CN114466362A - 基于BiLSTM的5G通信下垃圾短信过滤方法及装置 - Google Patents
基于BiLSTM的5G通信下垃圾短信过滤方法及装置 Download PDFInfo
- Publication number
- CN114466362A CN114466362A CN202210371611.1A CN202210371611A CN114466362A CN 114466362 A CN114466362 A CN 114466362A CN 202210371611 A CN202210371611 A CN 202210371611A CN 114466362 A CN114466362 A CN 114466362A
- Authority
- CN
- China
- Prior art keywords
- short message
- message
- communication
- model
- bilstm
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 221
- 238000001914 filtration Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 87
- 238000013528 artificial neural network Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 45
- 238000013507 mapping Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007907 direct compression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/128—Anti-malware arrangements, e.g. protection against SMS fraud or mobile malware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及信息安全技术领域,揭露了一种基于BiLSTM的5G通信下垃圾短信过滤方法及装置,包括:接收第一通信设备发送的短信讯息,将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型,将所述短信讯息输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息,将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。本发明可解决垃圾短信过滤准确性不高的问题。
Description
技术领域
本发明涉及信息安全技术领域,尤其涉及一种基于BiLSTM的5G通信下垃圾短信过滤方法、装置、电子设备及计算机可读存储介质。
背景技术
垃圾短信过滤可有效防止诈骗、信息泄露的有效手段,特别地,随着5G通信的不断普及,垃圾短信过滤极其有必要。
目前5G通信下的垃圾短信过滤主要采用传统机器学习算法,如5G通信设备接收到短信后,将短信输入至朴素贝叶斯执行二分类判断是否为垃圾短信,该方法虽然可实现垃圾短信过滤,但垃圾短信过滤的准确性不高。
发明内容
本发明提供一种基于BiLSTM的5G通信下垃圾短信过滤方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决垃圾短信过滤准确性不高的问题。
为实现上述目的,本发明提供的一种基于BiLSTM的5G通信下垃圾短信过滤方法,包括:
接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息;
确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站;
将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
可选地,所述将所述短信讯息执行通信编码得到编码讯息,之前包括:
获取预构建的通信编码脚本代码及所述第一通信设备的程序接口,将所述通信编码脚本代码封装进第一通信设备的所述程序接口,得到通信编码接口。
可选地,所述将所述短信讯息执行通信编码得到编码讯息,包括:
接收所述第一通信设备发送的编码验证请求,根据所述编码验证请求,对所述第一通信设备的身份信息执行验证;
待所述第一通信设备的身份信息验证通过后,将所述短信讯息传入至所述通信编码接口内,在所述通信编码接口内对所述短信讯息执行通信编码,得到所述编码讯息。
可选地,所述在所述通信编码接口内对所述短信讯息执行通信编码,得到所述编码讯息,包括:
将所述短信讯息执行二进制转化,得到二进制通信信号;
根据所述短信讯息的每个字节的生成时间,对应生成时钟同步信号
重组所述二进制通信信号和和所述时钟同步信号,得到待压缩信号;
压缩所述待压缩信号,得到所述编码讯息。
可选地,所述预先内嵌在所述第二通信设备内的短信讯息过滤模型,包括:
接收已训练完成的所述优化的BiLSTM模型、全连接神经网络及激活函数;
按照所述已训练完成的所述优化的BiLSTM模型在前,所述全连接神经网络在中,及所述激活函数在后的形式组合得到待训练的短信讯息过滤模型;
