CN116456347B - 一种终端信息处理方法 - Google Patents

一种终端信息处理方法 Download PDF

Info

Publication number
CN116456347B
CN116456347B CN202310717661.5A CN202310717661A CN116456347B CN 116456347 B CN116456347 B CN 116456347B CN 202310717661 A CN202310717661 A CN 202310717661A CN 116456347 B CN116456347 B CN 116456347B
Authority
CN
China
Prior art keywords
content
short message
content block
information
transmission path
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
Application number
CN202310717661.5A
Other languages
English (en)
Other versions
CN116456347A (zh
Inventor
吴锋
吴宪
朱庆红
汪骥
秦慈江
余超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Chonry Information Technology Co ltd
Original Assignee
Anhui Chonry Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Chonry Information Technology Co ltd filed Critical Anhui Chonry Information Technology Co ltd
Priority to CN202310717661.5A priority Critical patent/CN116456347B/zh
Publication of CN116456347A publication Critical patent/CN116456347A/zh
Application granted granted Critical
Publication of CN116456347B publication Critical patent/CN116456347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N3/08—Learning methods
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及短信信息处理技术领域，公开了一种终端信息处理方法，包括以下步骤：步骤101，收集短信的短信信息；步骤102，将短信内容按照内容类型进行划分，生成内容块；步骤103，基于短信信息为每个内容块生成发送路径信息；步骤104，基于内容块以及内容块的发送路径信息来生成内容块第一特征；步骤105，生成内容块第一矩阵，输入第一神经网络，输出内容块的合法性监控向量；步骤106，判断待监控的短信的内容块是否包含非法内容；本发明通过神经网络生成与短信内部信息以及发送路径信息综合的内容块合法性监控向量，能够避免通过对非法内容的简单变换以及终端转发来逃避短信内容合法性的监控。

Description

一种终端信息处理方法
技术领域
本发明涉及短信信息处理技术领域，更具体地说，它涉及一种终端信息处理方法。
背景技术
传统的短信内容合法性的监控方法包括：一、对大规模发送端进行监控，通过监控其发送行为或者是人工对其发送内容进行查询判断；由于短信发送的途径多样，通过终端转发的形式来进行包含非法内容的短信的传播能够逃避这一方式的监控；二、查询短信内容中是否包含已被标记为非法内容的短信内容；短链接、图像、数字等类型的非法内容没有相关联的上下文语义，在进行内容对比时一般是采用一致性判断，通过对非法内容的简单变换即可逃避这一方式的监控。
发明内容
本发明提供一种终端信息处理方法，解决相关技术中通过对非法内容的简单变换逃避短信内容合法性监控的技术问题。
本发明提供了一种终端信息处理方法，包括以下步骤：步骤101，收集短信的短信信息，短信信息包括短信内容、短信发送端、短信接收端；步骤102，将短信内容按照内容类型进行划分，生成内容块，相邻的内容块的内容类型不同；步骤103，基于短信信息为每个内容块生成发送路径信息；步骤104，基于内容块以及内容块的发送路径信息来生成内容块第一特征；步骤105，将同一短信信息的内容块第一特征合成生成内容块第一矩阵，输入第一神经网络，第一神经网络包括第一隐藏层，多个第一隐藏层串联之后连接第二隐藏层，第一隐藏层的计算包括：Os＝Ps*Ks，其中Os、Ks、Ps分别表示第s个第一隐藏层的输出特征、第三变换特征、连接矩阵，Ps的第a行第b列的元素表示为 qa是第s个第一隐藏层的第一变换特征Qs的第a个行向量，vb是第s个第一隐藏层的第二变换特征Vs的第b个行向量，α表示膨胀参数。
Qs＝Xs*WQ T，Vs＝Xs*Wv T，Ks＝Xs*Wk T，Xs表示第s个第一隐藏层的输入，s大于1时Xs＝Os-1，Os-1表示第s-1个第一隐藏层的输出特征，X1表示内容块第一矩阵，WQ、WV、WK分别表示第一、二、三权重参数。
第二隐藏层包括多个串联的LSTM(长短期记忆网络)单元，第i个LSTM单元输入Om的第i个行向量，输出第i个内容块的合法性监控向量，Om为串联的最后一个第一隐藏层的输出。
步骤106，将待监控的短信的内容块的合法性监控向量与包含非法内容的内容块的合法性监控向量进行对比判断待监控的短信的内容块是否包含非法内容。
进一步地，短信信息是从无线终端收集的。
进一步地，将待监控的短信的内容块的合法性监控向量与包含非法内容的内容块的合法性监控向量进行相似度计算，如果相似度大于设定的第一相似度阈值，则判断待监控的短信的内容块包含非法内容，否则判断待监控的短信的内容块不包含非法内容。
进一步地，生成内容块第一特征的方法包括：将内容块和内容块的发送路径信息矢量化之后拼接获得内容块第一特征。
进一步地，发送路径以无线终端为节点，一个内容块的发送路径上的相邻的两个无线终端中的一个无线终端向另一个无线终端发送了包含该内容块的短信；发送路径信息包括发送路径上的无线终端的ID信息。
进一步地，发送路径信息矢量化的方法包括：将发送路径信息输入卷积神经网络，通过卷积神经网络输出发送路径信息的矢量
发送路径信息输入卷积神经网络时需要先进行矩阵化，矩阵化后生成的路径信息矩阵的行向量对应发送路径信息上的一个无线终端的ID信息。
卷积神经网络采用膨胀卷积。
进一步地，该卷积神经网络训练时其输出连接第一分类器，第一分类器的两个分类标签分别是内容块非法和内容块合法，内容块非法的标签含义表示输入的发送路径信息对应的内容块包含非法内容。
进一步地，内容块第一矩阵中的一个行向量对应于一个内容块第一特征；内容块第一矩阵中的行向量的顺序与短信信息中的内容块的顺序相同。
进一步地，对连接矩阵的元素值进行归一化处理，具体的，其中和/>分别表示归一化处理之前的连接矩阵的第a行第b列和第c列的元素，n表示连接矩阵的列数，/>表示归一化处理之后的连接矩阵的第a行第b列的元素。
本发明提供了一种终端信息处理系统，用于实施上述的一种终端信息处理方法，该终端信息处理系统包括：内容块生成模块，其基于短信信息生成内容块。
发送路径信息生成模块，其基于短信信息为每个内容块生成发送路径信息。
矢量化模块，其用于对内容块以及内容块的发送路径信息进行矢量化，然后对内容块以及同一内容块的发送路径信息的矢量化的结果进行拼接获得内容块第一特征。
合法性监控向量生成模块，其用于生成短信的内容块的合法性监控向量。
合法性判断模块，其用于判断短信的内容是否包含非法内容。
本发明的有益效果在于：本发明通过内容块的划分以及内容块的路径信息的追索来生成短信内容的特征信息，并结合神经网络生成与短信内部信息以及发送路径信息综合的内容块合法性监控向量，通过与包含非法内容的内容块的合法性监控向量对比判断内容块是否包含非法内容，能够避免通过对非法内容的简单变换以及终端转发来逃避短信内容合法性的监控。能够减少非法短信内容的传播。
附图说明
图1是本发明的一种终端信息处理方法的流程图。
图2是本发明的一种终端信息处理系统的模块示意图。
图中：内容块生成模块1，发送路径信息生成模块2，矢量化模块3，合法性监控向量生成模块4，合法性判断模块5。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1所示，一种终端信息处理方法，包括以下步骤：步骤101，收集短信的短信信息，短信信息包括短信内容、短信发送端、短信接收端。
短信内容是指文字(包括链接)、图像、视频等短信所包含的内容。
在本发明的一个实施例中，短信信息是从无线终端(手机等)收集的，运营商、短信平台发送的短信信息均能够收集得到。
步骤102，将短信内容按照内容类型进行划分，生成内容块，相邻的内容块的内容类型不同。
相邻是指在短信内容的顺序上的相邻，例如一个短信内容依次包括文字、图片、链接、文字、链接五部分内容，包含四个类型，划分为五个内容块。
由于诈骗等非法内容可能包含在各种类型的短信内容中，为了更好的应对短信合法性监控的需求，结合短信内容长度有限的特点，对短信内容进行上述的划分处理，能够在不遗漏非法内容的情况下，选择合适的内容块的粒度。
步骤103，基于短信信息为每个内容块生成发送路径信息，发送路径以无线终端为节点，一个内容块的发送路径上的相邻的两个无线终端中的一个无线终端向另一个无线终端发送了包含该内容块的短信；发送路径信息包括发送路径上的无线终端的ID信息。
在本发明的一个实施例中，无线终端为手机，ID信息为手机号或国际移动设备识别码。
步骤104，基于内容块以及内容块的发送路径信息来生成内容块第一特征。
在本发明的一个实施例中，生成内容块第一特征的方法包括：将内容块和内容块的发送路径信息矢量化之后拼接获得内容块第一特征。
内容块矢量化的方法与常规的内容的矢量化的方法相同。
发送路径信息矢量化的一个方法是：将发送路径信息输入卷积神经网络，通过卷积神经网络输出发送路径信息的矢量。
该卷积神经网络训练时其输出连接第一分类器，第一分类器的两个分类标签分别是内容块非法和内容块合法，内容块非法的标签含义表示输入的发送路径信息对应的内容块包含非法内容。
根据步骤103中的内容，发送路径信息输入卷积神经网络时需要先进行矩阵化，矩阵化后生成的路径信息矩阵的行向量对应发送路径信息上的一个无线终端的ID信息。
ID信息有时可以直接作为矩阵向量，如果是非数字ID需要对ID信息进行矢量化处理。
在本发明的一个实施例中，由于矩阵化后生成的路径信息矩阵与一般的图像矩阵不同，因此卷积神经网络采用膨胀卷积，扩大感受野的同时减少下采样造成的特征损失。
步骤105，将同一短信信息的内容块第一特征合成生成内容块第一矩阵，输入第一神经网络，第一神经网络包括第一隐藏层，多个第一隐藏层串联之后连接第二隐藏层，第一隐藏层的计算包括：Os＝Ps*Ks，其中Os、Ks、Ps分别表示第s个第一隐藏层的输出特征、第三变换特征、连接矩阵，Ps的第a行第b列的元素表示为
qa是第s个第一隐藏层的第一变换特征Qs的第a个行向量，vb是第s个第一隐藏层的第二变换特征Vs的第b个行向量，α表示膨胀参数，缺省值为1/L，其中L为第一变换特征行向量的维数，tanh表示tanh函数。
Qs＝Xs*WQ T，Vs＝Xs*Wv T，Ks＝Xs*Wk T，Xs表示第s个第一隐藏层的输入，s大于1时Xs＝Os-1，Os-1表示第s-1个第一隐藏层的输出特征，X1表示内容块第一矩阵，WQ、WV、WK分别表示第一、二、三权重参数。
内容块第一矩阵中的一个行向量对应于一个内容块第一特征；内容块第一矩阵中的行向量的顺序与短信信息中的内容块的顺序相同。
在本发明的一个实施例中，对连接矩阵的元素值进行归一化处理，具体的，其中/>和/>分别表示归一化处理之前的连接矩阵的第a行第b列和第c列的元素，n表示连接矩阵的列数，/>表示归一化处理之后的连接矩阵的第a行第b列的元素。
第一隐藏层采用attention机制，通过生成连接矩阵提取内容块第一特征之间的全局注意力。
第二隐藏层包括多个串联的LSTM(长短期记忆网络)单元，第i个LSTM单元输入Om的第i个行向量，输出第i个内容块的合法性监控向量，Om为串联的最后一个第一隐藏层的输出。
如果Om的行向量的数量少于LSTM单元的数量，则对Om进行行向量插补。
作为一个插补的方式，插补的行向量的分量均为0。
在本发明的一个实施例中，对LSTM单元之间进行残差连接，表示为：Gl＝Gl-1+F(Gl)，F(Gi)表示第i个LSTM单元的内部计算输出的函数，Gl-1和Gi分别表示第i-1和第i个LSTM单元的输出。
Cl＝Cl-1+F(Cl)，F(Cl)表示第i个LSTM单元的内部计算细胞状态的函数，Cl-1和Ci分别表示第i-1和第i个LSTM单元的输出的细胞状态。
LSTM单元串联组成递归神经网络时的内部计算为常规技术手段，在此不对内部计算公式进行说明。
短信中可划分的内容块的数量是有限的，LSTM单元的数量可以根据处理的短信进行调整，默认值为100。
步骤106，将待监控的短信的内容块的合法性监控向量与包含非法内容的内容块的合法性监控向量进行相似度计算，如果相似度大于设定的第一相似度阈值，则判断待监控的短信的内容块包含非法内容。
在本发明的一个实施例中，包含非法内容的内容块的合法性监控向量的生成方式与待监控的短信的内容块的合法性监控向量的生成方法相同。
提取包含非法内容的短信的短信信息，通过上述的步骤101-105，生成非法内容的内容块的合法性监控向量。
如图2所示，本发明提供一种用于实施上述的终端信息处理方法的终端信息处理系统，包括：内容块生成模块1，其基于短信信息生成内容块。
发送路径信息生成模块2，其基于短信信息为每个内容块生成发送路径信息。
矢量化模块3，其用于对内容块以及内容块的发送路径信息进行矢量化，然后对内容块以及同一内容块的发送路径信息的矢量化的结果进行拼接获得内容块第一特征。
在本发明的一个实施例中，拼接的方法是直接将两个矢量进行连接组合，组合后的矢量的分量不变，并且分量的数量等于组合前的两个矢量的分量的数量和。
合法性监控向量生成模块4，其用于生成短信的内容块的合法性监控向量。
合法性判断模块5，其用于判断短信的内容是否包含非法内容。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。

Claims (10)

1.一种终端信息处理方法，其特征在于，包括以下步骤：步骤101，收集短信的短信信息，短信信息包括短信内容、短信发送端手机号或国际移动设备识别码、短信接收端手机号或国际移动设备识别码；步骤102，将短信内容按照内容类型进行划分，生成内容块，相邻的内容块的内容类型不同；步骤103，基于短信信息为每个内容块生成发送路径信息；步骤104，基于内容块以及内容块的发送路径信息来生成内容块第一特征；步骤105，将同一短信信息的内容块第一特征合成生成内容块第一矩阵，输入第一神经网络，第一神经网络包括第一隐藏层，多个第一隐藏层串联之后连接第二隐藏层，第一隐藏层的计算包括：，其中/>、/>、/>分别表示第s个第一隐藏层的输出特征、第三变换特征、连接矩阵，/>的第a行第b列的元素表示为/>，/>；是第s个第一隐藏层的第一变换特征/>的第a个行向量，/>是第s个第一隐藏层的第二变换特征/>的第b个行向量，α表示膨胀参数；
，/>，/>，/>表示第s个第一隐藏层的输入，s大于1时/>，/>表示第s-1个第一隐藏层的输出特征，/>表示内容块第一矩阵，/>、/>、/>分别表示第一、二、三权重参数；第二隐藏层包括多个串联的LSTM单元，第i个LSTM单元输入/>的第i个行向量，输出第i个内容块的合法性监控向量，/>为串联的最后一个第一隐藏层的输出；步骤106，将待监控的短信的内容块的合法性监控向量与包含非法内容的内容块的合法性监控向量进行对比判断待监控的短信的内容块是否包含非法内容。
2.根据权利要求1所述的一种终端信息处理方法，其特征在于，短信信息是从无线终端收集的。
3.根据权利要求1所述的一种终端信息处理方法，其特征在于，将待监控的短信的内容块的合法性监控向量与包含非法内容的内容块的合法性监控向量进行相似度计算，如果相似度大于设定的第一相似度阈值，则判断待监控的短信的内容块包含非法内容，否则判断待监控的短信的内容块不包含非法内容。
4.根据权利要求1所述的一种终端信息处理方法，其特征在于，生成内容块第一特征的方法包括：将内容块和内容块的发送路径信息矢量化之后拼接获得内容块第一特征。
5.根据权利要求4所述的一种终端信息处理方法，其特征在于，发送路径以无线终端为节点，一个内容块的发送路径上的相邻的两个无线终端中的一个无线终端向另一个无线终端发送了包含该内容块的短信；发送路径信息包括发送路径上的无线终端的ID信息。
6.根据权利要求4所述的一种终端信息处理方法，其特征在于，发送路径信息矢量化的方法包括：将发送路径信息输入卷积神经网络，通过卷积神经网络输出发送路径信息的矢量
发送路径信息输入卷积神经网络时需要先进行矩阵化，矩阵化后生成的路径信息矩阵的行向量对应发送路径信息上的一个无线终端的ID信息；
卷积神经网络采用膨胀卷积。
7.根据权利要求6所述的一种终端信息处理方法，其特征在于，该卷积神经网络训练时其输出连接第一分类器，第一分类器的两个分类标签分别是内容块非法和内容块合法，内容块非法的标签含义表示输入的发送路径信息对应的内容块包含非法内容。
8.根据权利要求1所述的一种终端信息处理方法，其特征在于，内容块第一矩阵中的一个行向量对应于一个内容块第一特征；内容块第一矩阵中的行向量的顺序与短信信息中的内容块的顺序相同。
9.根据权利要求1所述的一种终端信息处理方法，其特征在于，对连接矩阵的元素值进行归一化处理，具体的，，其中/>和/>分别表示归一化处理之前的连接矩阵的第a行第b列和第c列的元素，n表示连接矩阵的列数，/>表示归一化处理之后的连接矩阵的第a行第b列的元素。
10.一种终端信息处理系统，其特征在于，其用于实施如权利要求1-9任一所述的一种终端信息处理方法，一种终端信息处理系统包括：
内容块生成模块，其基于短信信息生成内容块；
发送路径信息生成模块，其基于短信信息为每个内容块生成发送路径信息；
矢量化模块，其用于对内容块以及内容块的发送路径信息进行矢量化，然后对内容块以及同一内容块的发送路径信息的矢量化的结果进行拼接获得内容块第一特征；
合法性监控向量生成模块，其用于生成短信的内容块的合法性监控向量；
合法性判断模块，其用于判断短信的内容是否包含非法内容。
CN202310717661.5A 2023-06-16 2023-06-16 一种终端信息处理方法 Active CN116456347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310717661.5A CN116456347B (zh) 2023-06-16 2023-06-16 一种终端信息处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310717661.5A CN116456347B (zh) 2023-06-16 2023-06-16 一种终端信息处理方法

Publications (2)

Publication Number Publication Date
CN116456347A CN116456347A (zh) 2023-07-18
CN116456347B true CN116456347B (zh) 2023-09-08

Family

ID=87134192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310717661.5A Active CN116456347B (zh) 2023-06-16 2023-06-16 一种终端信息处理方法

Country Status (1)

Country Link
CN (1) CN116456347B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050011129A (ko) * 2003-07-22 2005-01-29 오수철 단문메세지의 대량 전송방법 및 시스템
CN101516071A (zh) * 2008-02-18 2009-08-26 中国移动通信集团重庆有限公司 垃圾短消息的分类方法
WO2011035622A1 (zh) * 2009-09-22 2011-03-31 中兴通讯股份有限公司 一种基于内容识别技术的彩信内容监控系统和方法
CN104244204A (zh) * 2013-06-06 2014-12-24 深圳富泰宏精密工业有限公司 短信内容提取方法及系统
CN105792152A (zh) * 2016-03-25 2016-07-20 腾讯科技（深圳）有限公司 伪基站短信识别方法和装置
CN106412863A (zh) * 2016-11-18 2017-02-15 北京奇虎科技有限公司 一种短信内容的处理方法及系统、移动通信终端
CN108595634A (zh) * 2018-04-25 2018-09-28 腾讯科技（深圳）有限公司 短信管理方法、装置及电子设备
CN109982272A (zh) * 2019-02-13 2019-07-05 北京航空航天大学 一种诈骗短信识别方法及装置
CN114866966A (zh) * 2022-07-08 2022-08-05 安徽创瑞信息技术有限公司 一种基于大数据的短信用户管理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19861323B4 (de) * 1998-12-08 2006-02-16 Robert Bosch Gmbh Verfahren zur Übertragung von Kurznachrichten
US20070033408A1 (en) * 2005-08-08 2007-02-08 Widevine Technologies, Inc. Preventing illegal distribution of copy protected content
CN105101123A (zh) * 2015-07-31 2015-11-25 小米科技有限责任公司 短信处理方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050011129A (ko) * 2003-07-22 2005-01-29 오수철 단문메세지의 대량 전송방법 및 시스템
CN101516071A (zh) * 2008-02-18 2009-08-26 中国移动通信集团重庆有限公司 垃圾短消息的分类方法
WO2011035622A1 (zh) * 2009-09-22 2011-03-31 中兴通讯股份有限公司 一种基于内容识别技术的彩信内容监控系统和方法
CN104244204A (zh) * 2013-06-06 2014-12-24 深圳富泰宏精密工业有限公司 短信内容提取方法及系统
CN105792152A (zh) * 2016-03-25 2016-07-20 腾讯科技（深圳）有限公司 伪基站短信识别方法和装置
CN106412863A (zh) * 2016-11-18 2017-02-15 北京奇虎科技有限公司 一种短信内容的处理方法及系统、移动通信终端
CN108595634A (zh) * 2018-04-25 2018-09-28 腾讯科技（深圳）有限公司 短信管理方法、装置及电子设备
CN109982272A (zh) * 2019-02-13 2019-07-05 北京航空航天大学 一种诈骗短信识别方法及装置
CN114866966A (zh) * 2022-07-08 2022-08-05 安徽创瑞信息技术有限公司 一种基于大数据的短信用户管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"海量短信数据中异常行为的研究";湛然;《信息科技》(第03期);全文 *

Also Published As

Publication number Publication date
CN116456347A (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN108376387B (zh) 基于聚合膨胀卷积网络的图像去模糊方法
KR20200100558A (ko) 이미지 처리 방법 및 장치, 전자 디바이스 및 컴퓨터 판독 가능 저장 매체
CN111737521B (zh) 一种视频分类方法和装置
CN110633698A (zh) 基于循环生成对抗网络的红外图片识别方法、设备及介质
CN107463932A (zh) 一种使用二进制瓶颈神经网络来抽取图片特征的方法
CN115580564B (zh) 一种物联网通信网关动态调用装置
CN112784929A (zh) 一种基于双元组扩充的小样本图像分类方法及装置
CN116456347B (zh) 一种终端信息处理方法
CN115964738A (zh) 一种基于多方安全计算的数据处理方法及装置
CN113111791B (zh) 图像滤镜转换网络训练方法、计算机可读存储介质
CN113240586A (zh) 一种可自适应调节放大倍数的螺栓图像超分辨率处理方法
CN113792751A (zh) 一种跨域行为识别方法、装置、设备及可读存储介质
CN111325832A (zh) 建模方法、建模装置和电子设备
CN114782936B (zh) 一种基于改进yolov5s网络的行为检测方法
CN112084371A (zh) 一种电影多标签分类方法、装置、电子设备以及存储介质
CN113066038B (zh) 图像评估方法、装置、电子设备及计算机存储介质
CN114629796A (zh) 路由器系统中母路由器的带宽分配方法及其系统
CN113963150A (zh) 一种基于多尺度孪生级联网络的行人重识别方法
CN111010492B (zh) 图像处理电路及相关的图像处理方法
CN112862008A (zh) 偏好预测模型的训练方法及用户偏好的预测方法
CN113496234A (zh) 图像分类模型训练方法、图像分类方法、装置及电子设备
CN110991366A (zh) 一种基于三维残差网络的航运监控事件识别方法及系统
CN117614723B (zh) 一种智能数据血缘追踪方法
CN116996470B (zh) 一种富媒体信息发送系统
CN115065502B (zh) 一种基于cnn的区块链日蚀攻击检测与防御方法

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