CN113591095A - 一种标识信息处理方法、装置及电子设备 - Google Patents
一种标识信息处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113591095A CN113591095A CN202110890023.4A CN202110890023A CN113591095A CN 113591095 A CN113591095 A CN 113591095A CN 202110890023 A CN202110890023 A CN 202110890023A CN 113591095 A CN113591095 A CN 113591095A
- Authority
- CN
- China
- Prior art keywords
- identification information
- target
- evaluation result
- parameter
- kinds
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
- G06F21/577—Assessing vulnerabilities and evaluating computer system security
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本公开提供了一种标识信息处理方法、装置及电子设备,涉及人工智能领域,尤其涉及大数据、云安全技术领域。具体方案为:对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果;基于N种标识信息的目标评价结果,对N种标识信息进行目标处理,N为大于1的整数。对于N种标识信息,分别采用对应的不同的评估方式进行评估,提高得到的目标评价结果的准确性,根据得到的N种标识信息的目标评价结果,对N种标识信息进行目标处理,以提高对标识信息处理的准确性。
Description
技术领域
本公开涉及人工智能领域,尤其涉及大数据、云安全技术领域,具体涉及一种标识信息处理方法、装置及电子设备。
背景技术
为实现标识信息的处理,需要对标识信息进行价值评估。如何评估这些标识信息,对标识信息的实际应用和落地具有重要意义。
目前,对标识信息进行评估的常用方法包括二分法,即将有过威胁或作弊行为的直接标黑,没有的即为白,评估得到的评价结果仅包括两个评价结果,标黑的标识信息为一个评价结果,标白的标识信息为另一个评价结果。
发明内容
本公开提供一种标识信息处理方法、装置及电子设备。
第一方面,本公开一个实施例提供一种标识信息处理方法,方法包括:
对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,每种评估方式对应评估一种标识信息,N为大于1的整数;
基于N种标识信息的目标评价结果,对N种标识信息进行目标处理。
在本实施例的标识信息处理方法中,对于N种标识信息,分别采用对应的不同的评估方式进行评估,以得到对应的目标评价结果,实现不同标识信息采用对应不同的方式评估其评价结果,提高得到的目标评价结果的准确性,根据得到的N种标识信息的目标评价结果,对N种标识信息进行目标处理,以提高对标识信息处理的准确性。
第二方面,本公开一个实施例提供一种标识信息处理装置,装置包括:
结果确定模块,用于对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,每种评估方式对应评估一种标识信息,N为大于1的整数;
处理模块,用于基于N种标识信息的目标评价结果,对N种标识信息进行目标处理。
第三方面,本公开一个实施例还提供一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开如第一方面提供的标识信息处理方法。
第四方面,本公开一个实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开如第一方面提供的标识信息处理方法。
第五方面,本公开一个实施例提供一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现本公开如第一方面提供的标识信息处理方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开提供的一个实施例的标识信息处理方法的流程示意图之一;
图2是本公开提供的一个实施例的标识信息处理方法的流程示意图之二;
图3是本公开提供的另一个实施例的标识信息处理装置的结构图;
图4是用来实现本公开实施例的标识信息处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,根据本公开的实施例,本公开提供一种标识信息处理方法,该方法可以应用于IP(Internet Protocol,网际互连协议)地址画像标签生成场景、社交类应用(例如,贴吧等)刷帖识别场景等,方法包括:
步骤S101:对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,每种评估方式对应评估一种标识信息。
N为大于1的整数,针对N种标识信息,分别采用不同的评估方式来确定其对应的目标评价结果,即每种评估方式对应评估一种标识信息,且每种评估方式对应评估的标识信息不同,N种标识信息采用N种评估方式一一对应,可得到每种标识信息对应的目标评价结果,即得到N个目标评价结果。作为一个示例,目标评价结果可以是目标评价分数或目标评价等级等,在本实施例中不作限定。
步骤S102:基于N种标识信息的目标评价结果,对N种标识信息进行目标处理。
也即是利用N种标识信息的目标评价结果对N种标识信息进行目标处理,可以理解,对任一标识信息进行的目标处理可以是对该标识信息进行与该标识信息的目标评价结果关联的目标处理,即对一个标识信息进行的目标处理与该标识信息的目标评价结果相关,不同的目标评价结果,可对应执行不同的目标处理。
在本实施例的标识信息处理方法中,对于N种标识信息,分别采用对应的不同的评估方式进行评估,以得到对应的目标评价结果,实现不同标识信息采用对应不同的方式评估其评价结果,提高得到的目标评价结果的准确性,根据得到的N种标识信息的目标评价结果,对N种标识信息进行目标处理,以提高对标识信息处理的准确性。
在一个实施例中,对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果的步骤S101之前,还包括:获取目标标识信息集;其中,N种标识信息包括以下至少两种:
第一标识信息,第一标识信息为目标标识信息集中不属于标识信息库的标识信息;
第二标识信息,第二标识信息为目标标识信息集与标识信息库的交集标识信息;
第三标识信息,第三标识信息为标识信息库中不属于目标标识信息集的标识信息。
目标标识信息集中可以包括至少一个标识信息,可以理解为是被检测为目标类型的待评估的标识信息,例如,可以是被检测为威胁类型的标识信息,即威胁标识信息。
