JP6894058B2 - 危険アドレス識別方法及びコンピュータ可読記憶媒体、並びに電子装置 - Google Patents
危険アドレス識別方法及びコンピュータ可読記憶媒体、並びに電子装置 Download PDFInfo
- Publication number
- JP6894058B2 JP6894058B2 JP2019542684A JP2019542684A JP6894058B2 JP 6894058 B2 JP6894058 B2 JP 6894058B2 JP 2019542684 A JP2019542684 A JP 2019542684A JP 2019542684 A JP2019542684 A JP 2019542684A JP 6894058 B2 JP6894058 B2 JP 6894058B2
- Authority
- JP
- Japan
- Prior art keywords
- address
- word
- address word
- dangerous
- computer
- 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
- 238000000034 method Methods 0.000 title claims description 85
- 238000003860 storage Methods 0.000 title claims description 14
- 231100001261 hazardous Toxicity 0.000 title description 4
- 238000012549 training Methods 0.000 claims description 101
- 239000013598 vector Substances 0.000 claims description 92
- 238000012706 support-vector machine Methods 0.000 claims description 50
- 238000002372 labelling Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 18
- 230000007704 transition Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 16
- 230000002452 interceptive effect Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000027455 binding Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004900 laundering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/562—Static detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- 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
- G06F21/55—Detecting local intrusion or implementing counter-measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2119—Authenticating web pages, e.g. with suspicious links
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Virology (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
Description
本明細書は、コンピュータ技術の分野に関し、特に危険アドレス識別方法及び機器、並びに電子装置に関する。
オンライン金融取引は、ますます発展しており、マネーロンダリングなどの違法なマネー操作を行うためにオンライン金融を不法に用いるユーザもいる。違法なオンライン金融取引の発生を防ぐために、危険アドレスを識別するための幾つかの解決法が既に存在するが、それらの解決法は、一般に、比較的通常の危険アドレスを識別することを目標とする解決法である。
本明細書の実施形態は、次の技術的問題、即ちより正確な危険アドレス識別解決法が必要とされるという問題を解決するための危険アドレス識別方法及び機器、並びに電子装置を提供する。
本明細書の実施形態は、危険アドレス識別方法であって、
入力アドレスに対応するアドレス語シーケンスを取得することと、
アドレス語シーケンスに含まれる様々なアドレス語において、各危険アドレスに対応する危険語にヒットするアドレス語を決定することと、
決定されたアドレス語に従って、アドレス語シーケンスに対応する観察シーケンスを生成することと、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて観察シーケンスを処理することであって、決定ベクトルが、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表すことと、
決定ベクトルに対して分類決定を行うことによって、入力アドレスが危険アドレスであるかどうかを識別することと、
を含む方法を提供する。
入力アドレスに対応するアドレス語シーケンスを取得するための受信モジュールと、
アドレス語シーケンスに含まれる様々なアドレス語において、各危険アドレスに対応する危険語にヒットするアドレス語を決定するための照合モジュールと、
決定されたアドレス語に従って、アドレス語シーケンスに対応する観察シーケンスを生成するための生成モジュールと、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて観察シーケンスを処理するためのラベル付けモジュールであって、決定ベクトルが、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表すラベル付けモジュールと、
決定ベクトルに対して分類決定を行うことによって、入力アドレスが危険アドレスであるかどうかを識別するための識別モジュールと、
を含む機器を提供する。
少なくとも1つのプロセッサと、
少なくとも1つのプロセッサと通信接続するメモリとを含み、
メモリが、少なくとも1つのプロセッサによって実行可能な命令を格納し、少なくとも1つのプロセッサが、
入力アドレスに対応するアドレス語シーケンスを取得することと、
アドレス語シーケンスに含まれる様々なアドレス語において、各危険アドレスに対応する危険語にヒットするアドレス語を決定することと、
