-
公开(公告)号：CN111698685B
公开(公告)日：2023-05-12
申请号：CN202010541713.4
申请日：2020-06-15
Applicant: 珠海高凌信息科技股份有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种识别伪装成携号转网号码的虚假主叫的系统和方法的技术方案，包括：通过本网GMSC用于对具有不同NDC归属运营商的主叫号码与被叫号码进行号码状态查询，获取所述主叫号码的第一状态；根据所述第一状态对查询结果中已进行携号转网的所述主叫号码通过所述转发网关发送ATI消息；通过所述ATI消息获取所述主叫号码的第二状态，根据所述第一状态或第二状态对所述主叫号码进行放行或防护。本发明的有益效果为：通过新增网元，修改现网网元机制，达到获取携号转网用户状态的目标，实现对伪装携号转网号码的识别。
-
公开(公告)号：CN113676604B
公开(公告)日：2023-03-31
申请号：CN202010403400.2
申请日：2020-05-13
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司 , 国家计算机网络与信息安全管理中心
IPC: H04M7/00
Abstract: 本发明实施例公开了一种语音处理方法、相关设备和存储介质。所述方法包括：第一网络设备接收到呼叫请求消息，所述呼叫请求消息中包括主叫号码和被叫号码；判断所述主叫号码是否满足预设触发条件；在判定所述主叫号码满足预设触发条件的情况下，将所述呼叫请求消息转发至接入能力网元；所述接入能力网元用于从业务服务器获得针对所述呼叫请求消息的呼叫控制策略、并根据所述呼叫控制策略对所述呼叫请求消息对应的呼叫事件进行处理。
-
公开(公告)号：CN115001861A
公开(公告)日：2022-09-02
申请号：CN202210852995.9
申请日：2022-07-20
Applicant: 中国电子科技集团公司第三十研究所 , 国家计算机网络与信息安全管理中心
IPC: H04L9/40
Abstract: 本发明涉及计算机网络技术领域，公开了一种基于混合指纹特征的暗网服务异常检测方法及系统，该异常检测方法，对暗网站点的流量数据和状态数据进行分析，通过分析状态数据和流量数据，提取暗网站点的单点指纹特征、话题关联的指纹特征、流量指纹信息,进行暗网服务异常检测。本发明解决了解决现有技术存在的难以对暗网站点的重要度进行整体地准确检测等问题。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN113742478A
公开(公告)日：2021-12-03
申请号：CN202010474192.5
申请日：2020-05-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/33 , G06F40/295 , G06N3/04
Abstract: 本发明公开了一种针对海量文本数据的定向筛选架构及方法。本方法步骤包括：1)使用关键词匹配方法从待筛选文本中获取疑似目标文本；2)从已标注的目标文本中提取常用句式，并分为与业务强相关句式、与业务弱相关句式；对待筛选文本进行模糊句式匹配，如果与业务强相关句式匹配，则将文本判断为目标文本，否则为疑似目标文本；3)对每一疑似目标文本进行分类；4)根据疑似目标文本匹配上的关键词的个数确定文本的评估值E1；根据分类判别结果，确定文本的评估值E2；基于文本与外部辅助语料的信息匹配结果确定文本的评估值E3；然后基于评估值E1～E3，计算得到文本最终评分反馈给研判层；5)研判层确定反馈的文本是否为目标文本。
-
公开(公告)号：CN113205801A
公开(公告)日：2021-08-03
申请号：CN202110498059.8
申请日：2021-05-08
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
Abstract: 本申请涉及一种恶意语音样本的确定方法、装置、计算机设备和存储介质。该方法包括：获取初始语音样本集；根据预设的多种恶意类别对初始语音样本集进行分类，得到多种恶意类别中每种恶意类别对应的语音样本子集；根据每种恶意类别对应的语音样本子集中的语音样本信息，计算每种恶意类别对应的语音样本子集的恶意度；将恶意度满足预设恶意度条件的恶意类别对应的语音样本子集中的语音样本，确定为恶意语音样本。本方法基于语音样本子集的恶意类别以及恶意度可自动确定恶意语音样本，有利于提高恶意语音样本的确定效率。
-
公开(公告)号：CN109359126A
公开(公告)日：2019-02-19
申请号：CN201811009136.3
申请日：2018-08-30
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: G06F16/242 , G06F16/2453
Abstract: 本发明属于数据查询技术领域，具体而言，涉及一种基于业务用户习惯的智能学习查询模型的构建方法，包括如下步骤：S1、从数据源中获取业务用户的数据查询记录；S2、根据步骤S1中得到的所述数据查询记录，进行数据查询习惯分析；S3、根据步骤S2中得到的数据查询习惯分析结果构建查询模型。本发明还提供了一种基于业务用户习惯的智能学习查询系统。本发明通过对业务用户的数据查询习惯进行分析，针对分析结果制定数据查询方案，构建查询模型，能够提前将业务用户关注的数据推送给业务用户，具有查询时间短、用户体验效果好的特点。
-
公开(公告)号：CN108460772A
公开(公告)日：2018-08-28
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
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：CN107451192A
公开(公告)日：2017-12-08
申请号：CN201710508428.0
申请日：2017-06-28
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: G06F17/3071 , G06K9/6267
Abstract: 本发明公开了一种基于分解聚合的电信诈骗电话的分类检测方法，属于数据挖掘、机器学习和商务智能等领域。首先对原始CDR数据进行不同正负类比例的横向划分与采样，针对某训练样本，随机抽取特定比例的特征属性用于构造基础分类器；对任一训练样本，根据基础分类器的输出结果构造分类矩阵，对各相同比例中的分类结果进行聚合，并通过最大投票法确定各类别比例下的投票结果。将各个比例分类器中的分类结果作为新的分类特征构造二级分类器，确定各正负比例的基分类器对于测试结果的权重。本发明适用于各种大数据场景下的不平衡分类，避免了不同正负类样本比例下模型精度的波动性，分类结果具有较强的稳定性和鲁棒性，可以实现较高的分类和检测效率。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.064 seconds)
