CN117556397B - 一种大数据分析的智能预警系统、方法及存储介质 - Google Patents

一种大数据分析的智能预警系统、方法及存储介质 Download PDF

Info

Publication number
CN117556397B
CN117556397B CN202410046324.2A CN202410046324A CN117556397B CN 117556397 B CN117556397 B CN 117556397B CN 202410046324 A CN202410046324 A CN 202410046324A CN 117556397 B CN117556397 B CN 117556397B
Authority
CN
China
Prior art keywords
code
user
image
verification
value
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
CN202410046324.2A
Other languages
English (en)
Other versions
CN117556397A (zh
Inventor
朱若凡
金程贝
肖遥
农舒予
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.)
Sdic Human Resources Service Co ltd
Original Assignee
Sdic Human Resources Service 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 Sdic Human Resources Service Co ltd filed Critical Sdic Human Resources Service Co ltd
Priority to CN202410046324.2A priority Critical patent/CN117556397B/zh
Publication of CN117556397A publication Critical patent/CN117556397A/zh
Application granted granted Critical
Publication of CN117556397B publication Critical patent/CN117556397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • 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
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/36—User authentication by graphic or iconic representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种大数据分析的智能预警系统、方法及存储介质，属于数据处理技术领域，其系统包括用户编码校验单元、用户图像校验单元、试题匹配单元和校验报警单元；用户编码校验单元用于进行编码校验，并生成编码校验标签值；用户图像校验单元用于进行图像校验，生成图像校验标签值；试题匹配单元用于为用户匹配试题；校验报警单元用于在用户终端进行预警提示。该大数据分析的智能预警系统对用户输入的身份编码进行初步校验，用户身份编码校验通过后再进行用户图像校验，双重的身份校验可以保证整个系统的安全运行和用户身份登录的准确性，在用户登录出错时及时在用户终端进行预警。