除了获取的目标标识信息集,另外还有已放入标识信息库中的标识信息,标识信息库中可以包括多个标识信息以及多个标识信息分别对应的评价结果,需要评估目标标识信息集中标识信息的评价结果,标识信息库中可能存在与目标标识信息集中相同的标识信息,标识信息库中除相同的标识信息之外的其他标识信息则需要重新评估其评价结果。对于目标标识信息集和标识信息库的合集中,包括三种标识信息中的至少两种,即包括存在于目标标识信息集但不存在于标识信息库中的第一标识信息、存在于目标标识信息集且存在于标识信息库中的第二标识信息、以及不存在于目标标识信息集但存在于标识信息库中的第三标识信息中的至少两种,针对这N种标识信息,分别采用不同的评估方式来确定其对应的目标评价结果,得到每种标识信息对应的目标评价结果,即得到N个目标评价结果,根据得到的N种标识信息的目标评价结果,对N种标识信息进行目标处理,以提高对标识信息处理的准确性。
在一个实施例中,基于N种标识信息的目标评价结果,对N种标识信息进行目标处理,包括以下至少两项:
将第一标识信息中目标评价结果大于或等于预设结果阈值的第一目标标识信息以及第一目标标识信息的目标评价结果添加至标识信息库中;
将标识信息库中的第二目标标识信息删除,并将标识信息库中第三目标标识信息的评价结果更新为第三目标标识信息的目标评价结果,第二目标标识信息为第二标识信息中目标评价结果小于预设结果阈值的标识信息,第三目标标识信息为第二标识信息中目标评价结果大于或等于预设结果阈值的标识信息;
将标识信息库中的第四目标标识信息删除,并将标识信息库中第五目标标识信息的评价结果更新为第五目标标识信息的目标评价结果,第四目标标识信息为第三标识信息中目标评价结果小于预设结果阈值的标识信息,第五目标标识信息为第三标识信息中目标评价结果大于或等于预设结果阈值的标识信息。
N种标识信息可以包括第一标识信息、第二标识信息和第三标识信息中的至少两种,在根据N种标识信息的目标评价结果,对N种标识信息进行目标处理的过程中,即可以对第一标识信息、第二标识信息和第三标识信息中的至少两种标识信息进行目标处理。
例如,若N种标识信息中包括第一标识信息,则可对第一标识信息的目标评价结果对其进行相应的目标处理,在标识信息处理过程中,可将第一标识信息中目标评价结果大于或等于预设结果阈值的第一目标标识信息以及第一目标标识信息的目标评价结果添加至标识信息库中,也即是将目标标识信息集相对标识信息库新出现的第一标识信息以及对应的目标评价结果放入标识信息库中,实现对第一标识信息的目标处理以及标识信息库的更新。若N种标识信息中包括第二标识信息,则可对第二标识信息进行处理,在标识信息处理过程中,可将标识信息库中的第二目标标识信息删除,还需将标识信息库中第三目标标识信息的评价结果更新为第三目标标识信息的目标评价结果,即对标识信息库中的第三目标标识信息的评价结果进行更新,通过上述过程可实现对第二标识信息的目标处理以及标识信息库的更新。若N种标识信息中包括第三标识信息,则可对第三标识信息进行处理,在标识信息处理过程中,可将标识信息库中的第四目标标识信息删除,还需将标识信息库中第五目标标识信息的评价结果更新为第五目标标识信息的目标评价结果,即对标识信息库中的第五目标标识信息的评价结果进行更新,通过上述过程可实现对第三标识信息的处理以及标识信息库的更新。需要说明的是,N种标识信息包括第一标识信息、第二标识信息和第三标识信息中的至少两种标识信息,且是基于N种标识信息的目标评价结果,对N种标识信息进行目标处理,对N种标识信息进行目标处理中包括的至少两项是与上述至少两种标识信息对应的。例如,N种标识信息若包括第一标识信息和第二标识信息,对应地,是基于第一标识信息的目标评价结果和第二标识信息的目标评价结果,对第一标识信息和第二标识信息进行目标处理,即是上述对所述N种标识信息进行目标处理过程中与第一标识信息和第二标识信息相应的目标处理,其余情况类似,不再一一举例。
在本实施例中,对于第一标识信息,可将其中目标评价结果大于或大于预设结果阈值的第一目标标识信息添加至标识信息库中,实现对第一标识信息的目标处理;对于第二标识信息,可将标识信息库中第二标识信息中的第二目标标识信息删除,并将标识信息库中的第二标识信息中的第三目标标识信息的评价结果更新为第三目标标识信息的最新的目标评价结果,实现对第二标识信息的目标处理;对于第三标识信息,可将标识信息库中第三标识信息中的第四目标标识信息删除,并将标识信息库中第三标识信息中的第五目标标识信息的评价结果更新为第五目标标识信息的最新的目标评价结果,实现对第三标识信息的目标处理。如此,对N种标识信息中不同种类的标识信息可分别采用对应的方式进行目标处理,提高对标识信息处理的准确性。
在一个实施例中,目标标识信息集为当前时间周期的目标标识信息集;
对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,包括:
获取目标指标参数;
利用目标指标参数计算第一标识信息的目标评价结果;
其中,目标指标参数包括以下至少一项:
第一参数,第一参数为第一数量与在当前时间周期内第一标识信息的关联行为的第一总量之间的比值,第一数量为第一总量中第一标识信息被检测为目类型的数量;
第二参数,第二参数为第一数量;
第三参数,第三参数为在与当前时间周期相邻的前一个时间周期内第四标识信息的关联行为的第二总量,第四标识信息为第五标识信息中在前一个时间周期内的关联行为的数量最低的标识信息,标识信息库中第五标识信息的评价结果大于其余标识信息的评价结果,其余标识信息为标识信息库中除第五标识信息之外的标识信息;
第四参数,第四参数为标识信息库中标识信息的平均评价结果。
需要说明的是,通过标识信息可进行相关的行为,标识信息的目标关联行为即为通过该标识信息进行的一种关联行为,上述第一标识信息的目标关联行为即是通过第一标识信息进行的一种关联行为。例如,本公开实施例中的标识信息可以是IP地址、设备唯一标识码或应用登录账号等,对于IP,标识信息关联的目标关联行为可以是浏览网页,例如,第一标识信息的目标关联行为可以是通过第一标识信息浏览网页,则第一总量可以是通过第一标识信息浏览网页的第一总量,即通过第一标识进行网页浏览的总量。在前一个时间周期内的目标关联行为的数量最低的标识信息,即可以理解为在前一个时间周期内的网页浏览总量最低的标识信息。又例如,对于设备唯一标识码或应用登录账号,标识信息关联的目标关联行为可以是发布信息(即发帖),例如,第一标识信息的目标关联行为可以是通过第一标识信息发布信息,则第一总量可以是通过第一标识信息发布信息的第一总量,即通过第一标识信息的发帖总量。在前一个时间周期内的目标关联行为的数量最低的标识信息,即可以理解为在前一个时间周期内的发帖总量最低的标识信息。
例如,以标识信息为IP(可以是爬虫IP),第一标识信息为第一IP,第四标识信息为第四IP以及第五标识信息为第五IP为例,在当前时间周期内通过第一标识信息浏览网页的第一总量则表示在当前时间周期内以第一IP进行网页浏览的总网页浏览量(PV),第一网页浏览量为在当前时间周期内第一IP被检测到是目标类型的网页浏览量,第三参数表示在前一个时间周期内以第四IP进行网页浏览的总网页浏览量,在第五IP中,以第四IP进行网页浏览的总网页浏览量是最低的,第四参数即为标识信息库中所有标识信息的评价结果的平均值。