接收用户所选择的损失函数、短信训练集及对应的真实标签集,将所述短信训练集输入至待训练的所述短信讯息过滤模型中;
利用待训练的所述短信讯息过滤模型计算所述短信训练集的预测标签,得到预测标签集;
将所述预测标签集与所述真实标签集作为所述损失函数的输入参数,计算得到损失值;
判断所述损失值与预设阈值的大小关系,当所述损失值大于或等于预设阈值时,调整已训练完成的所述优化的BiLSTM模型的模型参数及所述全连接神经网络的模型参数,并返回计算预测标签的模块;
直至所述损失值小于预设阈值时,得到已训练的短信讯息过滤模型;
编译已训练的所述短信讯息过滤模型,生成二进制类型的短信讯息过滤模型,并将二进制类型的所述短信讯息过滤模型嵌入至所述第二通信设备内。
可选地,所述利用待训练的所述短信讯息过滤模型计算所述短信训练集的预测标签,得到预测标签集,包括:
将所述短信训练集中的每个文本执行矩阵转化,得到文本矩阵;
将所述文本矩阵输入至所述优化的BiLSTM模型中的输入门中,得到输入矩阵,其中所述优化的BiLSTM模型还包括遗忘门和输出门;
将所述输入矩阵与所述遗忘门中的记忆矩阵执行遗忘计算,得到遗忘计算矩阵;
通过所述输出门将所述遗忘计算矩阵传输至所述全连接神经网络,在所述全连接神经网络中,对所述遗忘计算矩阵执行维度转化,得到单维遗忘矩阵;
将所述单维遗忘矩阵作为所述激活函数的输入参数计算得到所述预测标签集。
可选地,所述将所述输入矩阵与所述遗忘门中的记忆矩阵执行遗忘计算,得到遗忘计算矩阵,包括:
根据预构建的映射函数,映射所述输入矩阵,得到映射矩阵;
将所述映射矩阵与预先构建在所述输入门的时间函数执行乘积运算,得到时间映射矩阵;
提取所述遗忘门中的记忆矩阵,并将所述记忆矩阵与预先构建在所述遗忘门的时间函数执行乘积运算,得到记忆映射矩阵;
相加所述时间映射矩阵和所述记忆映射矩阵,得到所述遗忘计算矩阵。
可选地,所述相加所述时间映射矩阵和所述记忆映射矩阵,得到所述遗忘计算矩阵,包括:
采用如下公式求解得到所述遗忘计算矩阵:
可选地,所述调整已训练完成的所述优化的BiLSTM模型的模型参数及所述全连接神经网络的模型参数,包括:
利用所述预测标签与预设的正向残差公式,计算出所述优化的BiLSTM模型和所述全连接神经网络的残差;
利用所述残差分别加权求和所述优化的BiLSTM模型的原始权重和所述全连接神经网络的原始权重,得到BiLSTM加权值和神经网络加权值;
利用所述BiLSTM加权值和神经网络加权值与预构建的反向残差公式,分别计算得到BiLSTM反向残差值和神经网络反向残差值;
将所述反向残差值与所述优化的BiLSTM模型的原始权重相加,得到所述优化的BiLSTM模型的更新权重,将所述反向残差值与所述全连接神经网络的原始权重,得到全连接神经网络的更新权重,其中所述优化的BiLSTM模型的更新权重和所述全连接神经网络的更新权重即为调整后的模型参数。
为了解决上述问题,本发明还提供一种基于BiLSTM的5G通信下垃圾短信过滤装置,所述装置包括:
短信传输模块,用于接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息,确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
短信解码模块,用于在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站,将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
过滤模型启动模块,用于将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
规范化处理模块,用于将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
垃圾短信过滤模块,用于将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于BiLSTM的5G通信下垃圾短信过滤方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于BiLSTM的5G通信下垃圾短信过滤方法。
相比于背景技术所述:5G通信下的垃圾短信过滤主要采用传统机器学习算法,导致垃圾短信过滤的准确性不高的问题。本发明实施例为提高垃圾短信过滤的准确性,先接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息,由于通信编码可提高短信的安全性,降低短信在发送源头被篡改为垃圾短信的可能性,此外在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站,并将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息,其次,将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息,由于规范讯息已过滤掉一些无用信息,如标点符合、停用词等,可提高对垃圾短信的识别率,最后将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息,由于优化的BiLSTM模型具有深度学习高识别率的特征,故可进一步提高垃圾短信过滤的准确性,因此本发明提出的基于BiLSTM的5G通信下垃圾短信过滤方法、装置、电子设备及计算机可读存储介质,可以解决垃圾短信过滤准确性不高的问题。
