本申請(qǐng)公開(kāi)了一種多元收發(fā)包場(chǎng)景的數(shù)據(jù)量化評(píng)價(jià)方法、裝置、設(shè)備及介質(zhì)，涉及計(jì)算機(jī)技術(shù)領(lǐng)域，包括利用互聯(lián)網(wǎng)區(qū)創(chuàng)建撥測(cè)任務(wù)，根據(jù)撥測(cè)任務(wù)模擬多元收發(fā)包場(chǎng)景下的數(shù)據(jù)包，并將數(shù)據(jù)包發(fā)送至專網(wǎng)區(qū)；通過(guò)專網(wǎng)區(qū)獲取第三方業(yè)務(wù)系統(tǒng)對(duì)數(shù)據(jù)包進(jìn)行抓包并處理后...

本申請(qǐng)公開(kāi)了一種用戶態(tài)多協(xié)議網(wǎng)絡(luò)撥測(cè)方法、裝置、設(shè)備及介質(zhì)，涉及網(wǎng)絡(luò)通信技術(shù)領(lǐng)域，包括根據(jù)撥測(cè)配置文件確定配置參數(shù)；基于用戶態(tài)協(xié)議棧和配置參數(shù)生成支持多類型協(xié)議的協(xié)議仿真網(wǎng)絡(luò)撥測(cè)數(shù)據(jù)包，并生成網(wǎng)絡(luò)撥測(cè)任務(wù)，將網(wǎng)絡(luò)撥測(cè)任務(wù)和協(xié)議仿真網(wǎng)絡(luò)撥...

本發(fā)明涉及數(shù)據(jù)檢測(cè)技術(shù)領(lǐng)域，公開(kāi)了一種基于下載鏈接的僵尸網(wǎng)絡(luò)惡意軟件檢測(cè)方法，首先進(jìn)行原始流量解析，捕獲環(huán)境中的pcap包并提取出pcap包中每個(gè)幀的IP、端口和url信息；對(duì)環(huán)境中的pcap包的數(shù)據(jù)進(jìn)行數(shù)據(jù)集整理；進(jìn)行訓(xùn)練檢測(cè)，首先進(jìn)...

本公開(kāi)提供一種基于多特征融合的群組線索發(fā)現(xiàn)方法。包括兩部分：基于多特征融合的重點(diǎn)群組識(shí)別模塊和重點(diǎn)群組線索發(fā)現(xiàn)模塊；基于多特征融合的重點(diǎn)群組識(shí)別模塊經(jīng)過(guò)位置編碼后的詞嵌入序列被輸入到多層Transfor?mer網(wǎng)絡(luò)中利用自注意力機(jī)制進(jìn)行...

本發(fā)明提供一種基于協(xié)同過(guò)濾推薦機(jī)制的社交機(jī)器賬戶集群任務(wù)處理方法，屬于智能體控制技術(shù)領(lǐng)域，包括：獲取目標(biāo)協(xié)同過(guò)濾推薦任務(wù)；基于多個(gè)智能體中每個(gè)智能體的狀態(tài)數(shù)據(jù)從多個(gè)智能體中確定目標(biāo)智能體；確定與目標(biāo)協(xié)同過(guò)濾推薦任務(wù)對(duì)應(yīng)的目標(biāo)算法，其中，...

本公開(kāi)提供一種面向熱點(diǎn)事件的重點(diǎn)群組識(shí)別方法。包括多源熱點(diǎn)事件觸發(fā)的線索發(fā)現(xiàn)模塊和基于事件關(guān)鍵詞圖的群組發(fā)現(xiàn)模塊；多源熱點(diǎn)事件觸發(fā)的線索發(fā)現(xiàn)模塊輸入為社交通訊平臺(tái)上的多源文本信息；通過(guò)要素抽取模型，從多源數(shù)據(jù)流中檢測(cè)熱點(diǎn)事件；隨后利用事...