Description

一种大数据分析的智能预警系统、方法及存储介质
技术领域
本发明属于数据处理技术领域，具体涉及一种大数据分析的智能预警系统、方法及存储介质。
背景技术
近年来，随着计算机和互联网的发展，基于计算机和互联网技术的在线考试系统得到了发展。在进行这样的在线考试时，对考场纪律要求非常严格，需要花费大量时间和精力来确保考生进行线上考试时身份的准确性，保证验证通过的考生才被允许参加考试。目前国内外对在线考试进行身份核对主要是采取集中机房和人工监考的方式，其费时费力准，准确度不高。
发明内容
本发明为了解决以上问题，提出了一种大数据分析的智能预警系统、方法及存储介质。
本发明的技术方案是：一种大数据分析的智能预警系统包括用户编码校验单元、用户图像校验单元、试题匹配单元和校验报警单元；
用户编码校验单元用于获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
用户图像校验单元用于采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
试题匹配单元用于根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
校验报警单元用于在编码校验或图像校验不通过时，在用户终端进行预警提示。
本发明的有益效果是：该大数据分析的智能预警系统对用户输入的身份编码进行初步校验，用户身份编码校验通过后再进行用户图像校验，双重的身份校验可以保证整个系统的安全运行和用户身份登录的准确性，在用户登录出错时及时在用户终端进行预警。
进一步地，用户编码校验单元进行编码校验包括以下步骤：
A1、判断用户身份编码长度和设备编码长度是否一致，若是则进入A2，否则编码校验不通过；
A2、将用户身份编码均分为若干个用户身份编码子集，将设备编码均分为若干个设备编码子集，并判断各个用户身份编码子集的首位数字和末位数字是否与各个设备编码子集的首位数字和末位数字一一对应相同，若是则进入A3，否则编码校验不通过；
A3、计算各个用户身份编码子集的校验权重和各个设备编码子集的校验权重，并判断各个用户身份编码子集的校验权重是否与各个设备编码子集的校验权重一一对应相同，若是则编码校验通过，并将所有用户身份编码子集的校验权重均值作为编码校验标签值，否则编码校验不通过。
进一步地，A3中，用户身份编码子集的校验权重ω1的计算公式为：；式中，M表示用户身份编码子集的数字个数，TFm-1表示用户身份编码子集中第m-1个数字的词频，TFm表示用户身份编码子集中第m个数字的词频，TFm+1表示用户身份编码子集中第m+1个数字的词频。
进一步地，A3中，设备编码子集的校验权重ω2的计算公式为：；式中，N表示用户身份编码子集的数字个数，TFn-1表示用户身份编码子集中第n-1个数字的词频，TFn表示用户身份编码子集中第n个数字的词频，TFn+1表示用户身份编码子集中第n+1个数字的词频。
进一步地，用户图像校验单元进行图像校验包括以下步骤：
计算用户登录图像中每一行中各个像素点的边缘阈值，将每一行中所有像素点的边缘阈值的均值作为每一行的行边缘滑动阈值；
计算用户登录图像中每一列中各个像素点的边缘阈值，将每一列中所有像素点的边缘阈值的均值作为每一列的列边缘滑动阈值；
获取行边缘滑动阈值和列边缘滑动阈值最接近的所在行和所在列，将所在行和所在列交叉所在像素点的边缘阈值作为图像校验阈值；
提取用户登录图像中所有像素点的色调均值，作为用户登录图像的校验权重，提取用户标准图像中所有像素点的色调均值，作为用户标准图像的校验权重；
判断用户登录图像的校验权重与用户标准图像的校验权重之间的差值是否小于图像校验阈值，若是则图像校验通过，并将用户登录图像的校验权重与用户标准图像的校验权重之间的差值作为图像校验标签值，否则图像校验不通过。
进一步地，像素点的边缘阈值γ的计算公式为：；式中，h0表示像素点的灰度值，H0表示像素点的色调值，S0表示像素点的饱和值，V0表示像素点的明度值。
进一步地，试题匹配单元匹配试题的具体方法为：在试题库中生成各个试题的搜索标签值，将编码校验标签值重和图像校验标签值之和作为用户的标签值，将与用户的标签值相等的搜索标签值对应的试题作为匹配结果。
进一步地，试题的搜索标签值的生成方法具体为：利用加权法设置各个试题的搜索标签值。
基于以上系统，本发明还提出一种大数据分析的智能预警方法，包括以下步骤：
获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
在编码校验或图像校验不通过时，在用户终端进行预警提示。
本发明的有益效果是：该大数据分析的智能预警方法对用户进行双重验证，从而可以更好地保证用户身份数据安全，对考试行为进行监控，有效防止作弊。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，执行计算机程序时实现上述大数据分析的智能预警方法的部分或全部步骤。
附图说明
图1为大数据分析的智能预警系统的结构图；
图2为大数据分析的智能预警方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种大数据分析的智能预警系统，包括用户编码校验单元、用户图像校验单元、试题匹配单元和校验报警单元；
用户编码校验单元用于获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
用户图像校验单元用于采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
试题匹配单元用于根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
校验报警单元用于在编码校验或图像校验不通过时，在用户终端进行预警提示。