決定されたアドレス語に従って、アドレス語シーケンスに対応する観察シーケンスを生成することと、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて観察シーケンスを処理することであって、決定ベクトルが、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表すことと、
決定ベクトルに対して分類決定を行うことによって、入力アドレスが危険アドレスであるかどうかを識別することとをできるようにするために、命令が、少なくとも1つのプロセッサによって実行される、
電子装置を提供する。
本明細書の実施形態における技術的解決法又は先行技術をより明確に示すために、実施形態又は先行技術の説明において用いられる添付の図面が、以下で簡単に導入される。明らかに、以下の説明における添付の図面は、単に、本明細書で言明される幾つかの実施形態を示すだけであり、当業者は、どんな創造的な労力もなしに、これらの添付の図面から他の図面を導き出すことが可能である。
本明細書の実施形態は、危険アドレス識別方法及び機器、並びに電子装置を提供する。
入力アドレスを受信すること、並びに入力アドレスに対応するアドレス語シーケンスを取得するために、入力アドレスに対してデータクリーニング処理及び単語分割処理を実行すること
を特に含んでもよい。
各危険アドレスに対応する危険語を用いて、アドレス語シーケンスにおいて様々なアドレス語をそれぞれ照合することと、
アドレス語の1つが成功裏に一致する場合に、そのアドレス語を各危険アドレスに対応する危険語にヒットするアドレス語としてラベル付けし決定することと、
を特に含んでもよい。
成功裏に一致するアドレス語が存在しない場合に、入力アドレスが危険アドレスでないと決定すること
を更に含む。
決定されたアドレス語に関して、アドレス語シーケンスにおけるアドレス語及びアドレス語の関連語に従って、アドレス語シーケンスに対応する観察シーケンスを生成することをそれぞれ実行することを特に含んでもよく、関連語は、アドレス語シーケンスにおけるアドレス語の前後のセマンティクスを反映する。
S202:所定の訓練サンプルに従って初期パラメータを抽出し、初期パラメータに従って、隠れマルコフモデルパラメータを含む初期モデルを確立することであって、訓練サンプルが、危険アドレス又は非危険アドレスであることと、
S204:訓練サンプルに含まれるアドレス語、及びアドレス語の前後のセマンティクスに従って、訓練サンプルに対応する観察シーケンスを生成することと、
S206:隠れマルコフモデルを取得するために、訓練サンプルに対応する初期モデル及び観察シーケンスに従って、隠れマルコフモデルパラメータを訓練することと、である。
所定の訓練サンプルに従って初期パラメータを抽出することは、
訓練サンプルに基づいて、訓練サンプルに含まれるアドレス語に対して確率ラベル付けをそれぞれ実行することによって、初期確率ベクトルを取得することと、危険語と非危険語との間の、訓練サンプルに含まれるアドレス語の状態遷移確率に従って、サンプルアドレスの状態遷移行列を取得することと、
を特に含む。ここで、危険語は、危険アドレスに含まれるアドレス語であり、非危険語は、非危険アドレスに含まれるアドレス語であり、幾つかのアドレス語は、危険語及び非危険語の両方であり得る。
訓練サンプルに対応する初期モデル及び観察シーケンスに従って、隠れマルコフモデルを取得するために隠れマルコフモデルパラメータを訓練するようにバウム−ウェルチアルゴリズムを用いること
を特に含んでもよい。
P(oh,sh|λ)は、アドレス語シーケンスoh及びそのヒットラベルshが正確である確率を示し、且つ必要とされる隠れマルコフモデルパラメータλを選択するために用いられる。
次に、隠れマルコフモデルパラメータλは、隠れマルコフモデルを取得するために、上記のパラメータに従って訓練される。
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習によって取得された隠れマルコフモデル、及びビタビアルゴリズムを用いて観察シーケンスを処理することであって、
決定ベクトルが、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表すこと
を特に含んでもよい。加えて、決定ベクトルはまた、アドレス語シーケンスに対応する観察シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表してもよく、観察シーケンスに含まれないアドレス語は、0として直接ラベル付けされてもよい。
訓練を通じて取得されたSVMモデルを用いて、決定ベクトルに対して分類決定を行うこと
を特に含んでもよい。
S302:サポートベクトルマシン用の訓練サンプルを取得することと、
S304:サポートベクトルマシンの訓練サンプルに対応するサンプル特徴空間を取得するために、サポートベクトルマシンの訓練サンプルを高次元特徴空間にマッピングすることと、
S306:サンプル特徴を表すパラメータをサンプル特徴空間から取得し、サンプル特徴のパラメータに従って、サンプル特徴のカテゴリを決定するための判別関数を確立することと、
S308:SVMモデルを取得するために、サポートベクトルマシンの訓練サンプルに基づいて、判別関数において、対応するSVMモデルパラメータを訓練することと、
である。
K(x,xi)=((x・xi)+1)d
入力アドレスに対応するアドレス語シーケンスを取得するための受信モジュール101と、
アドレス語シーケンスに含まれる様々なアドレス語において、各危険アドレスに対応する危険語にヒットするアドレス語を決定するための照合モジュール102と、
決定されたアドレス語に従って、アドレス語シーケンスに対応する観察シーケンスを生成するための生成モジュール103と、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて、観察シーケンスを処理するためのラベル付けモジュール104であって、決定ベクトルが、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表す、ラベル付けモジュール104と、
決定ベクトルに対する分類決定を行うことによって、入力アドレスが危険アドレスかどうかを識別するための識別モジュール105と、
を特に含んでもよい。
入力アドレスを受信する、且つ入力アドレスに対応するアドレス語シーケンスを取得するために、入力アドレスに対してデータクリーニング処理及び単語分割処理を実行する受信モジュール101
を特に含んでもよい。入力アドレスに対する更なるクリーニング処理及び単語分割処理を通じて、標準アドレス語シーケンスが、後続のステップにおいてアドレス語シーケンスに対するラベル付け動作を容易にするために取得され、それは、アドレス語シーケンスにおける決定されたアドレス語の確率ラベル付けの作業効率を改善することができる。
照合モジュール102が、各危険アドレスに対応する危険語を用いて、アドレス語シーケンスにおける様々なアドレス語をそれぞれ照合することと、