附图说明
图1为本发明一实施例提供的基于BiLSTM的5G通信下垃圾短信过滤方法的流程示意图;
图2为图1实施例其中一个步骤的流程示意图;
图3为图1实施例另一个步骤的流程示意图;
图4为本发明一实施例提供的基于BiLSTM的5G通信下垃圾短信过滤装置的功能模块图;
图5为本发明一实施例提供的实现所述基于BiLSTM的5G通信下垃圾短信过滤方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于BiLSTM的5G通信下垃圾短信过滤方法。所述基于BiLSTM的5G通信下垃圾短信过滤方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于BiLSTM的5G通信下垃圾短信过滤方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的基于BiLSTM的5G通信下垃圾短信过滤方法的流程示意图。在本实施例中,所述基于BiLSTM的5G通信下垃圾短信过滤方法包括:
S1、接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息。
本发明实施例中,所述第一通信设备可以为手机、平板等移动设备。示例性的,如房产销售人员利用手机编辑一条房产销售信息的短信讯息,并计划将房产销售信息的短信讯息群发至多个目标客户中,因此,群发过程由于涉及到通信技术,特别是5G背景下的通信传输技术,因此需先通信编码短信讯息。
详细地,所述将所述短信讯息执行通信编码得到编码讯息,之前包括:
获取预构建的通信编码脚本代码及所述第一通信设备的程序接口,将所述通信编码脚本代码封装进第一通信设备的所述程序接口,得到通信编码接口。
需解释的是,第一通信设备的程序接口可理解为第一通信设备与外界设备执行信息交互的闸口,任何从第一通信设备释放出的信息或接收的信息,均需要所述程序接口的审核校验。故本发明实施例为了防止信息泄露的风险,并非在基站中执行编码,而是在通信设备中直接执行通信编码,因此需调用第一通信设备的程序接口,将预构建的通信编码脚本代码封装进程序接口,由此程序接口就具有通信编码的能力。
进一步地,所述将所述短信讯息执行通信编码得到编码讯息,包括:
接收所述第一通信设备发送的编码验证请求,根据所述编码验证请求,对所述第一通信设备的身份信息执行验证;
待所述第一通信设备的身份信息验证通过后,将所述短信讯息传入至所述通信编码接口内,在所述通信编码接口内对所述短信讯息执行通信编码,得到所述编码讯息。
可理解的是,每一次的短信讯息均需要验证第一通信设备的合法性,已放置第一通信设备被人恶意篡改设备编号而导致安全事故的发生。详细地,所述编码验证请求包括第一通信设备的IMEI码(International Mobile Equipment Identity)、所在网络的IP地址及第一通信设备的手机号码等,其中IMEI码俗称 “手机序列号”,用于在GSM移动网络中识别每一部独立的手机,相当于手机的身份证号码,具有标识第一通信设备的作用。所在网络的IP地址用于验证第一通信设备所处的网络环境是否安全合法。第一通信设备的手机号码用于验证第一通信设备的用户是否符合要求。
进一步地,参阅图2所示,所述在所述通信编码接口内对所述短信讯息执行通信编码,得到所述编码讯息,包括:
S11、将所述短信讯息执行二进制转化,得到二进制通信信号;
S12、根据所述短信讯息的每个字节的生成时间,对应生成时钟同步信号;
S13、重组所述二进制通信信号和和所述时钟同步信号,得到待压缩信号;
S14、压缩所述待压缩信号,得到所述编码讯息。
示例性的,如上述房产销售信息的短信讯息为:“**楼盘4月1日盛大开幕,不限购,底首付”,则通过二进制转化,可得到如“0100101010110……”的二进制通信信号,同时由于每个字节的生成时间不同,如“4月”在第一通信设备的生成时间为11点23分43秒,“1日”在第一通信设备的生成时间为11点23分44秒,则对应生成二进制形式的时钟同步信号。
进一步地,本发明实施例将二进制通信信号和时钟同步信号组合至一起,得到待压缩信号,由于待压缩信号的数据量较大,因此为了避免通信传输的资源浪费,需直接压缩,本发明实施例中,可采用无损数据压缩方法。从而最终得到编码讯息。
S2、确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房。
需解释的是,基站是通信设备连接到运营商网络的设备,从而实现通信设备的打电话、发短信及上网等。因此在传输编码讯息之前,还需要确定第一通信设备的所属基站,并将编码讯息通过所述第一基站发送至通信机房。其中通信机房即为生成运营商网络的服务器群。
可理解的是,基站与通信机房的数据交互属于公知技术,在此不再赘述。
S3、在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站。
可知道的是,在编码讯息中包含了需要将编码讯息发送至哪个设备的相关信息,示例性的,上述房产销售信息的短信讯息在生成编码讯息时,会包括此条编码讯息所发送的第二通信设备的发送目的信息。其中,所述发送目的信息主要包括所述第二通信设备所在网络的IP地址及第一通信设备的手机号码。