通过上述本实施例的过程,确定第一标识信息的目标评价结果,对于在目标标识信息集中但不在标识信息库中的第一标识信息,可通过上述第一参数、第二参数、第三参数和第四参数中的至少一项来进行计算对应的目标评价结果,以提高得到的第一标识信息的目标评价结果的准确性。
在一个实施例中,第一标识信息的目标评价结果满足以下至少一项:
与第一参数呈正相关;
与第二参数呈正相关;
与第二参数以及第三参数之和呈反相关。
与第三参数呈正相关;
与第四参数呈正相关。
通过第一参数、第二参数、第三参数和第四参数中的至少一项确定第一标识信息的目标评价结果,第一标识信息的目标评价结果满足上述相关条件,以提高得到的第一标识信息的目标评价结果的准确性。
作为一个示例,目标指标参数可包括第一参数、第二参数、第三参数和第四参数,则第一标识信息的目标评价结果与第一参数呈正相关、与第二参数呈正相关、与第二参数以及第三参数之和呈反相关、与第三参数呈正相关以及与第四参数呈正相关。例如,可通过以下公式确定第一标识信息的目标评价结果:
其中,P1为第一标识信息的目标评价结果,R1为第一参数,v1为第二参数,m为第三参数,C为第四参数。可以理解,上述公式为改进的贝叶斯平均打分法,原本贝叶斯平均打分法本用来对电影投票打分,在本实施例中稍作调整,以适应标识信息评价的场景。主要改动的地方为R1,原本为该电影用户投票的当前平均分,本实施例中用第一网页浏览量与第一总量的比值,即该第一标识信息当前时间周期内被检测到为目标类型的PV除以该第一标识信息在当前时间周期内的总PV。v1和m也做了调整,原本是指投票数,本实施例中用被检测到是目标类型的次数来类比,通过上述公式确定第一标识信息的目标评价结果,可提高确定的评价结果的准确性。
在一个实施例中,对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,包括:
确定第二标识信息的第一评价结果;
获取标识信息库中第二标识信息的评价结果;
利用牛顿冷却定律对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果;
对第一评价结果和第二评价结果进行加权求和,得到第二标识信息的目标评价结果。
标识信息库中已存储有第二标识信息的评价结果,可通过牛顿冷却定律对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果,然后对第一评价结果和第二评价结果进行加权求和,得到第二标识信息的目标评价结果。可以理解,第二标识信息的第一评价结果的确定方式与上述第一标识信息的目标评价结果的确定方式类似,即是通过改进的贝叶斯平均打分法进行确定,不同点在于标识信息不同,前者是第二标识信息,后者是第一标识信息。在本实施例中,可通过牛顿冷却定律对标识信息库中第二标识信息的评价结果进行冷却即降低,得到第二标识信息的第二评价结果,可以使标识信息库中的第二标识信息的评价结果以比较平滑的方式衰减,再利用冷却后得到的第二评价结果和第一评价结果加权求和得到目标评价结果,可提高第二标识信息的目标评价结果的准确性。
例如,可通过以下公式得到第二标识信息的目标评价结果:
P2=a·P21+b·P22;
P2为第二标识信息的目标评价结果,P21为第二标识信息的第一评价结果,P22为第二标识信息的第二评价结果,a为第一权重,b为第二权重,第一权重a表示第二标识信息的第一评价结果在确定第二标识信息的目标评价结果中的重要程度,第二权重b表示第二标识信息的第二评价结果在确定第二标识信息的目标评价结果中的重要程度,第一权重a和第二权重b可预先确定,例如,可根据经验确定,另外,还可以根据牛顿冷却定律的冷却系数确定。作为一个示例,a可以取0.368,b可以取0.632,在本实施例中不作限定。
在一个实施例中,利用牛顿冷却定律对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果,包括:
利用冷却系数以及间隔时长,对标识信息库中第二标识信息的评价结果进行调整,得到第二标识信息的第二评价结果,间隔时长为当前时间与初始时间之间的间隔时长,初始时间为第二标识信息最新添加至标识信息库中的时间;
其中,冷却系数通过预设结果阈值以及预期时间周期数量确定,以第一数值为底的第二数值次幂的结果为预设结果阈值,第二数值为冷却系数与预期时间周期数量的乘积的相反数。
牛顿冷却定律中涉及两个参数,即冷却系数和间隔时长,通过牛顿定律进行评价结果冷却,即是利用冷却系数以及间隔时长,对标识信息库中第二标识信息的评价结果进行冷却。在本实施例中,冷却系数是通过预设结果阈值以及预期时间周期数量确定的,以第一数值为底的第二数值次幂的结果为预设结果阈值,第二数值为冷却系数与预期时间周期数量的乘积的相反数,通过上述过程确定的冷却系数用于对标识信息库中第二标识信息的评价结果进行冷却,可提高得到的第二评价结果的准确性。需要说明的是,第一数值可以为e,即自然底数的第二数值次幂的结果为预设结果阈值。
作为一个示例,可通过以下公式对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果:
其中,P22'为标识信息库中第二标识信息的评价结果,n为冷却系数,t1为第二标识信息对应的间隔时长,若时间周期单位为天数,则间隔时长的单位为天数。
作为一个示例,冷却系数、预设结果阈值和预设时间周期数量满足以下关系,即冷却系数可通过以下公式计算得到:
e(-nT)=X;
其中,X为预设结果阈值,T为预设时间周期数量,n为冷却系数。
例如,预设结果阈值X取0.01,期望标识信息的评价结果小于0.01的情况下就将该标识信息从标识信息库中删除,即此标识信息退出,若时间周期为一天,如果一个标识信息在10天内都没有再被检测到是目标类型,该标识信息的评价结果期望衰减为0.01,则T为10,则将T和预设结果阈值0.01代入上述e(-nT)=X公式中,即可得到冷却系数n为0.460517。也就是说,可根据实际场景需求,调整T,也可以调整预设结果阈值,得到相应的冷却系数,以适应不同的场景。
在一个实施例中,对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,包括:
获取标识信息库中第三标识信息的评价结果;
利用牛顿冷却定律对标识信息库中第三标识信息的评价结果进行降低,得到第三标识信息的第三评价结果;
对第三评价结果进行加权处理,得到第三标识信息的目标评价结果。
标识信息库中已存储有第三标识信息的评价结果,可通过牛顿冷却定律对标识信息库中第三标识信息的评价结果进行降低,得到第三标识信息的第三评价结果,然后对第三评价结果进行加权处理,得到第三标识信息的目标评价结果。在本实施例中,可通过牛顿冷却定律对标识信息库中第三标识信息的评价结果进行冷却即降低,得到第三标识信息的第三评价结果,可以使标识信息库中的第三标识信息的评价结果以比较平滑的方式衰减,再对冷却后得到的第三评价结果加权得到目标评价结果,可提高第三标识信息的目标评价结果的准确性。