アドレス語の1つが成功裏に一致する場合に、そのアドレス語を各危険アドレスに対応する危険語にヒットするアドレス語としてラベル付けし決定することと、
を特に含んでもよい。
成功裏に一致するアドレス語がない場合に、入力アドレスが危険アドレスではないと決定すること
を更に含んでもよい。
決定されたアドレス語用に、次のこと、即ち、アドレス語シーケンスにおけるアドレス語及びアドレス語の関連語に従って、アドレス語シーケンスに対応する観察シーケンスを生成することであって、関連語が、アドレス語シーケンスにおけるアドレス語の前後のセマンティクスを反映することをそれぞれ実行すること
を特に含んでもよい。ここで、アドレス語の前後のセマンティクスは、ヒットアドレス語の前後の及びヒットアドレス語に関連する複数のアドレス語を指し、関連アドレス語の数は、2又は3であってもよく、関連アドレス語は、ヒットアドレス語と連続的に関連するアドレス語であってもよく、且つまたヒットアドレス語に関連する且つヒットアドレス語から離間されたアドレス語であってもよい。
所定の訓練サンプルに従って初期パラメータを抽出し、初期パラメータに従って、隠れマルコフモデルパラメータを含む初期モデルを確立することであって、訓練サンプルが、危険アドレス又は非危険アドレスであることと、
訓練サンプルに含まれるアドレス語及びアドレス語の前後のセマンティクスに従って、訓練サンプルに対応する観察シーケンスを生成することと、
隠れマルコフモデルを取得するために、訓練サンプルに対応する初期モデル及び観察シーケンスに従って、隠れマルコフモデルパラメータを訓練することと、
を含む。
所定の訓練サンプルに従って初期パラメータを抽出することは、
複数の訓練サンプルに基づいて、訓練サンプルに含まれるアドレス語に対して確率ラベル付けをそれぞれ実行することによって、初期確率ベクトルを取得することと、危険語と非危険語との間の、訓練サンプルに含まれるアドレス語の状態遷移確率に従って、サンプルアドレスの状態遷移行列を取得することと、
を特に含んでもよい。ここで、危険語は、危険アドレスに含まれるアドレス語であり、非危険語は、非危険アドレスに含まれるアドレス語であり、幾つかのアドレス語は、危険語及び非危険語の両方とすることができる。
訓練サンプルに対応する初期モデル及び観察シーケンスに従って、隠れマルコフモデルを取得するために隠れマルコフモデルパラメータを訓練するようにバウム−ウェルチアルゴリズムを用いること
を特に含んでもよい。
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習によって取得された隠れマルコフモデル、及びビタビアルゴリズムを用いて観察シーケンスを処理すること
を特に含んでもよい。決定ベクトルは、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表す。
訓練を通じて取得されたサポートベクトルマシン(SVM)モデルを用いて、決定ベクトルに対して分類決定を行うこと
を特に含んでもよい。
サポートベクトルマシン用の訓練サンプルを取得することと、
サポートベクトルマシンの訓練サンプルに対応するサンプル特徴空間を取得するために、サポートベクトルマシンの訓練サンプルを高次元特徴空間にマッピングすることと、
サンプル特徴を表すパラメータをサンプル特徴空間から取得し、サンプル特徴のパラメータに従って、サンプル特徴のカテゴリを決定するための判別関数を確立することと、
SVMモデルを取得するために、SVM用の訓練サンプルに基づいて、判別関数において、対応するSVMモデルパラメータを訓練することと、
を含む。
少なくとも1つのプロセッサと、
少なくとも1つのプロセッサと通信接続するメモリとを含み、メモリが、少なくとも1つのプロセッサによって実行可能な命令を格納し、少なくとも1つのプロセッサが、
入力アドレスに対応するアドレス語シーケンスを取得することと、
アドレス語シーケンスに含まれる様々なアドレス語において、各危険アドレスに対応する危険語にヒットするアドレス語を決定することと、
決定されたアドレス語に従って、アドレス語シーケンスに対応する観察シーケンスを生成することと、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて観察シーケンスを処理し、決定ベクトルが、アドレス語シーケンスに含まれる様々なアドレス語によってヒットされる危険アドレスの確率を表すことと、
決定ベクトルに対して分類決定を行うことによって、入力アドレスが危険アドレスであるかどうかを識別することとをできるようにするために、命令が、少なくとも1つのプロセッサに従って実行される、
電子装置を提供する。
最初に、入力アドレスのテキストが、REPUBLICA DE SIRIA 7495 SANTA FE Santa Fe ARであることと、
次に、入力アドレスを全世界的に走査し、且つその入力アドレスを制裁アドレス(国又は都市)語:SIRIAにヒットするものとしてラベル付けすること、及び入力アドレスの初期ラベル付けベクトル[0,0,1,0,0,0,0,0,0]を取得することであって、初期ラベル付けベクトルが、初期確率ベクトルとして理解され得ることと、
更に、隠れマルコフラベル付けモデルを通じて決定ベクトル[0.01,0.02,0.02,0.02,0.01,0,0,0,0]を取得することと、
最後に、入力アドレスが制裁アドレスにヒットしないという決定をSVM分類モデルが行うこととを特に含み、、ここで説明される制裁アドレスは危険アドレスとして理解され得る。
最初に、入力アドレスのテキストが、Rostovskaya, 31a, Simferopol 5 Other RUであることと、
次に、入力アドレスを全世界的に走査し、且つその入力アドレスを制裁アドレス(国又は都市)語:Simferopolにヒットするものとしてラベル付けすること、及び入力アドレスの初期ラベル付けベクトル[0,0,1,0,0,0]を取得することと、
更に、隠れマルコフラベル付けモデルを通じて決定ベクトル[0.9,0.9,0.9,0.9,0.5,0.1]を取得することと、
最後に、入力アドレスが制裁アドレスにヒットするという決定をSVM分類モデルが行うことと、
を特に含み、
ここで説明される制裁アドレスは、上記の危険アドレスとして理解することができる。
危険アドレス識別モデルをモデル化する場合に、パラメータ訓練を実行すること、及び最初に訓練アドレスコーパスを取得することであって、それが、サンプルアドレスとして理解され得ることと、
次に、訓練アドレスコーパスをクリーニングすること、及び訓練アドレスコーパスを標準アドレス文字列に分離することであって、それらが、アドレス語シーケンスとして理解され得ることと、
次に、初期ラベル付けモデル及び初期パラメータを取得するために、入力訓練アドレスコーパスを全世界的に走査し、照合し、且つラベル付けすることと、
を特に含んでもよい。
Claims (21)
- コンピュータによって実施される危険アドレス識別方法であって、
前記コンピュータが、入力アドレスに対応するアドレス語シーケンスを取得することと、