S4、将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息。
可理解的是,在所述第二基站内的解码操作与上述编码操作相反,在此不再赘述。
S5、将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型。
本发明实施例中,当第二通信设备成功接收到短信讯息后,需智能化判断该条短信讯息是否需要被过滤,因此需要利用预先内嵌在所述第二通信设备内的短信讯息过滤模型。
详细地,所述预先内嵌在所述第二通信设备内的短信讯息过滤模型,包括:
接收已训练完成的所述优化的BiLSTM模型、全连接神经网络及激活函数;
按照所述已训练完成的所述优化的BiLSTM模型在前,所述全连接神经网络在中,及所述激活函数在后的形式组合得到待训练的短信讯息过滤模型;
接收用户所选择的损失函数、短信训练集及对应的真实标签集,将所述短信训练集输入至待训练的所述短信讯息过滤模型中;
利用待训练的所述短信讯息过滤模型计算所述短信训练集的预测标签,得到预测标签集;
将所述预测标签集与所述真实标签集作为所述损失函数的输入参数,计算得到损失值;
判断所述损失值与预设阈值的大小关系,当所述损失值大于或等于预设阈值时,调整已训练完成的所述优化的BiLSTM模型的模型参数及所述全连接神经网络的模型参数,并返回计算预测标签的模块;
直至所述损失值小于预设阈值时,得到已训练的短信讯息过滤模型;
编译已训练的所述短信讯息过滤模型,生成二进制类型的短信讯息过滤模型,并将二进制类型的所述短信讯息过滤模型嵌入至所述第二通信设备内。
需解释的是,优化的BiLSTM模型又称双向LSTM模型,它是由两个单独的LSTM组合合成,一般情况下,优化的BiLSTM模型已被其他算法使用者训练完成,因此可直接从网络中获取已训练完成的优化的BiLSTM模型。
进一步地,本发明实施例中,所述全连接神经网络采用BP神经网络,所述激活函数采用sigmoid函数,所述损失函数采用基于梯度下降算法构建的函数。
详细地,参阅图3所示,所述利用待训练的所述短信讯息过滤模型计算所述短信训练集的预测标签,得到预测标签集,包括:
S51、将所述短信训练集中的每个文本执行矩阵转化,得到文本矩阵;
S52、将所述文本矩阵输入至所述优化的BiLSTM模型中的输入门中,得到输入矩阵,其中所述优化的BiLSTM模型还包括遗忘门和输出门;
S53、将所述输入矩阵与所述遗忘门中的记忆矩阵执行遗忘计算,得到遗忘计算矩阵;
S54、通过所述输出门将所述遗忘计算矩阵传输至所述全连接神经网络,在所述全连接神经网络中,对所述遗忘计算矩阵执行维度转化,得到单维遗忘矩阵;
S55、将所述单维遗忘矩阵作为所述激活函数的输入参数计算得到所述预测标签集。
本发明实施例中,所述矩阵转化可采用Word2Vec算法。此外,所述将所述输入矩阵与所述遗忘门中的记忆矩阵执行遗忘计算,得到遗忘计算矩阵,包括:
根据预构建的映射函数,映射所述输入矩阵,得到映射矩阵;
将所述映射矩阵与预先构建在所述输入门的时间函数执行乘积运算,得到时间映射矩阵;
提取所述遗忘门中的记忆矩阵,并将所述记忆矩阵与预先构建在所述遗忘门的时间函数执行乘积运算,得到记忆映射矩阵;
相加所述时间映射矩阵和所述记忆映射矩阵,得到所述遗忘计算矩阵。
详细地,所述具体的计算公式如下所示:
进一步地,所述调整已训练完成的所述优化的BiLSTM模型的模型参数及所述全连接神经网络的模型参数,包括:
利用所述预测标签与预设的正向残差公式,计算出所述优化的BiLSTM模型和所述全连接神经网络的残差;
利用所述残差分别加权求和所述优化的BiLSTM模型的原始权重和所述全连接神经网络的原始权重,得到BiLSTM加权值和神经网络加权值;
利用所述BiLSTM加权值和神经网络加权值与预构建的反向残差公式,分别计算得到BiLSTM反向残差值和神经网络反向残差值;
将所述反向残差值与所述优化的BiLSTM模型的原始权重相加,得到所述优化的BiLSTM模型的更新权重,将所述反向残差值与所述全连接神经网络的原始权重,得到全连接神经网络的更新权重,其中所述优化的BiLSTM模型的更新权重和所述全连接神经网络的更新权重即为调整后的模型参数。
需解释的是,由于优化的BiLSTM模型的模型参数及全连接神经网络的模型参数涉及众多的权重和偏置,调节过程在此不再赘述。
S6、将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息。
可理解的是,训练完成的短信讯息过滤模型后具有垃圾短信过滤能力,因此可直接将短信讯息作为输入数据输入至所述短信讯息过滤模型。此外,为了提高垃圾短信过滤的准确率,在训练完成的短信讯息过滤模型内嵌入数据规范化模块,其中数据规范化模块包括去停用词、去标点符号等。
S7、将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