在本发明实施例中，用户编码校验单元进行编码校验包括以下步骤：
A1、判断用户身份编码长度和设备编码长度是否一致，若是则进入A2，否则编码校验不通过；
A2、将用户身份编码均分为若干个用户身份编码子集，将设备编码均分为若干个设备编码子集，并判断各个用户身份编码子集的首位数字和末位数字是否与各个设备编码子集的首位数字和末位数字一一对应相同，若是则进入A3，否则编码校验不通过；
A3、计算各个用户身份编码子集的校验权重和各个设备编码子集的校验权重，并判断各个用户身份编码子集的校验权重是否与各个设备编码子集的校验权重一一对应相同，若是则编码校验通过，并将所有用户身份编码子集的校验权重均值作为编码校验标签值，否则编码校验不通过。
在进行用户身份编码校验时，先判断两个编码长度是否一致，若不一致表明用户输入的身份编码出错，则不用进入后续步骤的判断，减少算法流程；然后，将用户身份编码均分为若干子集，判断子集的首末位是否一致，若不一致则表明用户输入的身份编码出错，不用进入后续步骤的判断，减少算法流程。在长度和子集判断通过后，计算子集的校验权重来进行最终的校验。
在本发明实施例中，A3中，用户身份编码子集的校验权重ω1的计算公式为：；式中，M表示用户身份编码子集的数字个数，TFm-1表示用户身份编码子集中第m-1个数字的词频，TFm表示用户身份编码子集中第m个数字的词频，TFm+1表示用户身份编码子集中第m+1个数字的词频。
在本发明实施例中，A3中，设备编码子集的校验权重ω2的计算公式为：；式中，N表示用户身份编码子集的数字个数，TFn-1表示用户身份编码子集中第n-1个数字的词频，TFn表示用户身份编码子集中第n个数字的词频，TFn+1表示用户身份编码子集中第n+1个数字的词频。
在本发明实施例中，用户图像校验单元进行图像校验包括以下步骤：
计算用户登录图像中每一行中各个像素点的边缘阈值，将每一行中所有像素点的边缘阈值的均值作为每一行的行边缘滑动阈值；
计算用户登录图像中每一列中各个像素点的边缘阈值，将每一列中所有像素点的边缘阈值的均值作为每一列的列边缘滑动阈值；
获取行边缘滑动阈值和列边缘滑动阈值最接近的所在行和所在列，将所在行和所在列交叉所在像素点的边缘阈值作为图像校验阈值；
提取用户登录图像中所有像素点的色调均值，作为用户登录图像的校验权重，提取用户标准图像中所有像素点的色调均值，作为用户标准图像的校验权重；
判断用户登录图像的校验权重与用户标准图像的校验权重之间的差值是否小于图像校验阈值，若是则图像校验通过，并将用户登录图像的校验权重与用户标准图像的校验权重之间的差值作为图像校验标签值，否则图像校验不通过。
在本发明实施例中，像素点的边缘阈值γ的计算公式为：；式中，h0表示像素点的灰度值，H0表示像素点的色调值，S0表示像素点的饱和值，V0表示像素点的明度值。
在本发明实施例中，试题匹配单元匹配试题的具体方法为：在试题库中生成各个试题的搜索标签值，将编码校验标签值重和图像校验标签值之和作为用户的标签值，将与用户的标签值相等的搜索标签值对应的试题作为匹配结果。
在本发明实施例中，试题的搜索标签值的生成方法具体为：利用加权法设置各个试题的搜索标签值。
本发明实施例提供了一种大数据分析的智能预警方法，如图2所示，包括以下步骤：
获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
在编码校验或图像校验不通过时，在用户终端进行预警提示。
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，执行计算机程序时实现上述方法实施例的任意一种大数据分析的智能预警方法的部分或全部步骤。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.一种大数据分析的智能预警系统，其特征在于，包括用户编码校验单元、用户图像校验单元、试题匹配单元和校验报警单元；
所述用户编码校验单元用于获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
所述用户图像校验单元用于采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
所述试题匹配单元用于根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
所述校验报警单元用于在编码校验或图像校验不通过时，在用户终端进行预警提示；
所述用户编码校验单元进行编码校验包括以下步骤：
A1、判断用户身份编码长度和设备编码长度是否一致，若是则进入A2，否则编码校验不通过；
A2、将用户身份编码均分为若干个用户身份编码子集，将设备编码均分为若干个设备编码子集，并判断各个用户身份编码子集的首位数字和末位数字是否与各个设备编码子集的首位数字和末位数字一一对应相同，若是则进入A3，否则编码校验不通过；
A3、计算各个用户身份编码子集的校验权重和各个设备编码子集的校验权重，并判断各个用户身份编码子集的校验权重是否与各个设备编码子集的校验权重一一对应相同，若是则编码校验通过，并将所有用户身份编码子集的校验权重均值作为编码校验标签值，否则编码校验不通过；
所述A3中，用户身份编码子集的校验权重ω1的计算公式为：式中，M表示用户身份编码子集的数字个数，TFm-1表示用户身份编码子集中第m-1个数字的词频，TFm表示用户身份编码子集中第m个数字的词频，TFm+1表示用户身份编码子集中第m+1个数字的词频；
所述A3中，设备编码子集的校验权重ω2的计算公式为：式中，N表示用户身份编码子集的数字个数，TFn-1表示用户身份编码子集中第n-1个数字的词频，TFn表示用户身份编码子集中第n个数字的词频，TFn+1表示用户身份编码子集中第n+1个数字的词频；