前記コンピュータが、前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することと、
前記コンピュータが、前記決定されたアドレス語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することと、
前記コンピュータが、決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて前記観察シーケンスを処理することであって、前記決定ベクトルが、前記アドレス語シーケンスに含まれるアドレス語に対応する前記危険アドレスの確率を表すことと、
前記コンピュータが、前記決定ベクトルに対して分類決定を行うことによって、前記入力アドレスが危険アドレスかどうかを識別することと、
を含み、
前記コンピュータが、前記決定されたアドレス語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することが、
前記コンピュータが、前記アドレス語シーケンスにおける前記決定されたアドレス語及び前記決定されたアドレス語の関連語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することを含み、前記関連語が、前記アドレス語シーケンスにおける前記決定されたアドレス語の前後のセマンティクスを反映する、
方法。 - 前記コンピュータが、入力アドレスに対応するアドレス語シーケンスを取得することが、
前記コンピュータが、入力アドレスを受信することと、
前記コンピュータが、前記入力アドレスに対応する前記アドレス語シーケンスを取得するために、前記入力アドレスに対してデータクリーニング処理及び単語分割処理を実行することと、
を含む、請求項1に記載の方法。 - 前記コンピュータが、前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することが、
前記コンピュータが、前記危険アドレスに対応する危険語を用いて、前記アドレス語シーケンスにおける前記アドレス語をそれぞれ照合することと、
前記コンピュータが、前記アドレス語の1つが、成功裏に一致する場合に、前記一致したアドレス語を前記危険アドレスに対応する危険語に一致するアドレス語としてラベル付けし決定することと、
を含む、請求項1に記載の方法。 - 前記コンピュータが、前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することが、
前記コンピュータが、成功裏に一致するアドレス語がない場合に、前記入力アドレスが危険アドレスではないと決定することを更に含む、請求項3に記載の方法。 - 前記コンピュータが、アドレス語の前後のセマンティクス学習に基づいて隠れマルコフモデルを取得することが、
前記コンピュータが、所定の訓練サンプルに従って初期パラメータを抽出し、前記初期パラメータに従って、隠れマルコフモデルパラメータを含む初期モデルを確立することであって、前記訓練サンプルが、危険アドレス又は非危険アドレスであることと、
前記コンピュータが、前記訓練サンプルに含まれるアドレス語及び前記アドレス語の前後のセマンティクスに従って、前記訓練サンプルに対応する観察シーケンスを生成することと、
前記コンピュータが、前記隠れマルコフモデルを取得するために、前記訓練サンプルに対応する前記初期モデル及び前記観察シーケンスに従って、前記隠れマルコフモデルパラメータを訓練することと、を含む、請求項1に記載の方法。 - 前記初期パラメータが、初期確率ベクトル及び状態遷移行列を含み、且つ
前記コンピュータが、所定の訓練サンプルに従って初期パラメータを抽出することが、
前記コンピュータが、複数の所定の訓練サンプルに基づいて、前記訓練サンプルに含まれるアドレス語に対して確率ラベル付けをそれぞれ実行することによって、初期確率ベクトルを取得することと、
前記コンピュータが、危険語と非危険語との間の、前記訓練サンプルに含まれる前記アドレス語の状態遷移確率に従って、サンプルアドレスの状態遷移行列を取得することと、
を含む、請求項5に記載の方法。 - 前記コンピュータが、前記隠れマルコフモデルを取得するために、前記訓練サンプルに対応する前記初期モデル及び前記観察シーケンスに従って、前記隠れマルコフモデルパラメータを訓練することが、
前記コンピュータが、前記訓練サンプルに対応する前記初期モデル及び前記観察シーケンスに従って、前記隠れマルコフモデルを取得するために前記隠れマルコフモデルパラメータを訓練するようにバウム−ウェルチアルゴリズムを用いることを含む、請求項5に記載の方法。 - 前記コンピュータが、前記決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて前記観察シーケンスを処理することが、
前記コンピュータが、決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習によって取得された前記隠れマルコフモデル、及びビタビアルゴリズムを用いて前記観察シーケンスを処理することを含む、請求項1に記載の方法。 - 前記コンピュータが、前記決定ベクトルに対して分類決定を行うことが、
前記コンピュータが、訓練を通じて取得されたサポートベクトルマシンモデルを用いて、前記決定ベクトルに対して分類決定を行うことを含む、請求項1に記載の方法。 - 前記コンピュータが、訓練を通じてサポートベクトルマシンモデルを取得することが、
前記コンピュータが、サポートベクトルマシン用の訓練サンプルを取得することと、
前記コンピュータが、前記サポートベクトルマシンの前記訓練サンプルに対応するサンプル特徴空間を取得するために、前記サポートベクトルマシンの前記訓練サンプルを高次元特徴空間にマッピングすることと、
前記コンピュータが、サンプル特徴を表すパラメータを前記サンプル特徴空間から取得し、前記サンプル特徴の前記パラメータに従って、前記サンプル特徴のカテゴリを決定するための判別関数を確立することと、
前記コンピュータが、前記サポートベクトルマシンモデルを取得するために、前記サポートベクトルマシンの前記訓練サンプルに基づいて、前記判別関数において、対応するサポートベクトルマシンモデルパラメータを訓練することと、
を含む、請求項9に記載の方法。 - 電子装置であって、
プロセッサと
前記プロセッサによって実行可能な命令を格納するメモリとを含み、
前記プロセッサが、
入力アドレスに対応するアドレス語シーケンスを取得することと、
前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することと、
前記決定されたアドレス語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することと、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて前記観察シーケンスを処理することであって、前記決定ベクトルが、前記アドレス語シーケンスに含まれるアドレス語に対応する前記危険アドレスの確率を表すことと、