相比于背景技术所述:5G通信下的垃圾短信过滤主要采用传统机器学习算法,导致垃圾短信过滤的准确性不高的问题。本发明实施例为提高垃圾短信过滤的准确性,先接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息,由于通信编码可提高短信的安全性,降低短信在发送源头被篡改为垃圾短信的可能性,此外在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站,并将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息,其次,将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息,由于规范讯息已过滤掉一些无用信息,如标点符合、停用词等,可提高对垃圾短信的识别率,最后将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息,由于优化的BiLSTM模型具有深度学习高识别率的特征,故可进一步提高垃圾短信过滤的准确性,因此本发明提出的基于BiLSTM的5G通信下垃圾短信过滤方法、装置、电子设备及计算机可读存储介质,可以解决垃圾短信过滤准确性不高的问题。
实施例2:
如图4所示,是本发明一实施例提供的基于BiLSTM的5G通信下垃圾短信过滤装置的功能模块图,其可以实现实施例1中的监测方法。
本发明所述基于BiLSTM的5G通信下垃圾短信过滤装置100可以安装于电子设备中。根据实现的功能,所述基于BiLSTM的5G通信下垃圾短信过滤装置100可以包括短信传输模块101、短信解码模块102、过滤模型启动模块103、规范化处理模块104及垃圾短信过滤模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述短信传输模块101,用于接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息,确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
所述短信解码模块102,用于在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站,将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
所述过滤模型启动模块103,用于将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
所述规范化处理模块104,用于将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
所述垃圾短信过滤模块105,用于将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
详细地,本发明实施例中所述基于BiLSTM的5G通信下垃圾短信过滤装置100中的所述各模块在使用时采用与上述的图1中所述的基于BiLSTM的5G通信下垃圾短信过滤方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图5所示,是本发明一实施例提供的实现基于BiLSTM的5G通信下垃圾短信过滤方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于BiLSTM的5G通信下垃圾短信过滤方法程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如基于BiLSTM的5G通信下垃圾短信过滤方法程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于BiLSTM的5G通信下垃圾短信过滤方法程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于BiLSTM的5G通信下垃圾短信过滤方法程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息;
确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站;
将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图5对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息;
确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站;
将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述方法包括:
接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息;
确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站;
将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
2.如权利要求1所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述将所述短信讯息执行通信编码得到编码讯息,之前包括:
获取预构建的通信编码脚本代码及所述第一通信设备的程序接口,将所述通信编码脚本代码封装进第一通信设备的所述程序接口,得到通信编码接口。