需要说明的是,本实施例中,利用牛顿冷却定律对标识信息库中第三标识信息的评价结果进行降低,得到第三标识信息的第三评价结果的过程与上述利用牛顿冷却定律对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果的过程类似,采用的相同的冷却系数,均是通过上述确定方式确定的冷却系数,不同点在于标识信息不同,前者是第三标识信息,后者是第二标识信息,间隔时长不同,前者是第三标识信息对应的间隔时长,后者是第二标识信息对应的间隔时长。
例如,可通过以下公式得到第三标识信息的目标评价结果:
P3=b·P31;
P3为第三标识信息的目标评价结果,P31为第三标识信息的第三评价结果,b为第二权重,第二权重b可预先确定,例如,可根据经验确定,另外,还可以根据牛顿冷却定律的冷却系数确定。P31可通过以下公式确定:
其中,P31'P22'为标识信息库中第三标识信息的评价结果,n为冷却系数,t2为第三标识信息对应的间隔时长,即当前时间与第三标识信息最新添加至标识信息库中的时间之间的时长。
下面以一个具体实施例对上述标识信息处理方法的过程加以具体说明。如图2所示,以标识信息为IP、评价结果为评价分数以及预设结果阈值为预设分数阈值为例,本实施例的标识信息处理方法的过程如下:
步骤S201:获取当前时间周期的被检测到威胁的目标IP集,求目标IP集与IP库的并集,得到IP合集;
步骤S202:从IP合集取第i个IP;
其中,i的初始值为1;
步骤S203:判断第i个IP是否在当前时间周期的目标IP集中;
若第i个IP不在当前时间周期的目标IP集中,则执行步骤S204;
步骤S204:将IP库中第i个IP的评价分数采用牛顿冷却定律进行衰减,得到第i个IP的第三评价结果,对第i个IP的第三评价分数进行加权处理,得到第i个IP的目标评价分数,在第i个IP的目标评价分数大于或等于预设分数阈值的情况下,将IP库中第i个IP的评价分数更新为第i个IP的目标评价分数;
需要说明的是,在第i个IP的目标评价分数小于预设分数阈值的情况下,将IP库中第i个IP删除;
若第i个IP在当前时间周期的目标IP集中,则执行以下步骤:
步骤S205:判断第i个IP是否在IP库中;
若第i个IP在IP库中,则执行以下:
步骤S206:将IP库中第i个IP的评价分数采用牛顿冷却定律进行衰减,得到第i个IP的第二评价结果;
步骤S207:使用改进的贝叶斯平均打分法对第i个IP进行打分,得到第i个IP的第一评价分数;
步骤S208:对第i个IP的第一评价分数和第二评价分数进行加权求和,得到第i个IP的目标评价分数;
步骤S209:判断第i个IP的目标评价分数是否大于或等于预设分数阈值;
若大于或等于,则执行步骤S210:将IP库中第i个IP的评价分数更新为IP个IP的目标评价分数;若小于,则执行步骤S211:将IP库中的第i个IP删除。
若第i个IP不在IP库中,则执行步骤S212:使用改进的贝叶斯平均打分法对第i个IP进行打分,得到第i个IP的目标评价分数,在第i个IP的目标评价分数大于或等于预设分数阈值的情况下,将第i个IP以及第i个IP的目标评价分数添加至IP库中;
在步骤S204、步骤S210、步骤S211或步骤S212之后,还需要执行步骤S213:将i增一,再判断i是否小于或等于IP合集中IP总数;
若i小于或等于IP合集中IP总数,则返回步骤S202继续执行,若i大于IP合集中IP总数,则本次标识信息处理流程结束,待下一次时间周期的IP集到来,进行下一次的标识信息处理流程。
本公开实施例的方案中,采用牛顿冷却定律来定制标识信息处理流程,通过牛顿冷却定律进行衰减比较平滑,还结合了改进了贝叶斯平均打分法进行标识信息的评估,实现对标识信息的评估以及目标处理等,提高对信息评估的准确性以及提高信息处理的准确性。通过本实施例的标识信息处理方法,可应用在网络攻击、云安全、爬虫、内容风控等场景下,可使原来仅有黑白标签的信息处理有了更有效的评价分数和退出机制。目前,已将本公开方法应用于IP信誉(IP画像),打破非黑即白的二分类建库方式,给标识信息进行打分,打分策略同时兼顾其对业务的威胁强度和活跃度,并通过制定衰减机制来处理威胁程度相对较低和活跃度相对较低的标识信息。已在贴吧打击机器刷帖场景中应用了本公开方法,其中,对标识信息的评估的平均准确率可达96%-100%。
如图3所示,根据本公开的实施例,本公开还提供一种标识信息处理装置300,装置包括:
结果确定模块301,用于对N种标识信息采用N种评估方式进行评估,得到N种标识信息的目标评价结果,每种评估方式对应评估一种标识信息,N为大于1的整数;
处理模块302,用于基于N种标识信息的目标评价结果,对N种标识信息进行目标处理。
在一个实施例中,装置300还包括:
第一获取模块,用于获取目标标识信息集;其中,N种标识信息包括以下至少两种:
第一标识信息,第一标识信息为目标标识信息集中不属于标识信息库的标识信息;
第二标识信息,第二标识信息为目标标识信息集与标识信息库的交集标识信息;
第三标识信息,第三标识信息为标识信息库中不属于目标标识信息集的标识信息。
在一个实施例中,基于N种标识信息的目标评价结果,对N种标识信息进行目标处理,包括以下至少两项:
将第一标识信息中目标评价结果大于或等于预设结果阈值的第一目标标识信息以及第一目标标识信息的目标评价结果添加至标识信息库中;
将标识信息库中的第二目标标识信息删除,并将标识信息库中第三目标标识信息的评价结果更新为第三目标标识信息的目标评价结果,第二目标标识信息为第二标识信息中目标评价结果小于预设结果阈值的标识信息,第三目标标识信息为第二标识信息中目标评价结果大于或等于预设结果阈值的标识信息;
将标识信息库中的第四目标标识信息删除,并将标识信息库中第五目标标识信息的评价结果更新为第五目标标识信息的目标评价结果,第四目标标识信息为第三标识信息中目标评价结果小于预设结果阈值的标识信息,第五目标标识信息为第三标识信息中目标评价结果大于或等于预设结果阈值的标识信息。
在一个实施例中,目标标识信息集为当前时间周期的目标标识信息集;
结果确定模块,包括:
第二获取模块啊,用于获取目标指标参数;
计算模块,用于利用目标指标参数计算第一标识信息的目标评价结果;
其中,目标指标参数包括以下至少一项:
第一参数,第一参数为第一数量与在当前时间周期内第一标识信息的目标关联行为的第一总量之间的比值,第一数量为第一总量中第一标识信息被检测为目类型的数量;
第二参数,第二参数为第一数量;
第三参数,第三参数为在与当前时间周期相邻的前一个时间周期内第四标识信息的目标关联行为的第二总量,第四标识信息为第五标识信息中在前一个时间周期内的目标关联行为的数量最低的标识信息,标识信息库中第五标识信息的评价结果大于其余标识信息的评价结果,其余标识信息为标识信息库中除第五标识信息之外的标识信息;
第四参数,第四参数为标识信息库中标识信息的平均评价结果。