本發(fā)明涉及互聯(lián)網(wǎng)文本內(nèi)容識(shí)別領(lǐng)域，尤其涉及一種文本特定信息識(shí)別判定方法，包括以下步驟：(S1)獲取文本數(shù)據(jù)并進(jìn)行預(yù)處理和分詞，通過(guò)改進(jìn)的哈希算法計(jì)算每個(gè)詞語(yǔ)的哈希值，形成詞典，利用多層次時(shí)間序列模型，計(jì)算短期和長(zhǎng)期頻率，識(shí)別異常高頻詞語(yǔ)...

本發(fā)明提供一種有效的深度學(xué)習(xí)模型訓(xùn)練測(cè)試方法及裝置。所述方法包括以下步驟：對(duì)原始的圖像數(shù)據(jù)集D0進(jìn)行去重處理，刪除相似圖像，得到數(shù)據(jù)集D1；對(duì)數(shù)據(jù)集D1進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到數(shù)據(jù)量增多的數(shù)據(jù)集D2；將數(shù)據(jù)集D2隨機(jī)分成多個(gè)子集，分別以每...

本申請(qǐng)?zhí)峁┮环N網(wǎng)頁(yè)分析識(shí)別方法、裝置及電子設(shè)備，涉及網(wǎng)絡(luò)安全領(lǐng)域。該方法中，獲取待檢測(cè)網(wǎng)頁(yè)網(wǎng)址；根據(jù)待檢測(cè)網(wǎng)頁(yè)網(wǎng)址爬取待檢測(cè)網(wǎng)頁(yè)內(nèi)容，待檢測(cè)網(wǎng)頁(yè)內(nèi)容包括源代碼數(shù)據(jù)和圖片數(shù)據(jù)；對(duì)源代碼數(shù)據(jù)和圖片數(shù)據(jù)分別進(jìn)行預(yù)處理，得到頁(yè)面的結(jié)構(gòu)特征數(shù)據(jù)，...

本發(fā)明涉及文本分類分級(jí)評(píng)估技術(shù)領(lǐng)域，具體地說(shuō)，涉及基于信息要素抽取技術(shù)的特定文本分類分級(jí)評(píng)估系統(tǒng)及方法。其包括抽取單元基于大模型微調(diào)技術(shù)對(duì)文本數(shù)據(jù)進(jìn)行關(guān)鍵要素字段抽??；規(guī)范單元對(duì)抽取的各個(gè)要素字段進(jìn)行規(guī)范化處理；評(píng)估單元基于規(guī)范化后的字...

本發(fā)明涉及圖神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體公開(kāi)了一種基于異構(gòu)圖神經(jīng)網(wǎng)絡(luò)學(xué)者表示方法及系統(tǒng)，用于解決現(xiàn)有模型在學(xué)習(xí)學(xué)術(shù)論文網(wǎng)絡(luò)的表征時(shí)存在標(biāo)簽依賴、魯棒性差等問(wèn)題，同時(shí)現(xiàn)有方法在異構(gòu)學(xué)者網(wǎng)絡(luò)社區(qū)檢測(cè)中存在社區(qū)邊界模糊、準(zhǔn)確度低的問(wèn)題；本發(fā)明通過(guò)使...

本發(fā)明涉及IP地址檢測(cè)技術(shù)領(lǐng)域，公開(kāi)了一種基于深度學(xué)習(xí)的IP地址歸屬主體智能識(shí)別系統(tǒng)及方法，首先采集、整合公開(kāi)的IP地址相關(guān)數(shù)據(jù)，數(shù)據(jù)包含IP、域名、歸屬主體的映射關(guān)系；將數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)整合和數(shù)據(jù)清洗，再利用特征工程對(duì)其屬性、特征進(jìn)行分析...

本發(fā)明涉及信息檢索技術(shù)領(lǐng)域，具體公開(kāi)了一種基于異構(gòu)學(xué)術(shù)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)方法及系統(tǒng)，通過(guò)基于元路徑嵌入和標(biāo)簽傳播的異構(gòu)圖表示學(xué)習(xí)算法，利用多層圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與節(jié)點(diǎn)有關(guān)的全部元路徑嵌入，然后融合元路徑嵌入以得到語(yǔ)義信息充分的節(jié)點(diǎn)表示，從而解決...

本申請(qǐng)涉及輿情監(jiān)測(cè)技術(shù)領(lǐng)域，公開(kāi)一種面向噪聲文本信息的檢測(cè)方法及系統(tǒng)，所述方法包括：獲取目標(biāo)數(shù)據(jù)集；對(duì)目標(biāo)數(shù)據(jù)集進(jìn)行預(yù)處理，獲取預(yù)處理后的文本特征；構(gòu)成漢化文本分類模型預(yù)訓(xùn)練模型，其中，漢化文本分類模型預(yù)訓(xùn)練模型用于預(yù)處理后的文本特征，...

本申請(qǐng)公開(kāi)了一種開(kāi)閉混合自循環(huán)制冷式型冷卻塔，涉及工業(yè)循環(huán)冷卻技術(shù)領(lǐng)域，包括：冷卻塔本體(8)；集水池(5)，位于冷卻塔本體(8)的底部；開(kāi)閉混合自循環(huán)制冷模塊，包括：封閉箱(6)，基于所述冷卻塔本體(8)形成封閉空間，所述封閉箱(6)...

本發(fā)明是一種基于行為離群及統(tǒng)計(jì)特征的rootkit威脅檢測(cè)方法和系統(tǒng)。通過(guò)識(shí)別已經(jīng)加載的系統(tǒng)驅(qū)動(dòng)，聚類獲取系統(tǒng)驅(qū)動(dòng)劃分庫(kù)；在待檢測(cè)系統(tǒng)上，獲取系統(tǒng)API的系統(tǒng)調(diào)用的堆棧跟蹤及其子調(diào)用，使用調(diào)用和子調(diào)用的內(nèi)存地址，查找內(nèi)核模塊在磁盤(pán)上的位...

本發(fā)明涉及聲學(xué)動(dòng)態(tài)提取技術(shù)領(lǐng)域，具體地說(shuō)，涉及一種基于深度神經(jīng)網(wǎng)絡(luò)的聲學(xué)特征動(dòng)態(tài)提取方法。其包括以下步驟：S1、對(duì)音頻數(shù)據(jù)進(jìn)行預(yù)處理，將音頻數(shù)據(jù)分幀；S2、將分幀后的音頻信號(hào)進(jìn)行傅里葉變換，使其從時(shí)域信號(hào)轉(zhuǎn)換到頻域信號(hào)并得到頻譜圖；S3...

本發(fā)明涉及一種分析網(wǎng)絡(luò)流量測(cè)量僵尸網(wǎng)絡(luò)控制規(guī)模的方法，首先收集已被發(fā)現(xiàn)的僵尸程序樣本，建立僵尸網(wǎng)絡(luò)命令與控制指令特征數(shù)據(jù)集；通過(guò)分析網(wǎng)絡(luò)流入流出流量，識(shí)別并記錄符合指令特征的會(huì)話信息，記錄僵尸網(wǎng)絡(luò)命令與控制日志；將命令與控制日志和網(wǎng)絡(luò)流...

本發(fā)明設(shè)計(jì)了一種基于多維度歷史行為軌跡數(shù)據(jù)的用戶位置預(yù)測(cè)方法，涉及時(shí)空數(shù)據(jù)挖掘技術(shù)領(lǐng)域。本方法該方法首先從用戶使用基于位置的APP歷史行為日志中讀取用戶的位置信息、網(wǎng)絡(luò)行為信息和社交關(guān)系信息，針對(duì)其數(shù)據(jù)特點(diǎn)對(duì)其預(yù)處理并獲得數(shù)據(jù)集；設(shè)計(jì)了...

本發(fā)明設(shè)計(jì)了一種基于時(shí)空網(wǎng)格化編碼挖掘熱點(diǎn)區(qū)域和熱點(diǎn)路線的方法，以跑步APP為例，通過(guò)分析跑步APP內(nèi)的用戶運(yùn)動(dòng)記錄數(shù)據(jù)，來(lái)挖掘并推薦城市內(nèi)的熱點(diǎn)運(yùn)動(dòng)地區(qū)和熱點(diǎn)跑步路線。該方法首先對(duì)用戶運(yùn)動(dòng)記錄數(shù)據(jù)進(jìn)行預(yù)處理和層次化數(shù)據(jù)處理，以準(zhǔn)確還原...