CN114663815B - 一种基于人工智能的信息安防方法、系统及云平台 - Google Patents
一种基于人工智能的信息安防方法、系统及云平台 Download PDFInfo
- Publication number
- CN114663815B CN114663815B CN202210314720.XA CN202210314720A CN114663815B CN 114663815 B CN114663815 B CN 114663815B CN 202210314720 A CN202210314720 A CN 202210314720A CN 114663815 B CN114663815 B CN 114663815B
- Authority
- CN
- China
- Prior art keywords
- item
- hot
- feature
- description
- video conference
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/15—Conference systems
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请公开的一种基于人工智能的信息安防方法、系统及云平台,通过全局互动行为模型对全局互动行为描述进行关键互动行为描述提取和聚类处理,能够提高热门事项描述特征的准确度并尽可能减少噪声特征的干扰,对热门事项状态特征集进行聚类,能够提高视频会议互动行为信息的热门事项识别准确性,通过热门事项区分标识,对多个热门事项特征集进行热门事项匹配聚类,能够校正全局互动行为模型的聚类误差,改善了热门事项聚类不完整的问题,进而提高了视频会议互动行为信息的热门事项的匹配准确性,由于热门事项可用于进行视频会议信息安防分析,因而可以基于准确完整的目标热门事项匹配结果进行视频会议信息安防分析,确保信息安防分析结果的可信度。
Description
技术领域
本申请涉及信息安防技术领域,特别涉及一种基于人工智能的信息安防方法、系统及云平台。
背景技术
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。互联网和通信技术的快速发展为人们的生产生活带来了较为明显的变革,日常的会议沟通交流也在不断线上化和网络化。作为数字化时代的会议模式,视频会议能够打破地域限制,提高会议交流效率,减少会议部署成本,并具有抵抗突发风险(比如重大公共卫生事件)的能力。鉴于此,现目前的视频会议应用越来越广泛,但同时也带来了一些信息安全隐患。为此,通常需要对基于人工智能的视频会议进行信息安防处理和分析以确保信息安全。然而,发明人发现,基于人工智能的视频会议信息安防技术在实施时仍然存在一些问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了一种基于人工智能的信息安防方法、系统及云平台。
第一方面,提供了一种基于人工智能的信息安防方法,应用于信息安防系统,所述信息安防方法包括:
获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,所述多个视频会议互动行为描述用于指示多个视频会议互动状态的视频会议互动行为描述;
通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识;
对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合;
根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集,一个热门事项特征集对应一个聚类标签;
根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果;其中,所述目标热门事项匹配结果用于进行视频会议信息安防分析。
进一步地,所述根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集,包括:
确定所述目标关联度集合中每个目标关联度与预设阈值之间的比较结果,按照降序的方式对所述比较结果进行排序,得到关联度队列;
按照预设的聚类权重对所述关联度队列进行聚类,得到多个聚类关联度集合;
将所述热门事项状态特征集中每个聚类关联度集合对应的热门事项状态特征确定为热门事项特征集,得到多个热门事项特征集。
进一步地,所述根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果,包括:
对每个热门事项特征集中的热门事项区分标识进行聚类统计处理,得到多个已统计的热门事项标签;
统计每个已统计的热门事项标签的数量,按照数量降序的方式对所述多个已统计的热门事项标签进行排序,得到已排序的热门事项标签;
将所述已排序的热门事项标签中排序为第一的已排序的热门事项标签,确定为每个热门事项特征集的热门事项匹配结果,得到目标热门事项匹配结果。
进一步地,所述通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识,包括:
通过预先设定的全局互动行为模型中的关键互动行为处理层,对所述全局互动行为描述的描述内容进行干扰内容删除处理,得到热门事项描述特征,所述全局互动行为模型包括关键互动行为处理层和事项状态特征聚类层;
通过所述事项状态特征聚类层,对所述热门事项描述特征依次进行聚类特征提取和聚类线程确定,得到与所述热门事项描述特征对应的热门事项区分标识,所述聚类特征提取中的聚类特征包括多个层面分别对应的区分标识数量。
进一步地,所述获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,包括:
获取待处理的视频会议互动行为信息,并通过预先设定的膨胀卷积模型、前馈神经模型和递归神经模型,对所述待处理的视频会议互动行为信息进行描述分析,得到时间状态描述、行为状态描述和视频会议互动行为对应的热门事项描述;
分别将所述时间状态描述、所述行为状态描述和所述视频会议互动行为对应的热门事项描述进行分布特征调整,得到时间状态描述分布、行为状态描述分布和视频会议互动行为对应的热门事项描述分布;
对所述时间状态描述分布、所述行为状态描述分布和所述视频会议互动行为对应的热门事项描述分布进行全局融合处理,得到全局互动行为描述。
进一步地,所述对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合,包括:
按照设定周期,对所述热门事项描述特征进行拆分处理,得到热门事项状态特征集,所述热门事项状态特征集的数量大于等于一;
从预先部署的数据库中获取与所述全局互动行为描述对应的历史热门事项特征集,并根据预先设定的特征关注机制,将所述热门事项状态特征集和所述历史热门事项特征集进行特征优化处理,得到热门事项关注特征集;
确定所述热门事项关注特征集中每两个热门事项关注特征之间的关联度,得到目标关联度集合。
进一步地,所述根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果之后,还包括:
获取所述目标热门事项匹配结果的报错信息;
根据所述报错信息,对所述多个视频会议互动行为描述和所述全局互动行为模型进行调整。
进一步地,所述根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果之后,还包括:
在未获取到所述目标热门事项匹配结果的报错信息的情况下,利用所述目标热门事项匹配结果对所述待处理的视频会议互动行为信息对应的视频会议进程进行视频会议信息安防分析。
进一步地,利用所述目标热门事项匹配结果对所述待处理的视频会议互动行为信息对应的视频会议进程进行视频会议信息安防分析,包括:
获取所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征;基于所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征之间的特征相关度,对所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征进行关联校验,得到特征关联校验结果;
将关联校验存在异常的参会对象身份特征确定为待处理参会对象身份特征,根据所述特征关联校验结果中的参会对象身份特征与所述待处理参会对象身份特征之间的特征余弦距离,确定与所述待处理参会对象身份特征相对应的信息安防关注点;
对与所述待处理参会对象身份特征相对应的信息安防关注点和所述待处理参会对象身份特征进行关联校验,得到关注点校验结果;
根据所述关注点校验结果和所述特征关联校验结果,确定所述目标热门事项匹配结果中的信息安防特征集和所述信息安防特征集对应的信息安防关注点;
通过所述信息安防特征集对应的信息安防关注点确定所述信息安防特征集是否通过信息安防检测;
其中,所述获取所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征,包括:
获取所述目标热门事项匹配结果中的至少两个文件操作事项内容和至少两个参会对象身份内容;
获取所述至少两个文件操作事项内容之间的事项内容相似度和事项内容热度,获取所述至少两个参会对象身份内容之间的身份内容相似度和身份内容热度;
根据所述事项内容相似度和所述事项内容热度,对所述至少两个文件操作事项内容进行拼接,得到所述目标热门事项匹配结果中的文件操作事项特征;其中,一个文件操作事项特征包括至少一个文件操作事项内容;
根据所述身份内容相似度和所述身份内容热度,对所述至少两个参会对象身份内容进行拼接,得到所述目标热门事项匹配结果中的参会对象身份特征;其中,一个参会对象身份特征包括至少一个参会对象身份内容。
第二方面,本申请提供了一种信息安防系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
第三方面,本申请提供了一种云平台,所述云平台包括存储有程序的可读存储介质,以执行所述的方法。
本申请的实施例提供的技术方案可以包括以下有益效果。
首先获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,多个视频会议互动行为描述用于指示多个视频会议互动状态的视频会议互动行为描述。其次通过预先设定的全局互动行为模型,对全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与热门事项描述特征对应的热门事项区分标识。对热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合。然后根据预设阈值和目标关联度集合,对热门事项状态特征集进行聚类,得到多个热门事项特征集,一个热门事项特征集对应一个聚类标签。最后根据热门事项区分标识,对多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果。
如此一来,通过全局互动行为模型对全局互动行为描述进行关键互动行为描述提取和聚类处理,能够提高热门事项描述特征的准确度并尽可能减少噪声特征的干扰,同时为后续确定热门事项状态特征之间的关联度提供参考依据,通过确定热门事项状态特征集中热门事项状态特征之间的关联度,以及根据预设阈值和目标关联度集合,对热门事项状态特征集进行聚类,结合了热门事项的前后视频会议互动行为信息来进行辅助聚类判断,这样能够提高视频会议互动行为信息的热门事项识别准确性以及完整性,通过热门事项区分标识,对多个热门事项特征集进行热门事项匹配聚类,能够校正全局互动行为模型的聚类误差,改善了热门事项聚类不完整的问题,进而提高了视频会议互动行为信息的热门事项的匹配准确性,由于热门事项可用于进行视频会议信息安防分析,因而可以基于准确完整的目标热门事项匹配结果进行视频会议信息安防分析,确保信息安防分析结果的可信度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种信息安防系统的硬件结构示意图。
图2是本申请实施例提供的一种基于人工智能的信息安防方法的流程图。
图3是本申请实施例提供的一种基于人工智能的信息安防系统的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在信息安防系统、计算机设备或者类似的运算装置中执行。以运行在信息安防系统上为例,图1是本申请实施例的实施基于人工智能的信息安防方法的信息安防系统的硬件结构框图。如图1所示,信息安防系统10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述信息安防系统10还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述信息安防系统10的结构造成限定。例如,信息安防系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本申请实施例中的基于人工智能的信息安防方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至信息安防系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括信息安防系统10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
请结合参阅图2,本实施例示出了一种基于人工智能的信息安防方法的流程示意图,该方案可以通过以下步骤21-步骤25所描述的技术方案实现。
步骤21、获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述。
本申请实施例中,所述多个视频会议互动行为描述用于指示多个视频会议互动状态的视频会议互动行为描述。进一步地,视频会议互动行为描述可以理解为视频会议互动行为特征。
此外,待处理的视频会议互动行为信息可以是信息安防系统通过视频互动终端获取的。全局整合处理可以理解为对多个视频会议互动行为描述进行拼接处理,相应的,全局互动行为描述可以理解为融合特征,用于从整体层面反应视频会议的实际情况。
在一些选择性的实施例中,上述步骤21所描述的获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,可以通过以下步骤211-步骤213所描述的技术方案实现。
步骤211、获取待处理的视频会议互动行为信息,并通过预先设定的膨胀卷积模型、前馈神经模型和递归神经模型,对所述待处理的视频会议互动行为信息进行描述分析,得到时间状态描述、行为状态描述和视频会议互动行为对应的热门事项描述。
可以理解,膨胀卷积模型、前馈神经模型和递归神经模型可以预先训练得到,时间状态描述、行为状态描述和视频会议互动行为对应的热门事项描述分别可以理解为时间状态特征、行为状态特征和视频会议互动行为对应的热门事项特征。
步骤212、分别将所述时间状态描述、所述行为状态描述和所述视频会议互动行为对应的热门事项描述进行分布特征调整,得到时间状态描述分布、行为状态描述分布和视频会议互动行为对应的热门事项描述分布。
步骤213、对所述时间状态描述分布、所述行为状态描述分布和所述视频会议互动行为对应的热门事项描述分布进行全局融合处理,得到全局互动行为描述。
上述的描述分布可以理解为特征矩阵,可以理解,通过实施上述步骤211-步骤213,能够结合不同的神经网络模型对待处理的视频会议互动行为信息进行描述分析,从而得到多个类型的描述,进而采用矩阵分布进行特征统计和分析,这样可以尽可能完整地确定出全局互动行为描述,避免全局互动行为描述出现遗漏。
步骤22、通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识。
在本实施例中,全局互动行为模型可以理解为融合网络(人工只能网络模型)。热门事项描述特征可以是全局互动行为描述通过全局互动行为模型进行提取所得到的关注点相对较多的事项描述特征。热门事项区分标识可以用于区分不同的热门事项描述特征。
在相关实施例中,上述步骤22所描述的通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识,可以包括以下步骤221和步骤222所描述的技术方案。
步骤221、通过预先设定的全局互动行为模型中的关键互动行为处理层,对所述全局互动行为描述的描述内容进行干扰内容删除处理,得到热门事项描述特征。
可以理解的是,所述全局互动行为模型包括关键互动行为处理层和事项状态特征聚类层。
步骤222、通过所述事项状态特征聚类层,对所述热门事项描述特征依次进行聚类特征提取和聚类线程确定,得到与所述热门事项描述特征对应的热门事项区分标识。
其中,所述聚类特征提取中的聚类特征包括多个层面分别对应的区分标识数量。
例如,聚类线程可以理解为聚类算法或者聚类函数。基于此,通过应用上述步骤221和步骤222,能够进行干扰内容删除处理,并通过不同的功能网络层准确确定热门事项描述特征以及热门事项描述特征的热门事项区分标识。
步骤23、对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合。
在具体实施时,设定周期可以理解为预设时段。关联度可以理解为相似度。进一步地,在一些示例中,上述步骤23所描述的对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合,可以包括以下步骤231-步骤233所描述的技术方案。
步骤231、按照设定周期,对所述热门事项描述特征进行拆分处理,得到热门事项状态特征集,所述热门事项状态特征集的数量大于等于一。
步骤232、从预先部署的数据库中获取与所述全局互动行为描述对应的历史热门事项特征集,并根据预先设定的特征关注机制,将所述热门事项状态特征集和所述历史热门事项特征集进行特征优化处理,得到热门事项关注特征集。
例如,特征关注机制可以是注意力机制。
步骤233、确定所述热门事项关注特征集中每两个热门事项关注特征之间的关联度,得到目标关联度集合。
可以理解,通过应用上述步骤231-步骤233,能够结合特征关注机制进行特征优化处理,从而尽可能确定出特征质量较高的热门事项关注特征,这样可以确保得到的目标关联度集合能够尽可能与实际的会议事项相匹配。
步骤24、根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集。
在本申请实施中,一个热门事项特征集对应一个聚类标签,聚类标签用于区分不同的热门事项特征集。
在一些可能的实施例中,上述步骤24所描述的根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集,可以包括以下步骤241和步骤243所描述的技术方案。
步骤241、确定所述目标关联度集合中每个目标关联度与预设阈值之间的比较结果,按照降序的方式对所述比较结果进行排序,得到关联度队列;
步骤242、按照预设的聚类权重对所述关联度队列进行聚类,得到多个聚类关联度集合。
步骤243、将所述热门事项状态特征集中每个聚类关联度集合对应的热门事项状态特征确定为热门事项特征集,得到多个热门事项特征集。
在实际应用时,聚类算法可以选用K均值聚类算法,如此,可以确保聚类过程中尽可能将所有特征考虑在内,以确保聚类的可信度,提高多个热门事项特征集之间的区分度。
步骤25、根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果。
在本申请实施例中,所述目标热门事项匹配结果用于进行视频会议信息安防分析。进一步地,上述步骤25所描述的根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果,可以包括以下步骤251-步骤253所描述的技术方案。
步骤251、对每个热门事项特征集中的热门事项区分标识进行聚类统计处理,得到多个已统计的热门事项标签。
步骤251、统计每个已统计的热门事项标签的数量,按照数量降序的方式对所述多个已统计的热门事项标签进行排序,得到已排序的热门事项标签。
步骤251、将所述已排序的热门事项标签中排序为第一的已排序的热门事项标签,确定为每个热门事项特征集的热门事项匹配结果,得到目标热门事项匹配结果。
可以理解的是,在将所述已排序的热门事项标签中排序为第一的已排序的热门事项标签,确定为每个热门事项特征集的热门事项匹配结果之后,可以根据每个热门事项特征集的热门事项匹配结果进行特征整合和记录,以得到目标热门事项匹配结果。
如此设计,可以将热门事项标签的数量考虑在内,从而确保匹配聚类的准确定,尽量保证目标热门事项匹配结果能够涵盖较多的有价值的事项特征,以提高后续信息安防分析的可信度。
在一些可选的实施例中,在上述步骤25所描述的根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果之后,该方法还可以包括:获取所述目标热门事项匹配结果的报错信息;根据所述报错信息,对所述多个视频会议互动行为描述和所述全局互动行为模型进行调整。比如,可以优化所述多个视频会议互动行为描述和所述全局互动行为模型,从而尽可能确保目标热门事项匹配结果不会存在报错信息。
在一些可选的实施例中,在上述步骤25所描述的根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果之后,还可以包括以下步骤26所描述的技术方案。
步骤26、在未获取到所述目标热门事项匹配结果的报错信息的情况下,利用所述目标热门事项匹配结果对所述待处理的视频会议互动行为信息对应的视频会议进程进行视频会议信息安防分析。
在一些可能的实施例中,上述步骤26所描述的利用所述目标热门事项匹配结果对所述待处理的视频会议互动行为信息对应的视频会议进程进行视频会议信息安防分析,可以包括以下步骤261-步骤265所描述的技术方案。
步骤261、获取所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征;基于所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征之间的特征相关度,对所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征进行关联校验,得到特征关联校验结果。
步骤262、将关联校验存在异常的参会对象身份特征确定为待处理参会对象身份特征,根据所述特征关联校验结果中的参会对象身份特征与所述待处理参会对象身份特征之间的特征余弦距离,确定与所述待处理参会对象身份特征相对应的信息安防关注点。
步骤263、对与所述待处理参会对象身份特征相对应的信息安防关注点和所述待处理参会对象身份特征进行关联校验,得到关注点校验结果。
步骤264、根据所述关注点校验结果和所述特征关联校验结果,确定所述目标热门事项匹配结果中的信息安防特征集和所述信息安防特征集对应的信息安防关注点。
步骤265、通过所述信息安防特征集对应的信息安防关注点确定所述信息安防特征集是否通过信息安防检测。
例如,信息安防关注点可以是一些会议行为或者会议操作。基于上述步骤261-步骤265所描述的技术方案,能够将目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征考虑在内,并结合关注点校验结果和特征关联校验结果准确可靠地确定信息安防特征集和信息安防特征集对应的信息安防关注点,这样可以通过信息安防特征集对应的信息安防关注点确定信息安防特征集是否通过信息安防检测,以确保信息安防检测结果/信息安全分析结果的可信度。
在一些可能的实施例中,上述步骤261所描述的获取所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征,可以以下步骤2611-步骤2614所描述的技术方案。
步骤2611、获取所述目标热门事项匹配结果中的至少两个文件操作事项内容和至少两个参会对象身份内容。
步骤2612、获取所述至少两个文件操作事项内容之间的事项内容相似度和事项内容热度,获取所述至少两个参会对象身份内容之间的身份内容相似度和身份内容热度。
步骤2613、根据所述事项内容相似度和所述事项内容热度,对所述至少两个文件操作事项内容进行拼接,得到所述目标热门事项匹配结果中的文件操作事项特征;其中,一个文件操作事项特征包括至少一个文件操作事项内容。
步骤2614、根据所述身份内容相似度和所述身份内容热度,对所述至少两个参会对象身份内容进行拼接,得到所述目标热门事项匹配结果中的参会对象身份特征;其中,一个参会对象身份特征包括至少一个参会对象身份内容。
如此,通过对文件操作事项内容和两个参会对象身份内容进行拼接处理,能够尽可能确保文件操作事项特征和参会对象身份特征不出现遗漏。
在优选的方案中,步骤261所描述的基于所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征之间的特征相关度,对所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征进行关联校验,得到特征关联校验结果,可以包括:将所述目标热门事项匹配结果中的参会对象身份特征确定为对象身份参考特征,将所述目标热门事项匹配结果中的文件操作事项特征确定为操作事项参考特征;所述对象身份参考特征中的参会对象身份内容是从针对所述目标热门事项匹配结果的目标检测内容中所确定的;获取所述目标检测内容中的文件操作事项内容;将所述目标检测内容中的文件操作事项内容与所述操作事项参考特征中的文件操作事项内容之间的内容相似度,确定为所述对象身份参考特征与所述操作事项参考特征之间的所述特征相关度;当所述特征相关度大于或等于设定相关度阈值时,对所述对象身份参考特征和所述操作事项参考特征进行关联校验,得到所述特征关联校验结果。如此设计,能够考虑特征相关度的大小情况,从而准确得到特征关联校验结果。
在优选的方案中,所述待处理参会对象身份特征包括所述目标热门事项匹配结果中的第一参会对象身份内容;所述特征关联校验结果的数量为至少两个;每个特征关联校验结果中的参会对象身份特征分别包括所述目标热门事项匹配结果中的第二参会对象身份内容。基于此,上述步骤262所描述的根据所述特征关联校验结果中的参会对象身份特征与所述待处理参会对象身份特征之间的特征余弦距离,确定与所述待处理参会对象身份特征相对应的信息安防关注点,可以包括:根据所述第一参会对象身份内容,获取所述待处理参会对象身份特征的第一特征图数据;根据所述每个特征关联校验结果包括的第二参会对象身份内容,分别获取所述每个特征关联校验结果中的参会对象身份特征的第二特征图数据;获取所述第一特征图数据分别与所述每个特征关联校验结果对应的第二特征图数据之间的图数据差异度;根据所述每个特征关联校验结果所属的图数据差异度,确定所述每个特征关联校验结果中的参会对象身份特征分别与所述待处理参会对象身份特征之间的特征余弦距离;当目标特征关联校验结果的数量大于第一设定数量值且小于或等于第二设定数量值时,将所述目标特征关联校验结果中的文件操作事项特征所包含的信息安防关注点,确定为与所述待处理参会对象身份特征相对应的信息安防关注点;所述目标特征关联校验结果,指所属的特征余弦距离大于或等于特征余弦距离阈值的特征关联校验结果。可以理解,通过引入图数据进行分析,能够精准定位与所述待处理参会对象身份特征相对应的信息安防关注点。
在优选的方案中,所述根据所述第一参会对象身份内容,获取所述待处理参会对象身份特征的第一特征图数据,可以包括:获取至少两个第一参会对象身份内容中的每个第一参会对象身份内容分别对应的内容图数据;根据所述每个第一参会对象身份内容分别对应的内容图数据,获取所述至少两个第一参会对象身份内容对应的第一全局图数据;将所述第一全局图数据,确定为所述第一特征图数据。
综上,在应用上述方案时,通过全局互动行为模型对全局互动行为描述进行关键互动行为描述提取和聚类处理,能够提高热门事项描述特征的准确度并尽可能减少噪声特征的干扰,同时为后续确定热门事项状态特征之间的关联度提供参考依据,通过确定热门事项状态特征集中热门事项状态特征之间的关联度,以及根据预设阈值和目标关联度集合,对热门事项状态特征集进行聚类,结合了热门事项的前后视频会议互动行为信息来进行辅助聚类判断,这样能够提高视频会议互动行为信息的热门事项识别准确性以及完整性,通过热门事项区分标识,对多个热门事项特征集进行热门事项匹配聚类,能够校正全局互动行为模型的聚类误差,改善了热门事项聚类不完整的问题,进而提高了视频会议互动行为信息的热门事项的匹配准确性,由于热门事项可用于进行视频会议信息安防分析,因而可以基于准确完整的目标热门事项匹配结果进行视频会议信息安防分析,确保信息安防分析结果的可信度。
在上述基础上,请结合图3,本申请还提供了一种基于人工智能的信息安防装置300框图,所述装置可以包括以下功能模块。
全局整合模块310,用于获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,所述多个视频会议互动行为描述用于指示多个视频会议互动状态的视频会议互动行为描述。
提取聚类模块320,用于通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识。
特征处理模块330,用于对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合。
特征聚类模块340,用于根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集,一个热门事项特征集对应一个聚类标签。
匹配聚类模块350,用于根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果;其中,所述目标热门事项匹配结果用于进行视频会议信息安防分析。
进一步地,本申请还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
进一步地,本申请提供了一种云平台,其特征在于,所述云平台包括存储有程序的可读存储介质,以执行所述的方法。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,B10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (4)
1.一种基于人工智能的信息安防方法,其特征在于,应用于信息安防系统,所述信息安防方法包括:
获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,所述多个视频会议互动行为描述用于指示多个视频会议互动状态的视频会议互动行为描述;
通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识;
对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合;
根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集,一个热门事项特征集对应一个聚类标签;
根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果;其中,所述目标热门事项匹配结果用于进行视频会议信息安防分析;所述根据预设阈值和所述目标关联度集合,对所述热门事项状态特征集进行聚类,得到多个热门事项特征集,包括:
确定所述目标关联度集合中每个目标关联度与预设阈值之间的比较结果,按照降序的方式对所述比较结果进行排序,得到关联度队列;
按照预设的聚类权重对所述关联度队列进行聚类,得到多个聚类关联度集合;
将所述热门事项状态特征集中每个聚类关联度集合对应的热门事项状态特征确定为热门事项特征集,得到多个热门事项特征集;所述根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果,包括:
对每个热门事项特征集中的热门事项区分标识进行聚类统计处理,得到多个已统计的热门事项标签;
统计每个已统计的热门事项标签的数量,按照数量降序的方式对所述多个已统计的热门事项标签进行排序,得到已排序的热门事项标签;
将所述已排序的热门事项标签中排序为第一的已排序的热门事项标签,确定为每个热门事项特征集的热门事项匹配结果,得到目标热门事项匹配结果;
所述获取基于待处理的视频会议互动行为信息的多个视频会议互动行为描述,并对所述多个视频会议互动行为描述进行全局整合处理,得到全局互动行为描述,包括:
获取待处理的视频会议互动行为信息,并通过预先设定的膨胀卷积模型、前馈神经模型和递归神经模型,对所述待处理的视频会议互动行为信息进行描述分析,得到时间状态描述、行为状态描述和视频会议互动行为对应的热门事项描述;
分别将所述时间状态描述、所述行为状态描述和所述视频会议互动行为对应的热门事项描述进行分布特征调整,得到时间状态描述分布、行为状态描述分布和视频会议互动行为对应的热门事项描述分布;
对所述时间状态描述分布、所述行为状态描述分布和所述视频会议互动行为对应的热门事项描述分布进行全局融合处理,得到全局互动行为描述;
所述对所述热门事项描述特征进行设定周期的描述特征提取,得到热门事项状态特征集,并确定所述热门事项状态特征集中热门事项状态特征之间的关联度,得到目标关联度集合,包括:
按照设定周期,对所述热门事项描述特征进行拆分处理,得到热门事项状态特征集,所述热门事项状态特征集的数量大于等于一;
从预先部署的数据库中获取与所述全局互动行为描述对应的历史热门事项特征集,并根据预先设定的特征关注机制,将所述热门事项状态特征集和所述历史热门事项特征集进行特征优化处理,得到热门事项关注特征集;
确定所述热门事项关注特征集中每两个热门事项关注特征之间的关联度,得到目标关联度集合;
所述根据所述热门事项区分标识,对所述多个热门事项特征集进行热门事项匹配聚类,得到目标热门事项匹配结果之后,还包括:
在未获取到所述目标热门事项匹配结果的报错信息的情况下,利用所述目标热门事项匹配结果对所述待处理的视频会议互动行为信息对应的视频会议进程进行视频会议信息安防分析;
利用所述目标热门事项匹配结果对所述待处理的视频会议互动行为信息对应的视频会议进程进行视频会议信息安防分析,包括:
获取所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征;基于所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征之间的特征相关度,对所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征进行关联校验,得到特征关联校验结果;
将关联校验存在异常的参会对象身份特征确定为待处理参会对象身份特征,根据所述特征关联校验结果中的参会对象身份特征与所述待处理参会对象身份特征之间的特征余弦距离,确定与所述待处理参会对象身份特征相对应的信息安防关注点;
对与所述待处理参会对象身份特征相对应的信息安防关注点和所述待处理参会对象身份特征进行关联校验,得到关注点校验结果;
根据所述关注点校验结果和所述特征关联校验结果,确定所述目标热门事项匹配结果中的信息安防特征集和所述信息安防特征集对应的信息安防关注点;
通过所述信息安防特征集对应的信息安防关注点确定所述信息安防特征集是否通过信息安防检测;
其中,所述获取所述目标热门事项匹配结果中的文件操作事项特征和参会对象身份特征,包括:
获取所述目标热门事项匹配结果中的至少两个文件操作事项内容和至少两个参会对象身份内容;
获取所述至少两个文件操作事项内容之间的事项内容相似度和事项内容热度,获取所述至少两个参会对象身份内容之间的身份内容相似度和身份内容热度;
根据所述事项内容相似度和所述事项内容热度,对所述至少两个文件操作事项内容进行拼接,得到所述目标热门事项匹配结果中的文件操作事项特征;其中,一个文件操作事项特征包括至少一个文件操作事项内容;
根据所述身份内容相似度和所述身份内容热度,对所述至少两个参会对象身份内容进行拼接,得到所述目标热门事项匹配结果中的参会对象身份特征;其中,一个参会对象身份特征包括至少一个参会对象身份内容。
2.根据权利要求1所述的方法,其特征在于,所述通过预先设定的全局互动行为模型,对所述全局互动行为描述进行关键互动行为描述提取和聚类处理,得到热门事项描述特征,以及与所述热门事项描述特征对应的热门事项区分标识,包括:
通过预先设定的全局互动行为模型中的关键互动行为处理层,对所述全局互动行为描述的描述内容进行干扰内容删除处理,得到热门事项描述特征,所述全局互动行为模型包括关键互动行为处理层和事项状态特征聚类层;
通过所述事项状态特征聚类层,对所述热门事项描述特征依次进行聚类特征提取和聚类线程确定,得到与所述热门事项描述特征对应的热门事项区分标识,所述聚类特征提取中的聚类特征包括多个层面分别对应的区分标识数量。
3.一种信息安防系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-2任一项所述的方法。
4.一种云平台,其特征在于,所述云平台包括存储有程序的可读存储介质,以执行权利要求1中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314720.XA CN114663815B (zh) | 2022-03-28 | 2022-03-28 | 一种基于人工智能的信息安防方法、系统及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314720.XA CN114663815B (zh) | 2022-03-28 | 2022-03-28 | 一种基于人工智能的信息安防方法、系统及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114663815A CN114663815A (zh) | 2022-06-24 |
CN114663815B true CN114663815B (zh) | 2022-11-08 |
Family
ID=82033583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210314720.XA Active CN114663815B (zh) | 2022-03-28 | 2022-03-28 | 一种基于人工智能的信息安防方法、系统及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663815B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740054A (zh) * | 2018-12-27 | 2019-05-10 | 丹翰智能科技(上海)有限公司 | 一种用于确定目标用户的关联财经信息的方法与设备 |
CN112417460A (zh) * | 2020-11-24 | 2021-02-26 | 陈敏 | 基于大数据和区块链的支付数据处理方法及云服务器 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180331842A1 (en) * | 2017-05-15 | 2018-11-15 | Microsoft Technology Licensing, Llc | Generating a transcript to capture activity of a conference session |
CN112100374A (zh) * | 2020-08-28 | 2020-12-18 | 清华大学 | 文本聚类方法、装置、电子设备及存储介质 |
CN112883046A (zh) * | 2020-10-01 | 2021-06-01 | 曹春华 | 基于电子商务协同的协同业务配置方法、系统及协同平台 |
CN112685787B (zh) * | 2021-02-23 | 2022-07-12 | 武汉钐秾科技有限公司 | 应用于人工智能的大数据信息安全防护方法及云服务器 |
CN113313464A (zh) * | 2021-05-31 | 2021-08-27 | 创联无忧(广州)信息科技有限公司 | 结合人工智能的云办公大数据处理方法及云办公服务器 |
CN114139213B (zh) * | 2022-02-07 | 2022-05-17 | 广州海洁尔医疗设备有限公司 | 一种icu病房监控数据处理方法及系统 |
-
2022
- 2022-03-28 CN CN202210314720.XA patent/CN114663815B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740054A (zh) * | 2018-12-27 | 2019-05-10 | 丹翰智能科技(上海)有限公司 | 一种用于确定目标用户的关联财经信息的方法与设备 |
CN112417460A (zh) * | 2020-11-24 | 2021-02-26 | 陈敏 | 基于大数据和区块链的支付数据处理方法及云服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN114663815A (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199375B (zh) | 跨模态的数据处理方法、装置、存储介质以及电子装置 | |
Theisen et al. | Automatic discovery of political meme genres with diverse appearances | |
CN112258254B (zh) | 基于大数据架构的互联网广告风险监测方法及系统 | |
CN113298197B (zh) | 数据聚类方法、装置、设备及可读存储介质 | |
CN116049412B (zh) | 文本分类方法、模型训练方法、装置及电子设备 | |
CN111177469A (zh) | 人脸检索方法及人脸检索装置 | |
CN111177367A (zh) | 案件分类方法、分类模型训练方法及相关产品 | |
CN110059212A (zh) | 图像检索方法、装置、设备及计算机可读存储介质 | |
CN112966072A (zh) | 案件的预判方法、装置、电子装置和存储介质 | |
CN114547254A (zh) | 一种基于大数据话题分析的风险识别方法及服务器 | |
Wang et al. | Recognizing and curating photo albums via event-specific image importance | |
CN113590854B (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
CN114140127A (zh) | 一种基于区块链的支付处理方法及系统 | |
CN113449676A (zh) | 一种基于双路互促进解纠缠学习的行人重识别方法 | |
CN114663815B (zh) | 一种基于人工智能的信息安防方法、系统及云平台 | |
CN113657473A (zh) | 一种基于迁移学习的Web服务分类方法 | |
CN113537206A (zh) | 推送数据检测方法、装置、计算机设备和存储介质 | |
Moctezuma et al. | Appearance model update based on online learning and soft‐biometrics traits for people re‐identification in multi‐camera environments | |
CN113505716B (zh) | 静脉识别模型的训练方法、静脉图像的识别方法及装置 | |
CN114898182A (zh) | 一种基于目标检测学习算法的图片数据筛选方法及系统 | |
CN111860222A (zh) | 基于稠密-分段式帧采样的视频行为识别方法、系统、计算机设备和存储介质 | |
CN115471902B (zh) | 基于智慧校园的人脸识别防护方法及系统 | |
CN113709092B (zh) | 数据检测方法、装置、计算机设备以及存储介质 | |
CN115757793B (zh) | 基于人工智能的话题分析预警方法、系统及云平台 | |
CN114280638B (zh) | 一种弱信号环境下北斗信号捕获方法、系统及云平台 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221018 Address after: 518000 Floor 3, Xiangxiang Industrial Park, Yingrenshi Community, Shiyan Street, Bao'an District, Shenzhen, Guangdong Applicant after: Shenzhen real XinDa science and Technology Development Co.,Ltd. Address before: 671000 No. 09, Yong'an Road, Yousuo Town, Eryuan County, Dali Bai Autonomous Prefecture, Yunnan Province Applicant before: Yang Xinpin |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |