和伪基站信息表中每个基站之间的位置距离和发现时间差，获得异常基站识别记录表中每个异常基站的轨迹编号，然后将获得轨迹编号的异常基站信息写入伪基站信息表；根据伪基站信息表中基站的位置、发现时间和轨迹编号，获得每个伪基站的运动轨迹。本发明属于信息技术领域，能通过识别受伪基站设备影响而导致信令表现异常的基站，实现伪基站运动轨迹的准确跟踪。
-
公开(公告)号：CN111709472A
公开(公告)日：2020-09-25
申请号：CN202010543099.5
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: 一种动态融合规则到诈骗行为识别模型的方法，包括：由全量通话记录生成电信通联网络：G＝{V，E，Y}，并据此构建识别诈骗行为的时空图；读取诈骗行为识别规则表中的每条规则，计算每个用户对应于每条规则的转换值；将每个用户对应于规则的转换值构成每个用户的通话特征指标向量，每个用户的通话特征指标向量即是时空图中每个用户的节点特征；构建、并训练诈骗行为识别模型，然后将待识别用户的节点特征输入至诈骗行为识别模型，并根据模型输出判断待识别用户是否是可疑诈骗行为号码。本发明属于信息技术领域，能实现规则和模型的动态融合，从而实时检测、并准确识别各种诈骗行为。
-
公开(公告)号：CN109587350A
公开(公告)日：2019-04-05
申请号：CN201811373658.1
申请日：2018-11-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04M3/22 , H04W12/12 , H04W16/22 , G06F16/2458
Abstract: 本发明公开了一种基于滑动时间窗口聚合的电信诈骗电话的序列异常检测方法，属于数据挖掘与机器学习和商务智能领域。首先构造训练用户数据集，回溯被叫用户全部通话记录，形成各被叫用户通话序列。利用cos相似度函数，计算序列结构相似度和统计特征相似度并进行线性组合，得到加和相似度。然后通过K-Means聚类模型得到K类用户，构成独立的序列训练数据集，通过滑动时间窗口，形成K个训练集。最后在每个训练集上训练iForest模型，得到K个异常检测模型。每个被叫用户通过对应的异常检测模型识别异常，当最大值高于阈值h时，该被叫用户是高风险的被叫用户。每过固定时间段更新K-Means模型和异常检测模型。本发明缓解了数据稀疏性问题，发现基于群组的异常特征。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.071 seconds)
