-
公开(公告)号：CN110930165A
公开(公告)日：2020-03-27
申请号：CN201911090024.X
申请日：2019-11-08
Applicant: 国家计算机网络与信息安全管理中心 , 深圳市任子行科技开发有限公司
IPC: G06Q30/00 , G06Q40/06 , G06F40/289
Abstract: 本发明公开了一种互联网金融网站的异常检测方法及装置，该方法包括：获取互联网金融网站的文本信息；当所述文本信息中存在收益率关键词时，从所述文本信息中提取所述收益率关键词对应的收益率数值；根据所述收益率关键词以及所述收益率关键词对应的收益率数值，确定最大收益率；当所述最大收益率大于预设收益率时，确定所述互联网金融网站存在异常。通过本发明，从互联网金融网站中提取该网站公示的收益率，当提取的收益率过高时，说明该互联网金融网站存在高风险或诈骗特征，因此，认定该网站存在异常，从而认定该网站所属公司处于经营异常状态，实现了对互联网金融公司实行有效监管。
-
公开(公告)号：CN110276680A
公开(公告)日：2019-09-24
申请号：CN201910441730.8
申请日：2019-05-24
Applicant: 国家计算机网络与信息安全管理中心 , 北京赛思信安技术股份有限公司
IPC: G06Q40/02
Abstract: 本发明公开了一种应用于互联网金融的真实数据获取方法，涉及国家互联网金融监测领域。首先梳理各网贷机构业务的交易明细数据，进行业务评估；各网贷机构在本地存储一份符合标准的数据，并进行自查，将自查的数据接入国家互联网应急中心。然后各网贷机构通过SDK工具包进行埋点，国家互联网应急中心对各网贷机构实时接入的交易明细数据进行正确性验证，并反馈给网贷机构；同时抽取各网贷机构接入的实时交易数据，按出借和借款业务形成数据流，围绕出借人和借款人两个维度生成披露数据。最后国家互联网应急中心对用户开放数据查验，查验反馈窗口。本发明实现对网贷机构实时接入数据的真实性验证以及进行实时、动态监管的目的。
-
公开(公告)号：CN107220892A
公开(公告)日：2017-09-29
申请号：CN201710392181.0
申请日：2017-05-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京赛思信安技术股份有限公司
IPC: G06Q40/02
Abstract: 本发明公开了一种应用于海量P2P网贷金融数据智能预处理工具及方法，可以对海量P2P网贷金融数据在存储到标准金融业务数据库之前，进行准确、高效地预处理，确保数据的准确性及有效性，从而建立P2P网络借贷平台有效监测机制，有效加强对P2P网络借贷平台的监管。预处理包括建立有效性及完整性校验规则，实现入库前的数据校验；以及数据分类、数据去重、数据修正、数据转换、状态计算，实现入库前的数据处理；最终将数据加载入标准金融业务数据库。
-
公开(公告)号：CN107193986A
公开(公告)日：2017-09-22
申请号：CN201710391391.8
申请日：2017-05-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京赛思信安技术股份有限公司
Abstract: 本发明公开了一种互联网金融数据公众查验方法，属于数据处理技术领域。所述方法包括个人投资数据查询、漏报补充、错报纠正和企业运营指数统计。采用本发明提供的方法，可证实公众用户在互联网金融企业投资过，且被国家权威部门正常监测到；为国家提供了对互联网金融企业投资理财风险监测的技术支持平台；为互联网金融投资用户提供了一个可以参考、可以跟踪投资的国家权威入口，帮助互联网用户安全理财，理性理财，降低投资风险。本发明具有很强的实用性和推广性，帮助互联网金融投资用户安全理财，具有很广泛的应用前景。
-
公开(公告)号：CN107104829A
公开(公告)日：2017-08-29
申请号：CN201710253404.5
申请日：2017-04-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04L12/24
Abstract: 本发明提供了一种基于网络拓扑数据的物理设备匹配分配方法及装置，方法包括以下步骤：获取设备T的端口信息，根据设备T的端口信息对所有物理设备进行初筛，形成待匹配物理设备列表；当待匹配物理设备列表不为空时，根据设备T的匹配矩阵判断设备T与当前物理设备是否匹配，获取设备T对应的设备N，当设备N中不包含逻辑设备时，则将与设备T的端口匹配成功的物理设备加入成功匹配结果集。本发明提供的方法能够在已有的物理网络拓扑中判断是否有符合要求拓扑条件的设备集合，并找出其所有可用的设备供用户选择，是整体实验平台资源统一管理和调度的基础，能够高效的管理实验室相关设备，提高实验设备的利用率。
-
Patent Agency Ranking
公开(公告)号：CN106446013A
公开(公告)日：2017-02-22
申请号：CN201610730273.0
申请日：2016-08-25
Applicant: 北京赛思信安技术股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F17/30
CPC classification number: G06F16/334
Abstract: 本发明一种应用于海量数据全文检索系统的测试工具及测试方法，属于海量数据全文检索系统测试方法领域，所述测试工具包括七个模块：顺序写入/读取模块、随机写入/读取模块、循环写入/读取模块、语种识别模块、关键字检索对比模块、删除模块和并发模块；每个模块单独连接海量数据全文检索系统。所述测试方法为：首先，将某个事件的海量数据，顺序写入全文检索系统，并读取文件数据；然后，制定用于进行检索测试的关键参数和测试命令；通过调整不同的参数，对海量数据进行不同的检索测试；最后，将每一条性能测试的结果输出到自定义文件中。优点在于：利用一个工具即可完成多种性能测试，使用简单，具有很强的实用性和广泛的应用前景。
-
公开(公告)号：CN105897405A
公开(公告)日：2016-08-24
申请号：CN201610384213.8
申请日：2016-06-02
Applicant: 北京赛思信安技术股份有限公司 , 国家计算机网络与信息安全管理中心
CPC classification number: H04L9/0816 , H04L9/0631
Abstract: 本发明公开了一种128位对称密钥生成及保护装置，其特征在于，设存储于装置中的种子密钥为A段密钥，由主机下发的种子密钥为B段密钥，合成的结果为密钥，装置包括以下模块：至少一个A段密钥管理模块；至少一个B段密钥管理模块；至少一个MD5算法模块；至少一个SHA1算法模块；至少一个密钥合成管理模块；至少一个密钥存储模块。本发明避免了A段密钥的暴露，从而使本装置具有抵抗软件恶意攻击的能力，本发明中一旦设备脱离主机环境，那么B段密钥与生成后的密钥将自动销毁，从而使本装置具有抵抗硬件恶意攻击的能力，进一步提升了密钥的安全性。
-
公开(公告)号：CN105049277A
公开(公告)日：2015-11-11
申请号：CN201510308828.8
申请日：2015-06-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学
IPC: H04L12/26
Abstract: 本发明提供了一种基于数据流特征的网络数据流量生成方法。本发明的关键在于将网络数据流在单位时间窗口内的特征属性值引入网络流量生成方法中。该方法能够根据配置的单位时间窗口内的新增网络数据流数量、网络数据流持续时间分布、各类型网络数据流的报文数量分布、报文传输时间分布和报文尺寸分布等特征值，构造出单位时间窗口内的网络数据流量，实现网络数据流量生成，使在每个时间窗口内产生的网络流量的特征属性符合配置的网络数据流各个特征属性值。基于数据流特征的网络数据流量生成方法能够生成随着时间而波动变化的符合单位时间内特定属性特征的网络数据流量。
-
公开(公告)号：CN104539477A
公开(公告)日：2015-04-22
申请号：CN201410770136.0
申请日：2014-12-15
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 一种对多条以太线路流量采集的方法，采用多个监视组分别对各条线路进行监控，同时配置各条线路采集到的报文的重定向数据输出封装格式；数据处理模块根据线路编号获取该条待监控线路的报文的重定向数据输出封装格式，进行相应的封装后生成重定向报文，发送至与之连接的后台服务器，后台服务器解析重定向报文获取待监控线路的流量数据。本发明提供成熟的以太线路报文处理方案，由于采用MacInMac隧道，可以使后台服务器获取更多原始线路信息。
-
公开(公告)号：CN112182020B
公开(公告)日：2023-04-18
申请号：CN202011184465.9
申请日：2020-10-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F18/214 , G06F18/2415 , G06F40/289 , G06F40/30 , G06Q30/0645 , G06Q30/08 , G06Q40/03 , G06Q40/04 , G06Q40/06 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种金融行为识别与分类的方法、装置及计算机可读存储介质。其中，方法包括：从至少两个数据源获取多源数据文本，然后按照预先设定的数据处理方式对数据文本进行预处理，得到各数据文本的向量，将各所述数据文本的向量输入到预先训练的多尺度卷积神经网络模型中，根据数据源的类型确定各所述数据文本的向量的卷积核，再利用各自的卷积核提取各向量的语义特征，从而根据各向量的语义特征确定各预设金融行为的概率，最后再根据各预设金融行为的概率确定多源数据文本对应的金融行为。多数据源能够体现出目标金融机构各个方面的实际开展的业务，从而能够更为准确地识别出目标金融机构实际的金融行为，更加便于监管。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.046 seconds)