前記決定ベクトルに対して分類決定を行うことによって、前記入力アドレスが危険アドレスかどうかを識別することと、
を行うように構成され、
前記決定されたアドレス語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することにおいて、前記プロセッサが、
前記アドレス語シーケンスにおける前記決定されたアドレス語及び前記決定されたアドレス語の関連語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することを行うように更に構成され、前記関連語が、前記アドレス語シーケンスにおける前記決定されたアドレス語の前後のセマンティクスを反映する、
電子装置。 - 入力アドレスに対応するアドレス語シーケンスを取得することにおいて、前記プロセッサが、
入力アドレスを受信することと、
前記入力アドレスに対応する前記アドレス語シーケンスを取得するために、前記入力アドレスに対してデータクリーニング処理及び単語分割処理を実行することと、
を行うように更に構成される、請求項11に記載の装置。 - 前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することにおいて、前記プロセッサが、
前記危険アドレスに対応する危険語を用いて、前記アドレス語シーケンスにおける前記アドレス語をそれぞれ照合することと、
前記アドレス語の1つが、成功裏に一致する場合に、前記一致したアドレス語を前記危険アドレスに対応する危険語に一致するアドレス語としてラベル付けし決定することと、
を行うように更に構成される、請求項11に記載の装置。 - 前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することにおいて、前記プロセッサが、
成功裏に一致するアドレス語がない場合に、前記入力アドレスが危険アドレスではないと決定することを行うように更に構成される、請求項13に記載の装置。 - 前記プロセッサが、
所定の訓練サンプルに従って初期パラメータを抽出し、前記初期パラメータに従って、隠れマルコフモデルパラメータを含む初期モデルを確立することであって、前記訓練サンプルが、危険アドレス又は非危険アドレスであることと、
前記訓練サンプルに含まれるアドレス語及び前記アドレス語の前後のセマンティクスに従って、前記訓練サンプルに対応する観察シーケンスを生成することと、
前記隠れマルコフモデルを取得するために、前記訓練サンプルに対応する前記初期モデル及び前記観察シーケンスに従って、前記隠れマルコフモデルパラメータを訓練することと、
を行うように更に構成される、請求項11に記載の装置。 - 前記初期パラメータが、初期確率ベクトル及び状態遷移行列を含み、且つ
所定の訓練サンプルに従って初期パラメータを抽出することにおいて、前記プロセッサが、
複数の所定の訓練サンプルに基づいて、前記訓練サンプルに含まれるアドレス語に対して確率ラベル付けをそれぞれ実行することによって、初期確率ベクトルを取得することと、
危険語と非危険語との間の、前記訓練サンプルに含まれる前記アドレス語の状態遷移確率に従って、サンプルアドレスの状態遷移行列を取得することと、
を行うように更に構成される、請求項15に記載の装置。 - 前記隠れマルコフモデルを取得するために、前記訓練サンプルに対応する前記初期モデル及び前記観察シーケンスに従って、前記隠れマルコフモデルパラメータを訓練することにおいて、前記プロセッサが、
前記訓練サンプルに対応する前記初期モデル及び前記観察シーケンスに従って、前記隠れマルコフモデルを取得するために前記隠れマルコフモデルパラメータを訓練するようにバウム−ウェルチアルゴリズムを用いることを行うように更に構成される、請求項15に記載の装置。 - 決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて前記観察シーケンスを処理することにおいて、前記プロセッサが、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習によって取得された前記隠れマルコフモデル、及びビタビアルゴリズムを用いて前記観察シーケンスを処理することを行うように更に構成される、請求項11に記載の装置。 - 前記決定ベクトルに対して分類決定を行うことにおいて、前記プロセッサが、
訓練を通じて取得されたサポートベクトルマシンモデルを用いて、前記決定ベクトルに対して分類決定を行うことを行うように更に構成される、請求項11に記載の装置。 - 訓練を通じてサポートベクトルマシンモデルを取得することにおいて、前記プロセッサが、
サポートベクトルマシン用の訓練サンプルを取得することと、
前記サポートベクトルマシンの前記訓練サンプルに対応するサンプル特徴空間を取得するために、前記サポートベクトルマシンの前記訓練サンプルを高次元特徴空間にマッピングすることと、
サンプル特徴を表すパラメータを前記サンプル特徴空間から取得し、前記サンプル特徴の前記パラメータに従って、前記サンプル特徴のカテゴリを決定するための判別関数を確立することと、
前記サポートベクトルマシンモデルを取得するために、前記サポートベクトルマシンの前記訓練サンプルに基づいて、前記判別関数において、対応するサポートベクトルマシンモデルパラメータを訓練することと、
を含む、請求項19に記載の装置。 - コンピュータプログラムを格納するコンピュータ可読記憶媒体であって、前記コンピュータプログラムが装置のプロセッサによって実行されると、前記装置に危険アドレス識別方法を実行させ、前記方法が、
入力アドレスに対応するアドレス語シーケンスを取得することと、
前記アドレス語シーケンスにおけるアドレス語を決定することであって、前記決定されたアドレス語が、危険アドレスに対応する危険語に一致することと、
前記決定されたアドレス語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することと、
決定ベクトルを取得するために、アドレス語の前後のセマンティクス学習に基づいて取得された隠れマルコフモデルを用いて前記観察シーケンスを処理することであって、前記決定ベクトルが、前記アドレス語シーケンスに含まれるアドレス語に対応する前記危険アドレスの確率を表すことと、
前記決定ベクトルに対して分類決定を行うことによって、前記入力アドレスが危険アドレスであるかどうかを識別することとを含み、
前記決定されたアドレス語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することが、
前記アドレス語シーケンスにおける前記決定されたアドレス語及び前記決定されたアドレス語の関連語に従って、前記アドレス語シーケンスに対応する観察シーケンスを生成することを含み、前記関連語が、前記アドレス語シーケンスにおける前記決定されたアドレス語の前後のセマンティクスを反映する、
コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710543805.4A CN107526967B (zh) | 2017-07-05 | 2017-07-05 | 一种风险地址识别方法、装置以及电子设备 |
CN201710543805.4 | 2017-07-05 | ||
PCT/CN2018/093791 WO2019007288A1 (zh) | 2017-07-05 | 2018-06-29 | 一种风险地址识别方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020524314A JP2020524314A (ja) | 2020-08-13 |
JP6894058B2 true JP6894058B2 (ja) | 2021-06-23 |
Family
ID=60748842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019542684A Active JP6894058B2 (ja) | 2017-07-05 | 2018-06-29 | 危険アドレス識別方法及びコンピュータ可読記憶媒体、並びに電子装置 |
Country Status (10)
Country | Link |
---|---|
US (2) | US10762296B2 (ja) |
EP (1) | EP3637295B1 (ja) |
JP (1) | JP6894058B2 (ja) |
KR (1) | KR102244417B1 (ja) |
CN (1) | CN107526967B (ja) |
MY (1) | MY201873A (ja) |
PH (1) | PH12019501823A1 (ja) |
SG (1) | SG11201907079QA (ja) |
TW (1) | TWI682302B (ja) |
WO (1) | WO2019007288A1 (ja) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423883B (zh) * | 2017-06-15 | 2020-04-07 | 创新先进技术有限公司 | 待处理业务的风险识别方法及装置、电子设备 |
CN107526967B (zh) * | 2017-07-05 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 一种风险地址识别方法、装置以及电子设备 |
CN108920457B (zh) * | 2018-06-15 | 2022-01-04 | 腾讯大地通途(北京)科技有限公司 | 地址识别方法和装置及存储介质 |
CN108876545A (zh) * | 2018-06-22 | 2018-11-23 | 北京小米移动软件有限公司 | 订单识别方法、装置和可读存储介质 |
CN109102303B (zh) * | 2018-06-28 | 2021-06-08 | 招联消费金融有限公司 | 风险检测方法和相关装置 |
CN109191226B (zh) * | 2018-06-29 | 2021-10-12 | 创新先进技术有限公司 | 风险控制方法和装置 |
CN112598321B (zh) * | 2018-07-10 | 2024-07-02 | 创新先进技术有限公司 | 一种风险防控方法、***及终端设备 |
CN109598000B (zh) * | 2018-12-28 | 2023-06-16 | 百度在线网络技术(北京)有限公司 | 语义关系识别方法、装置、计算机设备和存储介质 |
CN111488334B (zh) * | 2019-01-29 | 2023-04-14 | 阿里巴巴集团控股有限公司 | 数据处理方法及电子设备 |
CN110322252B (zh) * | 2019-05-30 | 2023-07-04 | 创新先进技术有限公司 | 风险主体识别方法以及装置 |
CN110335115A (zh) * | 2019-07-01 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种业务订单处理方法及装置 |
CN110348730A (zh) * | 2019-07-04 | 2019-10-18 | 创新奇智(南京)科技有限公司 | 风险用户判断方法及其***、电子设备 |
CN112579713B (zh) * | 2019-09-29 | 2023-11-21 | ***通信集团辽宁有限公司 | 地址识别方法、装置、计算设备及计算机存储介质 |
US11132512B2 (en) * | 2019-11-08 | 2021-09-28 | International Business Machines Corporation | Multi-perspective, multi-task neural network model for matching text to program code |
CN112988989B (zh) * | 2019-12-18 | 2022-08-12 | ***通信集团四川有限公司 | 一种地名地址匹配方法及服务器 |
CN113111232A (zh) * | 2020-02-13 | 2021-07-13 | 北京明亿科技有限公司 | 基于正则表达式的接处警文本地址提取方法和装置 |
CN111738358B (zh) * | 2020-07-24 | 2020-12-08 | 支付宝(杭州)信息技术有限公司 | 一种数据识别方法、装置、设备和可读介质 |
CN112818667B (zh) * | 2021-01-29 | 2024-07-02 | 上海寻梦信息技术有限公司 | 地址纠正方法、***、设备及存储介质 |
CN113343670B (zh) * | 2021-05-26 | 2023-07-28 | 武汉大学 | 基于隐马尔可夫与分类算法耦合的地址文本要素提取方法 |
CN114528908A (zh) * | 2021-12-31 | 2022-05-24 | 安徽航天信息有限公司 | 网络请求数据分类模型训练方法、分类方法及存储介质 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8812300B2 (en) * | 1998-03-25 | 2014-08-19 | International Business Machines Corporation | Identifying related names |
JP4497834B2 (ja) * | 2003-04-28 | 2010-07-07 | パイオニア株式会社 | 音声認識装置及び音声認識方法並びに音声認識用プログラム及び情報記録媒体 |
JP4545540B2 (ja) * | 2004-10-01 | 2010-09-15 | 三菱電機株式会社 | アクセス防止装置 |
JP4639784B2 (ja) * | 2004-12-06 | 2011-02-23 | ソニー株式会社 | 学習装置および学習方法、並びにプログラム |
US7590536B2 (en) * | 2005-10-07 | 2009-09-15 | Nuance Communications, Inc. | Voice language model adjustment based on user affinity |
EP2013791A4 (en) * | 2006-05-04 | 2011-04-20 | Jpmorgan Chase Bank Na | SYSTEM AND METHOD FOR RESOLUTION AND FILTERING SERVICES OF LIMITED PARTICIPANTS |
US7668921B2 (en) * | 2006-05-30 | 2010-02-23 | Xerox Corporation | Method and system for phishing detection |
JPWO2008004663A1 (ja) * | 2006-07-07 | 2009-12-10 | 日本電気株式会社 | 言語モデル更新装置、言語モデル更新方法、および言語モデル更新用プログラム |
US7590707B2 (en) * | 2006-08-07 | 2009-09-15 | Webroot Software, Inc. | Method and system for identifying network addresses associated with suspect network destinations |
US7984500B1 (en) * | 2006-10-05 | 2011-07-19 | Amazon Technologies, Inc. | Detecting fraudulent activity by analysis of information requests |
KR100897553B1 (ko) * | 2007-01-04 | 2009-05-15 | 삼성전자주식회사 | 사용자의 기기 사용 패턴을 이용한 음성 인식 방법 및 장치 |
US8805861B2 (en) * | 2008-12-09 | 2014-08-12 | Google Inc. | Methods and systems to train models to extract and integrate information from data sources |
CN101923618B (zh) * | 2010-08-19 | 2011-12-21 | 中国航天科技集团公司第七一0研究所 | 一种基于隐马尔可夫模型的汇编指令级漏洞检测方法 |
US8468167B2 (en) * | 2010-10-25 | 2013-06-18 | Corelogic, Inc. | Automatic data validation and correction |
CN102339320B (zh) * | 2011-11-04 | 2013-08-28 | 华为数字技术(成都)有限公司 | 恶意网页的识别方法以及识别装置 |
US9275339B2 (en) * | 2012-04-24 | 2016-03-01 | Raytheon Company | System and method for probabilistic name matching |
CN103810425B (zh) * | 2012-11-13 | 2015-09-30 | 腾讯科技(深圳)有限公司 | 恶意网址的检测方法及装置 |
TWI461952B (zh) * | 2012-12-26 | 2014-11-21 | Univ Nat Taiwan Science Tech | 惡意程式偵測方法與系統 |
US9178901B2 (en) * | 2013-03-26 | 2015-11-03 | Microsoft Technology Licensing, Llc | Malicious uniform resource locator detection |
CN103220302A (zh) * | 2013-05-07 | 2013-07-24 | 腾讯科技(深圳)有限公司 | 恶意网址的访问防御方法和相关装置 |
CN103530562A (zh) * | 2013-10-23 | 2014-01-22 | 腾讯科技(深圳)有限公司 | 一种恶意网站的识别方法和装置 |
CN104217160B (zh) * | 2014-09-19 | 2017-11-28 | 中国科学院深圳先进技术研究院 | 一种中文钓鱼网站检测方法及*** |
CN106205220A (zh) * | 2015-01-07 | 2016-12-07 | 江苏理工学院 | 空中交通管制方法 |
US10049099B2 (en) * | 2015-04-10 | 2018-08-14 | Facebook, Inc. | Spell correction with hidden markov models on online social networks |
CN104766014B (zh) * | 2015-04-30 | 2017-12-01 | 安一恒通(北京)科技有限公司 | 用于检测恶意网址的方法和*** |
CN106296195A (zh) * | 2015-05-29 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种风险识别方法及装置 |
CN104933443A (zh) * | 2015-06-26 | 2015-09-23 | 北京途美科技有限公司 | 一种敏感数据自动识别与分类的方法 |
CN105574146A (zh) * | 2015-12-15 | 2016-05-11 | 北京奇虎科技有限公司 | 网址拦截方法及装置 |
CN105447204B (zh) * | 2016-01-04 | 2017-12-12 | 北京百度网讯科技有限公司 | 网址识别方法和装置 |
CN106682502B (zh) * | 2016-12-13 | 2019-07-19 | 重庆邮电大学 | 基于隐马尔可夫和概率推断的入侵意图识别***及方法 |
CN107526967B (zh) * | 2017-07-05 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 一种风险地址识别方法、装置以及电子设备 |
-
2017
- 2017-07-05 CN CN201710543805.4A patent/CN107526967B/zh active Active
-
2018
- 2018-05-16 TW TW107116561A patent/TWI682302B/zh active
- 2018-06-29 WO PCT/CN2018/093791 patent/WO2019007288A1/zh unknown
- 2018-06-29 SG SG11201907079QA patent/SG11201907079QA/en unknown
- 2018-06-29 JP JP2019542684A patent/JP6894058B2/ja active Active
- 2018-06-29 MY MYPI2019004454A patent/MY201873A/en unknown
- 2018-06-29 KR KR1020197023966A patent/KR102244417B1/ko active IP Right Grant
- 2018-06-29 EP EP18827964.0A patent/EP3637295B1/en active Active
-
2019
- 2019-08-06 PH PH12019501823A patent/PH12019501823A1/en unknown
- 2019-10-04 US US16/592,895 patent/US10762296B2/en active Active
-
2020
- 2020-01-29 US US16/775,913 patent/US10699076B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR20200015444A (ko) | 2020-02-12 |
JP2020524314A (ja) | 2020-08-13 |
SG11201907079QA (en) | 2019-08-27 |
CN107526967A (zh) | 2017-12-29 |
TWI682302B (zh) | 2020-01-11 |
US20200167526A1 (en) | 2020-05-28 |
MY201873A (en) | 2024-03-21 |
WO2019007288A1 (zh) | 2019-01-10 |
EP3637295A4 (en) | 2020-04-29 |
US20200034426A1 (en) | 2020-01-30 |
TW201907325A (zh) | 2019-02-16 |
EP3637295B1 (en) | 2021-08-04 |
CN107526967B (zh) | 2020-06-02 |
EP3637295A1 (en) | 2020-04-15 |
US10699076B2 (en) | 2020-06-30 |
US10762296B2 (en) | 2020-09-01 |
PH12019501823A1 (en) | 2019-10-07 |
KR102244417B1 (ko) | 2021-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6894058B2 (ja) | 危険アドレス識別方法及びコンピュータ可読記憶媒体、並びに電子装置 | |
CN110363049B (zh) | 图形元素检测识别和类别确定的方法及装置 | |
JP6335898B2 (ja) | 製品認識に基づく情報分類 | |
CN110276023B (zh) | Poi变迁事件发现方法、装置、计算设备和介质 | |
TW202020691A (zh) | 特徵詞的確定方法、裝置和伺服器 | |
US20210358570A1 (en) | Method and system for claim scope labeling, retrieval and information labeling of gene sequence | |
CN109948140B (zh) | 一种词向量嵌入方法及装置 | |
JP2011150546A (ja) | 認識装置 | |
CN114239566B (zh) | 基于信息增强实现两步中文事件精准检测的方法、装置、处理器及其计算机可读存储介质 | |
CN111401062B (zh) | 文本的风险识别方法、装置及设备 | |
CN111159354A (zh) | 一种敏感资讯检测方法、装置、设备及*** | |
CN112417093A (zh) | 一种模型训练的方法及装置 | |
CN110033092B (zh) | 数据标签生成、模型训练、事件识别方法和装置 | |
WO2012085923A1 (en) | Method and system for classification of moving objects and user authoring of new object classes | |
CN111368902A (zh) | 一种数据标注的方法及装置 | |
CN114860905A (zh) | 意图识别方法、装置及设备 | |
CN110781292A (zh) | 文本数据多层次分类方法、装置、电子设备和存储介质 | |
CN107562715B (zh) | 词向量处理方法、装置以及电子设备 | |
CN111046658B (zh) | 一种乱序文本识别方法、装置及设备 | |
CN110399984B (zh) | 一种信息的预测方法、***以及电子设备 | |
CN111598092A (zh) | 图像中目标区域的确定方法、目标识别方法及装置 | |
CN112579774B (zh) | 模型训练方法、模型训练装置及终端设备 | |
CN117334186B (zh) | 一种基于机器学***台 | |
CN115905456B (zh) | 一种数据识别方法、***、设备及计算机可读存储介质 | |
CN117094032B (zh) | 一种基于隐私保护的用户信息加密方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191218 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200622 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200622 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200902 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201130 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201218 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210114 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6894058 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |