-
公开(公告)号：CN116883817A
公开(公告)日：2023-10-13
申请号：CN202310926874.9
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06V10/82 , G06V10/774 , G06V10/20 , G06V10/24
Abstract: 本发明提供一种基于人工智能的目标增强检测方法和系统，本发明的优势在于：通过深度学习技术，提高了目标检测的准确度和鲁棒性；通过数据增强和图像增强技术，增加了数据集的多样性和复杂性，提高了模型的泛化能力；整个系统具有高效的处理速度，可以在实际应用中实时进行目标检测。通过深度学习技术，结合图像增强和数据增强，克服了现有技术在处理复杂场景，如目标尺度变化、遮挡、低分辨率和噪声干扰时，存在准确度低和鲁棒性差的问题。
-
公开(公告)号：CN116866211A
公开(公告)日：2023-10-10
申请号：CN202310763614.4
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: H04L43/04 , H04L41/16 , H04L9/40 , G06F18/213 , G06F18/241 , G06N3/0464
Abstract: 本发明提供一种改进的深度合成检测方法和系统，通过针对不同类型的数据包，分别提取深度学习、生物和时间三个不同维度的特征，从而可以覆盖网络全类型的数据包。针对深度学习特征采用降维采样和滑动窗二次采样；针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。再利用帧内和帧间特征的差异性，计算两两特征之间的欧氏距离，以此判断对比损失，实现检测的高效和自动调整。
-
公开(公告)号：CN116319467B
公开(公告)日：2023-07-21
申请号：CN202310573012.2
申请日：2023-05-22
Applicant: 中国信息通信研究院
IPC: H04L43/0876 , H04L43/026 , H04L9/40 , G10L17/02 , G10L17/14
Abstract: 本发明公开了一种基于IDC机房双向流量的深度合成音频检测方法及系统，该方法包括：按照预设采集策略获取现网IDC机房出口的原始流量数据，并对获取到的原始流量数据进行还原处理得到还原音频文件，其中原始流量数据包括加密流量数据和非加密流量数据；基于预先建立的样本特征库对还原音频文件进行数据去重处理；对经去重处理后的还原音频文件进行音频检测以得到检测结果；该方法可做到现网流量深度合成信息的实时检测，并为了提高文件检测效率，减轻检测端压力，对数据进行去重处理，整体检测流程数据流转思路明确，可扩展至对于其他类型文件的检测，检测方法的普适性较强。
-
公开(公告)号：CN117938545B
公开(公告)日：2024-06-11
申请号：CN202410324005.3
申请日：2024-03-21
Applicant: 中国信息通信研究院
IPC: H04L9/40 , H04L9/32 , H04L69/22 , H04L67/02 , H04L43/12 , H04L43/20 , G06N3/088 , G06N3/0895 , G06N20/00
Abstract: 本发明提出一种基于加密流量的不良信息样本扩增方法和系统。其中，方法包括：首先采用数据扩增技术对不良信息样本进行数量扩增；其次，通过模拟现网的数据传输场景，研究搭建模拟现网的通信环境；再次，使用自研的pcap包采集工具在模拟通信环境中抓取样本的传输流量；然后，将获取到样本流量数据包逐一进行指纹生成；最后，将生成指纹构建指纹库，并采用数据压缩方法规模化精简指纹库规模。本发明提出的方案对于整体样本扩增流程思路明确，可扩展至对加密通信领域其他样本数据集的扩增，为有效解决样本数据不足与指纹库构建问题提供思路，方法的普适性较好。
-
公开(公告)号：CN117939189A
公开(公告)日：2024-04-26
申请号：CN202410324004.9
申请日：2024-03-21
Applicant: 中国信息通信研究院
IPC: H04N21/231 , H04N21/24 , H04N21/266
Abstract: 本发明提出一种面向不良视频加密流量数据的质量属性评价方法和系统。其中，方法包括：采集预定义视频平台的不良视频明文数据并进行存储；识别和检测所述不良视频明文数据，并对不良视频明文数据进行分类、标记和存储；采集预定义种类的不良视频加密流量数据包信息，对不良视频明文数据和不良视频加密流量数据包信息进行映射和标记；对不良视频明文数据的基本属性进行评价的同时，对映射和标记后的不良视频加密流量数据包信息的采集环境属性进行评价，最后给出不良视频加密流量数据质量的综合评价。本发明提出的方案，便于数据集的管理与调用，也有利于检测识别模型的训练数据与评测数据的评估与筛选。