在一个实施例中,第一标识信息的目标评价结果满足以下至少一项:
与第一参数呈正相关;
与第二参数呈正相关;
与第二参数以及第三参数之和呈反相关。
与第三参数呈正相关;
与第四参数呈正相关。
在一个实施例中,结果确定模块,包括:
第一确定模块,用于确定第二标识信息的第一评价结果;
第三获取模块,用于获取标识信息库中第二标识信息的评价结果;
第二确定模块,用于利用牛顿冷却定律对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果;
第三确定模块,用于对第一评价结果和第二评价结果进行加权求和,得到第二标识信息的目标评价结果。
在一个实施例中,利用牛顿冷却定律对标识信息库中第二标识信息的评价结果进行降低,得到第二标识信息的第二评价结果,包括:
利用冷却系数以及间隔时长,对标识信息库中第二标识信息的评价结果进行调整,得到第二标识信息的第二评价结果,间隔时长为当前时间与初始时间之间的间隔时长,初始时间为第二标识信息最新添加至标识信息库中的时间;
其中,冷却系数通过预设结果阈值以及预期时间周期数量确定,以第一数值为底的第二数值次幂的结果为预设结果阈值,第二数值为冷却系数与预期时间周期数量的乘积的相反数。
在一个实施例中,结果确定模块,包括:
第四获取模块,用于获取标识信息库中第三标识信息的评价结果;
第四确定模块,用于利用牛顿冷却定律对标识信息库中第三标识信息的评价结果进行降低,得到第三标识信息的第三评价结果;
加权模块,用于对第三评价结果进行加权处理,得到第三标识信息的目标评价结果。
上述各实施例的标识信息处理装置为实现上述应用于第一车辆中的各实施例的标识信息处理方法的装置,技术特征对应,技术效果对应,在此不再赘述。
本公开的技术方案中,所涉及的个人信息(例如,上述IP、设备唯一标识、应用登录账号等标识信息)的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质以及一种计算机程序产品。
本公开实施例的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的标识信息处理方法。
本公开实施例的计算机程序产品,包括计算机程序,计算机程序用于使计算机执行本公开各实施例提供的标识信息处理方法。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,电子设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(I)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如标识信息处理方法。例如,在一些实施例中,标识信息处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时,可以执行上文描述的标识信息处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行标识信息处理方法。本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种标识信息处理方法,包括:
对N种标识信息采用N种评估方式进行评估,得到所述N种标识信息的目标评价结果,每种评估方式对应评估一种标识信息,所述N为大于1的整数;
基于所述N种标识信息的目标评价结果,对所述N种标识信息进行目标处理。
2.根据权利要求1所述的方法,其中,所述对N种标识信息采用N种评估方式进行评估,得到所述N种标识信息的目标评价结果之前,还包括:获取目标标识信息集;
其中,所述N种标识信息包括以下至少两种:
第一标识信息,所述第一标识信息为所述目标标识信息集中不属于所述标识信息库的标识信息;
第二标识信息,所述第二标识信息为所述目标标识信息集与所述标识信息库的交集标识信息;
第三标识信息,所述第三标识信息为所述标识信息库中不属于所述目标标识信息集的标识信息。
3.根据权利要求2所述的方法,其中,所述基于所述N种标识信息的目标评价结果,对所述N种标识信息进行目标处理,包括以下至少两项:
将所述第一标识信息中目标评价结果大于或等于预设结果阈值的第一目标标识信息以及所述第一目标标识信息的目标评价结果添加至所述标识信息库中;
将所述标识信息库中的第二目标标识信息删除,并将所述标识信息库中第三目标标识信息的评价结果更新为所述第三目标标识信息的目标评价结果,所述第二目标标识信息为所述第二标识信息中目标评价结果小于所述预设结果阈值的标识信息,所述第三目标标识信息为所述第二标识信息中目标评价结果大于或等于所述预设结果阈值的标识信息;
将所述标识信息库中的第四目标标识信息删除,并将所述标识信息库中第五目标标识信息的评价结果更新为所述第五目标标识信息的目标评价结果,所述第四目标标识信息为所述第三标识信息中目标评价结果小于所述预设结果阈值的标识信息,所述第五目标标识信息为所述第三标识信息中目标评价结果大于或等于所述预设结果阈值的标识信息。
4.根据权利要求2或3所述的方法,其中,所述目标标识信息集为当前时间周期的目标标识信息集;
所述对N种标识信息采用N种评估方式进行评估,得到所述N种标识信息的目标评价结果,包括:
获取目标指标参数;
利用所述目标指标参数计算所述第一标识信息的目标评价结果;
其中,所述目标指标参数包括以下至少一项:
第一参数,所述第一参数为第一数量与在所述当前时间周期内所述第一标识信息的目标关联行为的第一总量之间的比值,所述第一数量为所述第一总量中所述第一标识信息被检测为目类型的数量;
第二参数,所述第二参数为所述第一数量;
第三参数,所述第三参数为在与所述当前时间周期相邻的前一个时间周期内第四标识信息的目标关联行为的第二总量,所述第四标识信息为第五标识信息中在所述前一个时间周期内的目标关联行为的数量最低的标识信息,所述标识信息库中所述第五标识信息的评价结果大于其余标识信息的评价结果,所述其余标识信息为所述标识信息库中除所述第五标识信息之外的标识信息;
第四参数,所述第四参数为所述标识信息库中标识信息的平均评价结果。
5.根据权利要求4所述的方法,其中,所述第一标识信息的目标评价结果满足以下至少一项:
与所述第一参数呈正相关;
与所述第二参数呈正相关;
与所述第二参数以及所述第三参数之和呈反相关。
与所述第三参数呈正相关;
与所述第四参数呈正相关。
6.根据权利要求2或3所述的方法,其中,所述对N种标识信息采用N种评估方式进行评估,得到所述N种标识信息的目标评价结果,包括:
确定所述第二标识信息的第一评价结果;
获取所述标识信息库中所述第二标识信息的评价结果;
利用牛顿冷却定律对所述标识信息库中所述第二标识信息的评价结果进行降低,得到所述第二标识信息的第二评价结果;
对所述第一评价结果和所述第二评价结果进行加权求和,得到所述第二标识信息的目标评价结果。
7.根据权利要求6所述的方法,其中,所述利用牛顿冷却定律对所述标识信息库中所述第二标识信息的评价结果进行降低,得到所述第二标识信息的第二评价结果,包括:
利用冷却系数以及间隔时长,对所述标识信息库中所述第二标识信息的评价结果进行调整,得到所述第二标识信息的第二评价结果,所述间隔时长为当前时间与初始时间之间的间隔时长,所述初始时间为所述第二标识信息最新添加至所述标识信息库中的时间;
其中,所述冷却系数通过预设结果阈值以及预期时间周期数量确定,以第一数值为底的第二数值次幂的结果为所述预设结果阈值,所述第二数值为所述冷却系数与所述预期时间周期数量的乘积的相反数。
8.根据权利要求2或3所述的方法,其中,所述对N种标识信息采用N种评估方式进行评估,得到所述N种标识信息的目标评价结果,包括:
获取所述标识信息库中所述第三标识信息的评价结果;
利用牛顿冷却定律对所述标识信息库中所述第三标识信息的评价结果进行降低,得到所述第三标识信息的第三评价结果;
对所述第三评价结果进行加权处理,得到所述第三标识信息的目标评价结果。
9.一种标识信息处理装置,所述装置包括:
结果确定模块,用于对N种标识信息采用N种评估方式进行评估,得到所述N种标识信息的目标评价结果,每种评估方式对应评估一种标识信息,所述N为大于1的整数;
处理模块,用于基于所述N种标识信息的目标评价结果,对所述N种标识信息进行目标处理。
10.根据权利要求9所述的装置,其中,还包括:
第一获取模块,用于获取目标标识信息集;
其中,所述N种标识信息包括以下至少两种:
第一标识信息,所述第一标识信息为所述目标标识信息集中不属于所述标识信息库的标识信息;
第二标识信息,所述第二标识信息为所述目标标识信息集与所述标识信息库的交集标识信息;
第三标识信息,所述第三标识信息为所述标识信息库中不属于所述目标标识信息集的标识信息。
11.根据权利要求10所述的装置,其中,所述基于所述N种标识信息的目标评价结果,对所述N种标识信息进行目标处理,包括以下至少两项:
将所述第一标识信息中目标评价结果大于或等于预设结果阈值的第一目标标识信息以及所述第一目标标识信息的目标评价结果添加至所述标识信息库中;
将所述标识信息库中的第二目标标识信息删除,并将所述标识信息库中第三目标标识信息的评价结果更新为所述第三目标标识信息的目标评价结果,所述第二目标标识信息为所述第二标识信息中目标评价结果小于所述预设结果阈值的标识信息,所述第三目标标识信息为所述第二标识信息中目标评价结果大于或等于所述预设结果阈值的标识信息;
将所述标识信息库中的第四目标标识信息删除,并将所述标识信息库中第五目标标识信息的评价结果更新为所述第五目标标识信息的目标评价结果,所述第四目标标识信息为所述第三标识信息中目标评价结果小于所述预设结果阈值的标识信息,所述第五目标标识信息为所述第三标识信息中目标评价结果大于或等于所述预设结果阈值的标识信息。
12.根据权利要求10或11所述的装置,其中,所述目标标识信息集为当前时间周期的目标标识信息集;
所述结果确定模块,包括:
第二获取模块啊,用于获取目标指标参数;
计算模块,用于利用所述目标指标参数计算所述第一标识信息的目标评价结果;
其中,所述目标指标参数包括以下至少一项:
第一参数,所述第一参数为第一数量与在所述当前时间周期内所述第一标识信息的目标关联行为的第一总量之间的比值,所述第一数量为所述第一总量中所述第一标识信息被检测为目类型的数量;
第二参数,所述第二参数为所述第一数量;
第三参数,所述第三参数为在与所述当前时间周期相邻的前一个时间周期内第四标识信息的目标关联行为的第二总量,所述第四标识信息为第五标识信息中在所述前一个时间周期内的目标关联行为的数量最低的标识信息,所述标识信息库中所述第五标识信息的评价结果大于其余标识信息的评价结果,所述其余标识信息为所述标识信息库中除所述第五标识信息之外的标识信息;
第四参数,所述第四参数为所述标识信息库中标识信息的平均评价结果。
13.根据权利要求12所述的装置,其中,所述第一标识信息的目标评价结果满足以下至少一项:
与所述第一参数呈正相关;
与所述第二参数呈正相关;
与所述第二参数以及所述第三参数之和呈反相关。
与所述第三参数呈正相关;
与所述第四参数呈正相关。
14.根据权利要求10或11所述的装置,其中,所述结果确定模块,包括:
第一确定模块,用于确定所述第二标识信息的第一评价结果;
第三获取模块,用于获取所述标识信息库中所述第二标识信息的评价结果;
第二确定模块,用于利用牛顿冷却定律对所述标识信息库中所述第二标识信息的评价结果进行降低,得到所述第二标识信息的第二评价结果;
第三确定模块,用于对所述第一评价结果和所述第二评价结果进行加权求和,得到所述第二标识信息的目标评价结果。
15.根据权利要求14所述的装置,其中,所述利用牛顿冷却定律对所述标识信息库中所述第二标识信息的评价结果进行降低,得到所述第二标识信息的第二评价结果,包括:
利用冷却系数以及间隔时长,对所述标识信息库中所述第二标识信息的评价结果进行调整,得到所述第二标识信息的第二评价结果,所述间隔时长为当前时间与初始时间之间的间隔时长,所述初始时间为所述第二标识信息最新添加至所述标识信息库中的时间;
其中,所述冷却系数通过预设结果阈值以及预期时间周期数量确定,以第一数值为底的第二数值次幂的结果为所述预设结果阈值,所述第二数值为所述冷却系数与所述预期时间周期数量的乘积的相反数。
16.根据权利要求10或11所述的装置,其中,所述结果确定模块,包括:
第四获取模块,用于获取所述标识信息库中所述第三标识信息的评价结果;
第四确定模块,用于利用牛顿冷却定律对所述标识信息库中所述第三标识信息的评价结果进行降低,得到所述第三标识信息的第三评价结果;
加权模块,用于对所述第三评价结果进行加权处理,得到所述第三标识信息的目标评价结果。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8任一所述的标识信息处理方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-8任一所述的标识信息处理方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一所述的标识信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110890023.4A CN113591095B (zh) | 2021-08-04 | 2021-08-04 | 一种标识信息处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110890023.4A CN113591095B (zh) | 2021-08-04 | 2021-08-04 | 一种标识信息处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113591095A true CN113591095A (zh) | 2021-11-02 |
CN113591095B CN113591095B (zh) | 2023-08-29 |
Family