3.如权利要求2所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述将所述短信讯息执行通信编码得到编码讯息,包括:
接收所述第一通信设备发送的编码验证请求,根据所述编码验证请求,对所述第一通信设备的身份信息执行验证;
待所述第一通信设备的身份信息验证通过后,将所述短信讯息传入至所述通信编码接口内,在所述通信编码接口内对所述短信讯息执行通信编码,得到所述编码讯息。
4.如权利要求3所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述在所述通信编码接口内对所述短信讯息执行通信编码,得到所述编码讯息,包括:
将所述短信讯息执行二进制转化,得到二进制通信信号;
根据所述短信讯息的每个字节的生成时间,对应生成时钟同步信号
重组所述二进制通信信号和和所述时钟同步信号,得到待压缩信号;
压缩所述待压缩信号,得到所述编码讯息。
5.如权利要求1所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述预先内嵌在所述第二通信设备内的短信讯息过滤模型,包括:
接收已训练完成的所述优化的BiLSTM模型、全连接神经网络及激活函数;
按照所述已训练完成的所述优化的BiLSTM模型在前,所述全连接神经网络在中,及所述激活函数在后的形式组合得到待训练的短信讯息过滤模型;
接收用户所选择的损失函数、短信训练集及对应的真实标签集,将所述短信训练集输入至待训练的所述短信讯息过滤模型中;
利用待训练的所述短信讯息过滤模型计算所述短信训练集的预测标签,得到预测标签集;
将所述预测标签集与所述真实标签集作为所述损失函数的输入参数,计算得到损失值;
判断所述损失值与预设阈值的大小关系,当所述损失值大于或等于预设阈值时,调整已训练完成的所述优化的BiLSTM模型的模型参数及所述全连接神经网络的模型参数,并返回计算预测标签的模块;
直至所述损失值小于预设阈值时,得到已训练的短信讯息过滤模型;
编译已训练的所述短信讯息过滤模型,生成二进制类型的短信讯息过滤模型,并将二进制类型的所述短信讯息过滤模型嵌入至所述第二通信设备内。
6.如权利要求5所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述利用待训练的所述短信讯息过滤模型计算所述短信训练集的预测标签,得到预测标签集,包括:
将所述短信训练集中的每个文本执行矩阵转化,得到文本矩阵;
将所述文本矩阵输入至所述优化的BiLSTM模型中的输入门中,得到输入矩阵,其中所述优化的BiLSTM模型还包括遗忘门和输出门;
将所述输入矩阵与所述遗忘门中的记忆矩阵执行遗忘计算,得到遗忘计算矩阵;
通过所述输出门将所述遗忘计算矩阵传输至所述全连接神经网络,在所述全连接神经网络中,对所述遗忘计算矩阵执行维度转化,得到单维遗忘矩阵;
将所述单维遗忘矩阵作为所述激活函数的输入参数计算得到所述预测标签集。
7.如权利要求6所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述将所述输入矩阵与所述遗忘门中的记忆矩阵执行遗忘计算,得到遗忘计算矩阵,包括:
根据预构建的映射函数,映射所述输入矩阵,得到映射矩阵;
将所述映射矩阵与预先构建在所述输入门的时间函数执行乘积运算,得到时间映射矩阵;
提取所述遗忘门中的记忆矩阵,并将所述记忆矩阵与预先构建在所述遗忘门的时间函数执行乘积运算,得到记忆映射矩阵;
相加所述时间映射矩阵和所述记忆映射矩阵,得到所述遗忘计算矩阵。
9.如权利要求8所述的基于BiLSTM的5G通信下垃圾短信过滤方法,其特征在于,所述调整已训练完成的所述优化的BiLSTM模型的模型参数及所述全连接神经网络的模型参数,包括:
利用所述预测标签与预设的正向残差公式,计算出所述优化的BiLSTM模型和所述全连接神经网络的残差;
利用所述残差分别加权求和所述优化的BiLSTM模型的原始权重和所述全连接神经网络的原始权重,得到BiLSTM加权值和神经网络加权值;
利用所述BiLSTM加权值和神经网络加权值与预构建的反向残差公式,分别计算得到BiLSTM反向残差值和神经网络反向残差值;
将所述反向残差值与所述优化的BiLSTM模型的原始权重相加,得到所述优化的BiLSTM模型的更新权重,将所述反向残差值与所述全连接神经网络的原始权重,得到全连接神经网络的更新权重,其中所述优化的BiLSTM模型的更新权重和所述全连接神经网络的更新权重即为调整后的模型参数。
10.一种基于BiLSTM的5G通信下垃圾短信过滤装置,其特征在于,所述装置包括:
短信传输模块,用于接收第一通信设备发送的短信讯息,将所述短信讯息执行通信编码得到编码讯息,确定所述第一通信设备的所属基站,得到第一基站,将所述编码讯息通过所述第一基站发送至通信机房;
短信解码模块,用于在所述通信机房内,从所述编码讯息中解析出所述短信讯息的发送目的信息,根据所述发送目的信息确定第二通信设备及第二基站,将所述编码讯息发送至所述第二基站,在所述第二基站内解码所述编码讯息,得到所述短信讯息;
过滤模型启动模块,用于将所述短信讯息发送至所述第二通信设备,并启动预先内嵌在所述第二通信设备内的短信讯息过滤模型,其中所述短信讯息过滤模型包括优化的BiLSTM模型;
规范化处理模块,用于将所述短信讯息作为输入数据输入至所述短信讯息过滤模型,在所述短信讯息过滤模型内,对所述短信讯息执行数据规范化处理,得到规范讯息;
垃圾短信过滤模块,用于将所述规范讯息输入至所述优化的BiLSTM模型执行过滤判断,当所述规范讯息属于垃圾短信时,自动销毁所述短信讯息,当所述规范讯息不属于垃圾短信时,在所述第二通信设备中生成提示音提示用户查看所述短信讯息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371611.1A CN114466362B (zh) | 2022-04-11 | 2022-04-11 | 基于BiLSTM的5G通信下垃圾短信过滤方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371611.1A CN114466362B (zh) | 2022-04-11 | 2022-04-11 | 基于BiLSTM的5G通信下垃圾短信过滤方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114466362A true CN114466362A (zh) | 2022-05-10 |
CN114466362B CN114466362B (zh) | 2022-06-28 |
Family
ID=81416864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371611.1A Active CN114466362B (zh) | 2022-04-11 | 2022-04-11 | 基于BiLSTM的5G通信下垃圾短信过滤方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114466362B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116074388A (zh) * | 2023-03-28 | 2023-05-05 | 武汉卓鹰世纪科技有限公司 | 一种基于日志队列的流量转发方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1426214A (zh) * | 2001-12-19 | 2003-06-25 | 深圳市中兴通讯股份有限公司上海第二研究所 | 一种短消息监管的方法及设备 |
CN101175233A (zh) * | 2006-11-03 | 2008-05-07 | 鸿富锦精密工业(深圳)有限公司 | 自动开启短信息的方法 |
US20090124272A1 (en) * | 2006-04-05 | 2009-05-14 | Marc White | Filtering transcriptions of utterances |
CN101478584A (zh) * | 2004-01-30 | 2009-07-08 | 邓小玲 | 编码通信方法及其所用终端 |
CN102096703A (zh) * | 2010-12-29 | 2011-06-15 | 北京新媒传信科技有限公司 | 短消息的过滤方法和设备 |
CN104244254A (zh) * | 2014-10-16 | 2014-12-24 | 北京奇虎科技有限公司 | 基于短信中心号码检测伪基站的方法和装置 |
CN104794635A (zh) * | 2015-04-17 | 2015-07-22 | 南京大学 | 基于协同过滤推荐算法的机型推荐系统 |
CN105228143A (zh) * | 2014-06-13 | 2016-01-06 | 中国移动通信集团公司 | 一种垃圾短信鉴别方法、装置和终端 |
CN112597282A (zh) * | 2021-01-24 | 2021-04-02 | 深圳市诚立业科技发展有限公司 | 一种应用于短信数据安全的管理方法 |
CN113486178A (zh) * | 2021-07-12 | 2021-10-08 | 恒安嘉新(北京)科技股份公司 | 文本识别模型训练方法、文本识别方法、装置以及介质 |
CN113642328A (zh) * | 2020-04-27 | 2021-11-12 | 国家计算机网络与信息安全管理中心 | 一种诈骗文本命名实体识别方法及系统 |
CN114201582A (zh) * | 2021-12-06 | 2022-03-18 | 厦门安胜网络科技有限公司 | 一种基于BiLSTM-CRF模型的文本数据智能提取方法和装置 |
-
2022
- 2022-04-11 CN CN202210371611.1A patent/CN114466362B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1426214A (zh) * | 2001-12-19 | 2003-06-25 | 深圳市中兴通讯股份有限公司上海第二研究所 | 一种短消息监管的方法及设备 |
CN101478584A (zh) * | 2004-01-30 | 2009-07-08 | 邓小玲 | 编码通信方法及其所用终端 |
US20090124272A1 (en) * | 2006-04-05 | 2009-05-14 | Marc White | Filtering transcriptions of utterances |
CN101175233A (zh) * | 2006-11-03 | 2008-05-07 | 鸿富锦精密工业(深圳)有限公司 | 自动开启短信息的方法 |
CN102096703A (zh) * | 2010-12-29 | 2011-06-15 | 北京新媒传信科技有限公司 | 短消息的过滤方法和设备 |
CN105228143A (zh) * | 2014-06-13 | 2016-01-06 | 中国移动通信集团公司 | 一种垃圾短信鉴别方法、装置和终端 |
CN104244254A (zh) * | 2014-10-16 | 2014-12-24 | 北京奇虎科技有限公司 | 基于短信中心号码检测伪基站的方法和装置 |
CN104794635A (zh) * | 2015-04-17 | 2015-07-22 | 南京大学 | 基于协同过滤推荐算法的机型推荐系统 |
CN113642328A (zh) * | 2020-04-27 | 2021-11-12 | 国家计算机网络与信息安全管理中心 | 一种诈骗文本命名实体识别方法及系统 |
CN112597282A (zh) * | 2021-01-24 | 2021-04-02 | 深圳市诚立业科技发展有限公司 | 一种应用于短信数据安全的管理方法 |
CN113486178A (zh) * | 2021-07-12 | 2021-10-08 | 恒安嘉新(北京)科技股份公司 | 文本识别模型训练方法、文本识别方法、装置以及介质 |
CN114201582A (zh) * | 2021-12-06 | 2022-03-18 | 厦门安胜网络科技有限公司 | 一种基于BiLSTM-CRF模型的文本数据智能提取方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116074388A (zh) * | 2023-03-28 | 2023-05-05 | 武汉卓鹰世纪科技有限公司 | 一种基于日志队列的流量转发方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114466362B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541745B (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN113704781B (zh) | 文件安全传输方法、装置、电子设备及计算机存储介质 | |
CN111931189B (zh) | Api接口转用风险检测方法、装置和api服务系统 | |
CN111652280A (zh) | 基于行为的目标物数据分析方法、装置及存储介质 | |
CN114466362B (zh) | 基于BiLSTM的5G通信下垃圾短信过滤方法及装置 | |
CN113961764A (zh) | 诈骗电话的识别方法、装置、设备及存储介质 | |
CN111696663A (zh) | 疾病风险的分析方法、装置、电子设备及计算机存储介质 | |
CN115222410A (zh) | 基于区块链的交易上链方法、装置、电子设备及存储介质 | |
CN114827354A (zh) | 身份验证信息显示方法、装置、电子设备及可读存储介质 | |
CN112104662B (zh) | 远端数据读写方法、装置、设备及计算机可读存储介质 | |
CN112085611A (zh) | 数据异步核验方法、装置、电子设备及存储介质 | |
CN112235409A (zh) | 文件上传方法、装置、电子设备及计算机可读存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN114625340B (zh) | 基于需求分析的商用软件研发方法、装置、设备及介质 | |
CN113611332B (zh) | 一种基于神经网络的智能控制开关电源方法及装置 | |
CN115001768A (zh) | 基于区块链的数据交互方法、装置、设备及存储介质 | |
CN114942855A (zh) | 接口调用方法、装置、电子设备及存储介质 | |
CN113825138B (zh) | 欺诈短信监控方法、装置、电子设备及存储介质 | |
CN114157634A (zh) | 唯一账号识别方法、装置、设备及存储介质 | |
CN114548825B (zh) | 投诉工单失真检测方法、装置、设备及存储介质 | |
CN114723400B (zh) | 业务授权管理方法、装置、设备及存储介质 | |
CN116610465A (zh) | 基于事件通知的消息发送方法、装置、电子设备及介质 | |
CN113886493B (zh) | 系统日志安全查询方法、装置、设备及存储介质 | |
CN114978991B (zh) | 路由分发方法、装置、电子设备及计算机可读存储介质 | |
CN116662027A (zh) | 远程办公系统资源检测方法、装置、设备及存储介质 |
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 |