-
Patent Agency Ranking
公开(公告)号：CN117557889A
公开(公告)日：2024-02-13
申请号：CN202311328043.8
申请日：2023-10-13
Applicant: 中国信息通信研究院
IPC: G06V20/00 , G06N3/0442 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种图像伪造检测方法和系统。其中，方法包括：局部纹理特征增强：通过从图像中提取的原始纹理信息和非纹理特征图，得到用于鉴别的纹理信息图；异常特征定位：将用于鉴别的纹理信息图通过卷积层进行下采样，然后进入LSTM网络，对图像的时序特征进行提取，以提取异常特征；异常特征检测：将所述异常特征输入判别器对特征进行分类，鉴别图像是否为伪造图像。本发明提出的方案能够更好地捕捉到不同尺度、不同类型的纹理信息，从而提高了检测模型的准确性。克服现有图像伪造鉴别方法局部异常难以察觉的缺陷，提高模型的通用性。有效地解决了现有图像伪造鉴别方法泛化性弱、对未知类型的编码操作可解释性差以及局部异常难以察觉的缺陷。
-
公开(公告)号：CN116843988B
公开(公告)日：2024-01-30
申请号：CN202310761008.9
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: G06V10/77 , G06V40/12 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习的目标检测方法和系统，通过先提取生物和时间维度特征，再在重点关注区域内提取深度学习特征。针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。计算两两特征样本集之间的差异值，不仅可以调整重点关注区域的范围，还可以判断是否分类成功，克服了现有技术需要引入注意力机制、抑制不相关背景的不足，实现检测的高效性和自动性。
-
公开(公告)号：CN116633809B
公开(公告)日：2024-01-23
申请号：CN202310762753.5
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: H04L43/04 , H04L41/16 , H04L9/40 , G06N3/0464 , G06F18/23 , G06F18/22 , G06V40/12 , G06F18/214 , G06F18/25
Abstract: 本发明提供一种基于人工智能的检测方法和系统，通过针对不同类型的数据包，分别提取深度学习、生物和时间三个不同维度的特征，从而可以覆盖网络全类型的数据包。针对深度学习特征采用降维采样和滑动窗二次采样；针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。通过以上步骤，使用两种不同途径的聚类处理，更好地利用模型进行分类。
-
公开(公告)号：CN117011766A
公开(公告)日：2023-11-07
申请号：CN202310926811.3
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06V20/40 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于帧内差异化的人工智能检测方法和系统，通过对视频帧内的差异化数据进行深度学习模型训练，实现对AI行为的精确检测，其中帧内的差异化数据是通过帧内网络获得，所述帧内网络采用多级卷积层迭代差值来提取帧内特征，计算帧内特征之间的欧氏距离和对比损失函数，得到图像差异值，克服了现有技术准确率有限，且对于动态和静态目标的效果不一致的问题，实现检测的快速、准确。
-
公开(公告)号：CN116843988A
公开(公告)日：2023-10-03
申请号：CN202310761008.9
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: G06V10/77 , G06V40/12 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习的目标检测方法和系统，通过先提取生物和时间维度特征，再在重点关注区域内提取深度学习特征。针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。计算两两特征样本集之间的差异值，不仅可以调整重点关注区域的范围，还可以判断是否分类成功，克服了现有技术需要引入注意力机制、抑制不相关背景的不足，实现检测的高效性和自动性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.042 seconds)