ID=78254834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110890023.4A Active CN113591095B (zh) | 2021-08-04 | 2021-08-04 | 一种标识信息处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113591095B (zh) |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040013398A1 (en) * | 2001-02-06 | 2004-01-22 | Miura Masatoshi Kimura | Device for reproducing content such as video information and device for receiving content |
US20090089175A1 (en) * | 2007-10-02 | 2009-04-02 | Nir Platek | Product evaluation system and product evaluation method |
JP2014026594A (ja) * | 2012-07-30 | 2014-02-06 | Ricoh Co Ltd | 評価システム、サーバ装置 |
CN109120692A (zh) * | 2018-08-16 | 2019-01-01 | 北京百度网讯科技有限公司 | 用于处理请求的方法和装置 |
CN109582873A (zh) * | 2018-12-07 | 2019-04-05 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
CN109614549A (zh) * | 2018-12-10 | 2019-04-12 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
JP2019084163A (ja) * | 2017-11-08 | 2019-06-06 | 株式会社コナミデジタルエンタテインメント | ゲームシステム、ゲーム制御装置、及びプログラム |
CN109976826A (zh) * | 2019-02-26 | 2019-07-05 | 苏州宏裕千智能设备科技有限公司 | 一种应用软件处理方法、移动终端及云服务器 |
CN110555308A (zh) * | 2018-06-01 | 2019-12-10 | 北京安天网络安全技术有限公司 | 一种终端应用行为跟踪和威胁风险评估方法及系统 |
CN110930193A (zh) * | 2019-11-22 | 2020-03-27 | 浙江大搜车软件技术有限公司 | 广告转化率评估方法、装置、计算机设备和存储介质 |
CN110929969A (zh) * | 2018-09-20 | 2020-03-27 | 北京国双科技有限公司 | 一种供应商的评价方法及装置 |
CN111191797A (zh) * | 2020-01-03 | 2020-05-22 | 深圳追一科技有限公司 | 信息处理方法、装置、电子设备及存储介质 |
CN111752960A (zh) * | 2020-06-28 | 2020-10-09 | 北京百度网讯科技有限公司 | 数据处理方法和装置 |
CN111784091A (zh) * | 2019-09-19 | 2020-10-16 | 北京京东尚科信息技术有限公司 | 用于处理信息的方法和装置 |
CN112132113A (zh) * | 2020-10-20 | 2020-12-25 | 北京百度网讯科技有限公司 | 车辆再识别的方法、装置、训练方法以及电子设备 |
CN112270998A (zh) * | 2020-09-23 | 2021-01-26 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
CN112419025A (zh) * | 2020-11-20 | 2021-02-26 | 泰康保险集团股份有限公司 | 用户数据处理方法和装置、存储介质、电子设备 |
CN112598138A (zh) * | 2020-12-22 | 2021-04-02 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、联邦学习系统和电子设备 |
CN112733042A (zh) * | 2021-02-03 | 2021-04-30 | 北京百度网讯科技有限公司 | 推荐信息的生成方法、相关装置及计算机程序产品 |
CN112789617A (zh) * | 2019-07-05 | 2021-05-11 | 谷歌有限责任公司 | 用于用户标识符集合的交集的私密性保护确定的系统和方法 |
CN112907268A (zh) * | 2019-12-04 | 2021-06-04 | 北京京东尚科信息技术有限公司 | 归因方法、装置、设备及介质 |
CN113076416A (zh) * | 2021-03-15 | 2021-07-06 | 北京明略软件系统有限公司 | 信息热度评估方法、装置和电子设备 |
CN113190871A (zh) * | 2021-05-28 | 2021-07-30 | 脸萌有限公司 | 数据保护方法、装置、可读介质及电子设备 |
-
2021
- 2021-08-04 CN CN202110890023.4A patent/CN113591095B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040013398A1 (en) * | 2001-02-06 | 2004-01-22 | Miura Masatoshi Kimura | Device for reproducing content such as video information and device for receiving content |
US20090089175A1 (en) * | 2007-10-02 | 2009-04-02 | Nir Platek | Product evaluation system and product evaluation method |
JP2014026594A (ja) * | 2012-07-30 | 2014-02-06 | Ricoh Co Ltd | 評価システム、サーバ装置 |
JP2019084163A (ja) * | 2017-11-08 | 2019-06-06 | 株式会社コナミデジタルエンタテインメント | ゲームシステム、ゲーム制御装置、及びプログラム |
CN110555308A (zh) * | 2018-06-01 | 2019-12-10 | 北京安天网络安全技术有限公司 | 一种终端应用行为跟踪和威胁风险评估方法及系统 |
CN109120692A (zh) * | 2018-08-16 | 2019-01-01 | 北京百度网讯科技有限公司 | 用于处理请求的方法和装置 |
CN110929969A (zh) * | 2018-09-20 | 2020-03-27 | 北京国双科技有限公司 | 一种供应商的评价方法及装置 |
CN109582873A (zh) * | 2018-12-07 | 2019-04-05 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
CN109614549A (zh) * | 2018-12-10 | 2019-04-12 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法和装置 |
CN109976826A (zh) * | 2019-02-26 | 2019-07-05 | 苏州宏裕千智能设备科技有限公司 | 一种应用软件处理方法、移动终端及云服务器 |
CN112789617A (zh) * | 2019-07-05 | 2021-05-11 | 谷歌有限责任公司 | 用于用户标识符集合的交集的私密性保护确定的系统和方法 |
CN111784091A (zh) * | 2019-09-19 | 2020-10-16 | 北京京东尚科信息技术有限公司 | 用于处理信息的方法和装置 |
CN110930193A (zh) * | 2019-11-22 | 2020-03-27 | 浙江大搜车软件技术有限公司 | 广告转化率评估方法、装置、计算机设备和存储介质 |
CN112907268A (zh) * | 2019-12-04 | 2021-06-04 | 北京京东尚科信息技术有限公司 | 归因方法、装置、设备及介质 |
CN111191797A (zh) * | 2020-01-03 | 2020-05-22 | 深圳追一科技有限公司 | 信息处理方法、装置、电子设备及存储介质 |
CN111752960A (zh) * | 2020-06-28 | 2020-10-09 | 北京百度网讯科技有限公司 | 数据处理方法和装置 |
CN112270998A (zh) * | 2020-09-23 | 2021-01-26 | 清华大学 | 区域内感染人员分布的评估方法及装置 |
CN112132113A (zh) * | 2020-10-20 | 2020-12-25 | 北京百度网讯科技有限公司 | 车辆再识别的方法、装置、训练方法以及电子设备 |
CN112419025A (zh) * | 2020-11-20 | 2021-02-26 | 泰康保险集团股份有限公司 | 用户数据处理方法和装置、存储介质、电子设备 |
CN112598138A (zh) * | 2020-12-22 | 2021-04-02 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、联邦学习系统和电子设备 |
CN112733042A (zh) * | 2021-02-03 | 2021-04-30 | 北京百度网讯科技有限公司 | 推荐信息的生成方法、相关装置及计算机程序产品 |
CN113076416A (zh) * | 2021-03-15 | 2021-07-06 | 北京明略软件系统有限公司 | 信息热度评估方法、装置和电子设备 |
CN113190871A (zh) * | 2021-05-28 | 2021-07-30 | 脸萌有限公司 | 数据保护方法、装置、可读介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
翁迟迟;齐法制;陈刚;: "基于层次分析法与云模型的主机安全风险评估", 计算机工程, no. 02, pages 1 - 6 * |
Also Published As
Publication number | Publication date |
---|---|
CN113591095B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992169B (zh) | 一种风险评估方法、装置、服务器及存储介质 | |
CN113360580A (zh) | 基于知识图谱的异常事件检测方法、装置、设备及介质 | |
CN112765452A (zh) | 搜索推荐方法、装置及电子设备 | |
CN113791837B (zh) | 页面处理方法、装置、设备和存储介质 | |
CN113904943A (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN113312560A (zh) | 群组检测方法、装置及电子设备 | |
CN115603955B (zh) | 异常访问对象识别方法、装置、设备和介质 | |
CN113591095B (zh) | 一种标识信息处理方法、装置及电子设备 | |
CN113408641B (zh) | 资源生成模型的训练与服务资源的生成方法、装置 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114862479A (zh) | 信息推送方法、装置、电子设备和介质 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN113642919A (zh) | 风险控制方法、电子设备和存储介质 | |
CN114297489B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
CN113011922B (zh) | 相似人群的确定方法、装置、电子设备和存储介质 | |
CN113434790B (zh) | 重复链接的识别方法、装置及电子设备 | |
CN110971501B (zh) | 广告消息的确定方法、系统、设备和存储介质 | |
CN113221034A (zh) | 数据泛化方法、装置、电子设备和存储介质 | |
CN116112245A (zh) | 攻击检测方法、装置、电子设备及存储介质 | |
CN112685640A (zh) | 推荐阅读内容的方法、电子设备和计算机可读存储介质 | |
CN115359233A (zh) | 目标检测方法、装置、电子设备和可读存储介质 | |
CN114648672A (zh) | 构建样本图像集的方法、装置、电子设备及可读存储介质 | |
CN115346072A (zh) | 图像分类模型的训练方法及装置、电子设备和存储介质 | |
CN114036392A (zh) | 页面处理方法、训练方法、装置、电子设备以及存储介质 | |
CN114840798A (zh) | 信息生成方法、装置、设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |