-
公开(公告)号：CN117828479B
公开(公告)日：2024-06-11
申请号：CN202410228662.8
申请日：2024-02-29
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F18/2415 , G06F18/243 , G06F18/25 , G06F18/20 , G06F18/213 , G06F16/955 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N20/20 , G06V20/62 , G10L15/26
Abstract: 本发明涉及诈骗网站识别检测方法、系统及计算机可读存储介质，其识别检测方法包括：采集待检测网站URL及其图片切片、在历史目标时间周期内的访问次数、平均单次访问时长；判断URL为静态URL或动态URL；若为静态URL，则构建静态特征矩阵输入卷积神经网络，以输出涉诈概率；若为动态URL，则构建动态特征矩阵输入隐马尔可夫模型，以输出涉诈概率；判断涉诈概率是否大于预设概率阈值；若是，则待测检测网站为诈骗网站；若否，则待测检测网站为正常网站。本发明根据URL的静态和动态类型的不同分别构建相应的特征矩阵，结合历史目标时间周期内的访问次数、平均单次访问时长的指标进行识别检测，有效提升诈骗网站识别检测的精度。
-
公开(公告)号：CN116703553B
公开(公告)日：2023-12-05
申请号：CN202310982635.5
申请日：2023-08-07
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F17/00
Abstract: 本发明涉及一种金融反欺诈风险监控方法、系统及可读存储介质，其方法包括：基于通信运营商和金融行业的用户隐私数据构建联邦学习平台；基于联邦学习平台，以单个用户端为最小单位，利用知识图谱构建技术构建用户画像并存储在图数据库中，得到用户图谱；将待测用户图谱输入预训练的风险监控网络模型中，实时输出风险监控结果；风险监控网络模型为具有求和池化的图神经网络与LSTM网络的融合，图神经网络的输出连接LSTM网络的输入。本发明基于联邦学习平台，利用知识图谱构建技术构建用户画像并存储在图数据库中得到用户图谱；通过具有求和池化的图神经网络与LSTM网络的融合对待测用户图谱进行风险监控，有效提升金融反欺诈风险防范。
-
公开(公告)号：CN118842661A
公开(公告)日：2024-10-25
申请号：CN202411323385.5
申请日：2024-09-23
Applicant: 浙江鹏信信息科技股份有限公司
IPC: H04L9/40 , H04L41/0604 , H04L41/069 , H04L41/16
Abstract: 本发明属于网络安全技术领域，具体涉及网络安全事件分析处理方法、系统及可读存储介质，其处理方法包括：采集安全设备的原始告警日志信息并进行泛化处理；对泛化处理后的数据以接口的形式调用算法组件库，输出降噪分析后的安全事件；其中，算法组件库包括三个算法模块：带有注意力机制的双向长短期记忆Bi‑LSTM网络模块、基于时序分析的先知Prophet异常检测模块、基于图神经网络GCN结合空间距离计算的协同过滤异常检测模块；三个算法模块以并行的方式同步调用，最终结果取交集输出其安全事件。本发明通过三个算法模块的不同目的的安全事件分析的方法，以多种维度进行安全事件的告警降噪，输出重要的安全事件，以提高告警的准确性。
-
公开(公告)号：CN117828479A
公开(公告)日：2024-04-05
申请号：CN202410228662.8
申请日：2024-02-29
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F18/2415 , G06F18/243 , G06F18/25 , G06F18/20 , G06F18/213 , G06F16/955 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N20/20 , G06V20/62 , G10L15/26
Abstract: 本发明涉及诈骗网站识别检测方法、系统及计算机可读存储介质，其识别检测方法包括：采集待检测网站URL及其图片切片、在历史目标时间周期内的访问次数、平均单次访问时长；判断URL为静态URL或动态URL；若为静态URL，则构建静态特征矩阵输入卷积神经网络，以输出涉诈概率；若为动态URL，则构建动态特征矩阵输入隐马尔可夫模型，以输出涉诈概率；判断涉诈概率是否大于预设概率阈值；若是，则待测检测网站为诈骗网站；若否，则待测检测网站为正常网站。本发明根据URL的静态和动态类型的不同分别构建相应的特征矩阵，结合历史目标时间周期内的访问次数、平均单次访问时长的指标进行识别检测，有效提升诈骗网站识别检测的精度。
-
公开(公告)号：CN117807603A
公开(公告)日：2024-04-02
申请号：CN202410227591.X
申请日：2024-02-29
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F21/57 , G06F21/56 , G06F40/289 , G06N3/0455
Abstract: 本发明涉及软件供应链审计方法、系统及计算机可读存储介质，审计方法包括：采集软件供应链审计数据；对采集的软件供应链审计数据进行数据分词，以转换得到Token序列；之后进行Embedding编码，得到待处理数据矩阵；对待处理数据矩阵进行归一化处理，之后进行位置编码，得到位置编码矩阵；将位置编码矩阵输入多头注意力机制网络结构进行计算，其计算结果通过多次Gibbs采样结合自回归的方式逐个生成输出序列中的每个Token，得到Token输出序列；将Token输出序列通过输出层计算，以输出审计结果；其中，输出层包括依次连接的归一化逆转换和前馈神经网络。本发明有效提高网络模型的精确性、灵活性、可解释性。
-
Patent Agency Ranking
-
公开(公告)号：CN116703553A
公开(公告)日：2023-09-05
申请号：CN202310982635.5
申请日：2023-08-07
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06Q40/02 , G06Q30/018 , G06N5/02 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/098 , G06F18/10 , G06F18/23 , G06F18/241
Abstract: 本发明涉及一种金融反欺诈风险监控方法、系统及可读存储介质，其方法包括：基于通信运营商和金融行业的用户隐私数据构建联邦学习平台；基于联邦学习平台，以单个用户端为最小单位，利用知识图谱构建技术构建用户画像并存储在图数据库中，得到用户图谱；将待测用户图谱输入预训练的风险监控网络模型中，实时输出风险监控结果；风险监控网络模型为具有求和池化的图神经网络与LSTM网络的融合，图神经网络的输出连接LSTM网络的输入。本发明基于联邦学习平台，利用知识图谱构建技术构建用户画像并存储在图数据库中得到用户图谱；通过具有求和池化的图神经网络与LSTM网络的融合对待测用户图谱进行风险监控，有效提升金融反欺诈风险防范。
-
公开(公告)号：CN116166321B
公开(公告)日：2023-06-27
申请号：CN202310457759.1
申请日：2023-04-26
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F8/75 , G06F18/23 , G06F18/214 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及代码克隆检测方法、系统及计算机可读存储介质，代码克隆检测方法包括：S1、采集源码数据集，进行聚类分析，输出n类源码的类别标签以及标签特征；S2、对待检测代码依次进行处理，得到切分矩阵；S3、对切分矩阵分别与源码进行匹配，得到每个切分矩阵对应的目标源码类别标签；S4、对切分矩阵分别与其对应的目标源码类别标签下的所有源码片段矩阵遍历计算余弦相似度，并对每个切分矩阵加权计算每个源码对待检测代码的相似度得分并降序排列，保留得分topN对应的源码片段；S5、将源码片段及待检测代码输入LSTM‑DSSM网络模型计算相似度得分，输出相似度最高的源码片段。本发明能够有效检测是否存在源码克隆。
-
公开(公告)号：CN116166321A
公开(公告)日：2023-05-26
申请号：CN202310457759.1
申请日：2023-04-26
Applicant: 浙江鹏信信息科技股份有限公司
IPC: G06F8/75 , G06F18/23 , G06F18/214 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及代码克隆检测方法、系统及计算机可读存储介质，代码克隆检测方法包括：S1、采集源码数据集，进行聚类分析，输出n类源码的类别标签以及标签特征；S2、对待检测代码依次进行处理，得到切分矩阵；S3、对切分矩阵分别与源码进行匹配，得到每个切分矩阵对应的目标源码类别标签；S4、对切分矩阵分别与其对应的目标源码类别标签下的所有源码片段矩阵遍历计算余弦相似度，并对每个切分矩阵加权计算每个源码对待检测代码的相似度得分并降序排列，保留得分topN对应的源码片段；S5、将源码片段及待检测代码输入LSTM‑DSSM网络模型计算相似度得分，输出相似度最高的源码片段。本发明能够有效检测是否存在源码克隆。
-
公开(公告)号：CN113806747A
公开(公告)日：2021-12-17
申请号：CN202111365886.6
申请日：2021-11-18
Applicant: 浙江鹏信信息科技股份有限公司
Abstract: 本发明涉及一种木马图片检测方法、系统及计算机可读存储介质；木马图片检测方法包括：S1、对图像数据集中的图片进行解码、切分；其中，图像数据集包括正常图片和木马图片；S2、根据切分得到的文本样本构建文本总体特征；S3、对文本向量分别通过加入注意力的双向LSTM和三个不同kernel_size的并行CNN进行特征提取，得到LSTM特征和CNN特征；S4、将三种特征组合，之后依次通过全连接层和softmax激活函数，建立混合神经网络模型并进行权重训练；S5、将待检测图片进行解码、切分，然后经过处理得到三种特征并输入权重训练之后的混合神经网络模型，输出待检测图片的分类结果。本发明提升了木马检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.036 seconds)