所述用户图像校验单元进行图像校验包括以下步骤：
计算用户登录图像中每一行中各个像素点的边缘阈值，将每一行中所有像素点的边缘阈值的均值作为每一行的行边缘滑动阈值；
计算用户登录图像中每一列中各个像素点的边缘阈值，将每一列中所有像素点的边缘阈值的均值作为每一列的列边缘滑动阈值；
获取行边缘滑动阈值和列边缘滑动阈值最接近的所在行和所在列，将所在行和所在列交叉所在像素点的边缘阈值作为图像校验阈值；
提取用户登录图像中所有像素点的色调均值，作为用户登录图像的校验权重，提取用户标准图像中所有像素点的色调均值，作为用户标准图像的校验权重；
判断用户登录图像的校验权重与用户标准图像的校验权重之间的差值是否小于图像校验阈值，若是则图像校验通过，并将用户登录图像的校验权重与用户标准图像的校验权重之间的差值作为图像校验标签值，否则图像校验不通过；
所述像素点的边缘阈值γ的计算公式为：式中，h0表示像素点的灰度值，H0表示像素点的色调值，S0表示像素点的饱和值，V0表示像素点的明度值。
2.根据权利要求1所述的大数据分析的智能预警系统，其特征在于，所述试题匹配单元匹配试题的具体方法为：在试题库中生成各个试题的搜索标签值，将编码校验标签值重和图像校验标签值之和作为用户的标签值，将与用户的标签值相等的搜索标签值对应的试题作为匹配结果。
3.根据权利要求2所述的大数据分析的智能预警系统，其特征在于，所述试题的搜索标签值的生成方法具体为：利用加权法设置各个试题的搜索标签值。
4.一种大数据分析的智能预警方法，其特征在于，包括以下步骤：
获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
在编码校验或图像校验不通过时，在用户终端进行预警提示；
所述大数据分析的智能预警方法利用大数据分析的智能预警系统实现，所述系统包括用户编码校验单元、用户图像校验单元、试题匹配单元和校验报警单元；
所述用户编码校验单元用于获取用户身份编码和设备编码，并对用户身份编码和设备编码进行编码校验，并为编码校验通过的用户生成编码校验标签值；
所述用户图像校验单元用于采集用户登录图像，获取校验通过的设备编码对应的用户标准图像，并对用户登录图像和用户标准图像进行图像校验，为图像校验通过的用户生成图像校验标签值；
所述试题匹配单元用于根据编码校验标签值重和图像校验标签值，为通过编码校验和图像校验的用户匹配试题；
所述校验报警单元用于在编码校验或图像校验不通过时，在用户终端进行预警提示；
所述用户编码校验单元进行编码校验包括以下步骤：
A1、判断用户身份编码长度和设备编码长度是否一致，若是则进入A2，否则编码校验不通过；
A2、将用户身份编码均分为若干个用户身份编码子集，将设备编码均分为若干个设备编码子集，并判断各个用户身份编码子集的首位数字和末位数字是否与各个设备编码子集的首位数字和末位数字一一对应相同，若是则进入A3，否则编码校验不通过；
A3、计算各个用户身份编码子集的校验权重和各个设备编码子集的校验权重，并判断各个用户身份编码子集的校验权重是否与各个设备编码子集的校验权重一一对应相同，若是则编码校验通过，并将所有用户身份编码子集的校验权重均值作为编码校验标签值，否则编码校验不通过；
所述A3中，用户身份编码子集的校验权重ω1的计算公式为：式中，M表示用户身份编码子集的数字个数，TFm-1表示用户身份编码子集中第m-1个数字的词频，TFm表示用户身份编码子集中第m个数字的词频，TFm+1表示用户身份编码子集中第m+1个数字的词频；
所述A3中，设备编码子集的校验权重ω2的计算公式为：式中，N表示用户身份编码子集的数字个数，TFn-1表示用户身份编码子集中第n-1个数字的词频，TFn表示用户身份编码子集中第n个数字的词频，TFn+1表示用户身份编码子集中第n+1个数字的词频；
所述用户图像校验单元进行图像校验包括以下步骤：
计算用户登录图像中每一行中各个像素点的边缘阈值，将每一行中所有像素点的边缘阈值的均值作为每一行的行边缘滑动阈值；
计算用户登录图像中每一列中各个像素点的边缘阈值，将每一列中所有像素点的边缘阈值的均值作为每一列的列边缘滑动阈值；
获取行边缘滑动阈值和列边缘滑动阈值最接近的所在行和所在列，将所在行和所在列交叉所在像素点的边缘阈值作为图像校验阈值；
提取用户登录图像中所有像素点的色调均值，作为用户登录图像的校验权重，提取用户标准图像中所有像素点的色调均值，作为用户标准图像的校验权重；
判断用户登录图像的校验权重与用户标准图像的校验权重之间的差值是否小于图像校验阈值，若是则图像校验通过，并将用户登录图像的校验权重与用户标准图像的校验权重之间的差值作为图像校验标签值，否则图像校验不通过；
所述像素点的边缘阈值γ的计算公式为：式中，h0表示像素点的灰度值，H0表示像素点的色调值，S0表示像素点的饱和值，V0表示像素点的明度值。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，其特征在于，执行所述计算机程序时实现如权利要求4所述的大数据分析的智能预警方法的步骤。
CN202410046324.2A 2024-01-12 2024-01-12 一种大数据分析的智能预警系统、方法及存储介质 Active CN117556397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410046324.2A CN117556397B (zh) 2024-01-12 2024-01-12 一种大数据分析的智能预警系统、方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410046324.2A CN117556397B (zh) 2024-01-12 2024-01-12 一种大数据分析的智能预警系统、方法及存储介质

Publications (2)

Publication Number Publication Date
CN117556397A CN117556397A (zh) 2024-02-13
CN117556397B true CN117556397B (zh) 2024-04-09

Family

ID=89811523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410046324.2A Active CN117556397B (zh) 2024-01-12 2024-01-12 一种大数据分析的智能预警系统、方法及存储介质

Country Status (1)

Country Link
CN (1) CN117556397B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376723A (zh) * 2018-12-19 2019-02-22 赵太方 一种基于人脸识别技术的便携式身份认证系统
CN110189239A (zh) * 2019-05-30 2019-08-30 北京金和网络股份有限公司 五定的在线考试方法及系统
CN114499899A (zh) * 2022-04-15 2022-05-13 阿里云计算有限公司 身份校验系统
CN115396192A (zh) * 2022-08-24 2022-11-25 北京安天网络安全技术有限公司 用户身份校验方法、装置、计算机设备及存储介质
CN116739704A (zh) * 2023-06-07 2023-09-12 北京海上升科技有限公司 基于人工智能的电商平台兴趣分析式商品推荐方法及系统
CN117237869A (zh) * 2023-09-15 2023-12-15 杭州亦闲信息科技有限公司 一种在线考试的监控系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11093985B2 (en) * 2018-09-25 2021-08-17 Valideck International System, devices, and methods for acquiring and verifying online information

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376723A (zh) * 2018-12-19 2019-02-22 赵太方 一种基于人脸识别技术的便携式身份认证系统
CN110189239A (zh) * 2019-05-30 2019-08-30 北京金和网络股份有限公司 五定的在线考试方法及系统
CN114499899A (zh) * 2022-04-15 2022-05-13 阿里云计算有限公司 身份校验系统
CN115396192A (zh) * 2022-08-24 2022-11-25 北京安天网络安全技术有限公司 用户身份校验方法、装置、计算机设备及存储介质
CN116739704A (zh) * 2023-06-07 2023-09-12 北京海上升科技有限公司 基于人工智能的电商平台兴趣分析式商品推荐方法及系统
CN117237869A (zh) * 2023-09-15 2023-12-15 杭州亦闲信息科技有限公司 一种在线考试的监控系统及方法

Also Published As

Publication number Publication date
CN117556397A (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
CN110741388B (zh) 对抗样本检测方法、装置、计算设备及计算机存储介质
CN108737406A (zh) 一种异常流量数据的检测方法及系统
CN107491536B (zh) 一种试题校验方法、试题校验装置及电子设备
CN110348471B (zh) 异常对象识别方法、装置、介质及电子设备
CN112329052A (zh) 一种模型隐私保护方法及装置
CN110990811A (zh) 一种身份认证方法及装置
CN112199670A (zh) 一种基于深度学习改进iforest对行为异常检测的日志监控方法
CN111723870A (zh) 基于人工智能的数据集获取方法、装置、设备和介质
CN112948823A (zh) 一种数据泄露风险评估方法
CN117556397B (zh) 一种大数据分析的智能预警系统、方法及存储介质
CN113011164B (zh) 数据质量检测方法、装置、电子设备及介质
CN112749639B (zh) 模型训练方法、装置、计算机设备和存储介质
CN113705164A (zh) 一种文本处理方法、装置、计算机设备以及可读存储介质
CN116662186A (zh) 基于逻辑回归的日志回放断言方法及其装置、电子设备
CN115718830A (zh) 训练信息抽取模型的方法、信息抽取方法及对应装置
CN106599671A (zh) 一种基于用户填写验证码来进行图片识别的方法及装置
CN112863518B (zh) 一种语音数据主题识别的方法及装置
CN112801013B (zh) 一种基于关键点识别校验的人脸识别方法、系统及装置
CN110297989B (zh) 异常检测的测试方法、装置、设备和介质
CN113239075A (zh) 一种施工数据自检方法及系统
CN112163975A (zh) 智能学习指引和提示方法与系统
CN112966988A (zh) 基于XGBoost模型的数据评估方法、装置、设备及存储介质
CN115204381A (zh) 弱监督模型训练方法及装置、电子设备
CN114168817B (zh) 一种半监督学习目标识别方法
CN113627399B (zh) 题目处理方法、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