本發(fā)明提供一種基于hVAE生成模型的入侵檢測(cè)方法及系統(tǒng)，所述方法包括生成hVAE生成模型；利用hVAE生成模型生成入侵檢測(cè)所需的數(shù)據(jù)集；該方法及系統(tǒng)，在生成數(shù)據(jù)集過(guò)程中，在VAE的基礎(chǔ)之上，引入了權(quán)重參數(shù)λ，在求取hVAE生成模型整體的...

本發(fā)明提供一種基于密度聚類(lèi)的郵箱賬號(hào)異常登錄行為檢測(cè)方法及設(shè)備，該方法包括：獲取登錄日志信息，對(duì)所述登錄日志信息清洗后提取所述登錄日志信息中的目標(biāo)特征信息；對(duì)所述目標(biāo)特征信息進(jìn)行特征處理得到對(duì)應(yīng)的特征值；通過(guò)特征選擇算法從所述特征值中確...

本發(fā)明提供一種基于自動(dòng)編碼器的無(wú)監(jiān)督未知攻擊檢測(cè)方法及系統(tǒng)，所述方法和系統(tǒng)包括對(duì)數(shù)據(jù)集進(jìn)行特征簡(jiǎn)約處理，獲得新的數(shù)據(jù)集；將新的數(shù)據(jù)集輸入到無(wú)監(jiān)督分類(lèi)器進(jìn)行訓(xùn)練獲得檢測(cè)模型；利用檢測(cè)模型對(duì)待檢測(cè)數(shù)據(jù)集進(jìn)行檢測(cè)；所述方法和系統(tǒng)首先利用相關(guān)性...

本發(fā)明涉及一種基于用戶(hù)行為預(yù)測(cè)的傳播內(nèi)容增強(qiáng)方法及系統(tǒng)，該方法包括：根據(jù)文本內(nèi)容相關(guān)的用戶(hù)歷史行為數(shù)據(jù)進(jìn)行文本特征詞提取；通過(guò)提取的文本特征詞和用戶(hù)歷史數(shù)據(jù)訓(xùn)練用戶(hù)行為的預(yù)測(cè)分類(lèi)器；面向需要預(yù)測(cè)的文本內(nèi)容，通過(guò)預(yù)測(cè)分類(lèi)器預(yù)測(cè)用戶(hù)群體對(duì)此...

本發(fā)明公開(kāi)了一種面向多版本非結(jié)構(gòu)化數(shù)據(jù)語(yǔ)義信息的查詢(xún)方法及裝置。所述方法包括：獲取各版本的非結(jié)構(gòu)化數(shù)據(jù)；針對(duì)每一版本的非結(jié)構(gòu)化數(shù)據(jù)，基于提取語(yǔ)義信息使用的人工智能模型，獲取所述語(yǔ)義信息的版本；基于各人工智能模型之間的修改關(guān)系，構(gòu)建并保存...

本申請(qǐng)公開(kāi)了用于管理信息系統(tǒng)的工作流生成方法以及裝置，其中所述方法應(yīng)用于工作流服務(wù)器，所述方法包括：配置業(yè)務(wù)規(guī)則及環(huán)節(jié)模板，在工作流定義中，新建環(huán)節(jié)或者引入環(huán)節(jié)模板形成新環(huán)節(jié)，將所述環(huán)節(jié)在所述工作流中串行連接；實(shí)際運(yùn)行中，將業(yè)務(wù)數(shù)據(jù)傳入...

本發(fā)明公開(kāi)了一種基于機(jī)器學(xué)習(xí)輔助的負(fù)載均衡方法及系統(tǒng)，本方法包括：1)輸入模塊接收待計(jì)算的計(jì)算任務(wù)，并將其傳遞給預(yù)測(cè)模塊；2)預(yù)測(cè)模塊預(yù)測(cè)每一計(jì)算任務(wù)所需要的計(jì)算時(shí)間并將其發(fā)送給規(guī)劃模塊；3)規(guī)劃模塊依據(jù)計(jì)算時(shí)間，在分布式計(jì)算集群上對(duì)計(jì)...

本發(fā)明公開(kāi)了一種基于FETI的高精細(xì)流致振動(dòng)模擬方法，首先讀入相應(yīng)的算例數(shù)據(jù)，并采用NewMark方法對(duì)流致振動(dòng)動(dòng)力學(xué)過(guò)程進(jìn)行數(shù)值離散。其次采用FETI方法對(duì)離散后的方程進(jìn)行并行分解，子域在劃分邊界處由拉格朗日乘子進(jìn)行粘合，提出域邊界平...

本發(fā)明公開(kāi)了一種標(biāo)識(shí)體系互通系統(tǒng)及方法。本方法為：1)各用戶(hù)分別依據(jù)資源類(lèi)型從存儲(chǔ)服務(wù)器所提供的標(biāo)識(shí)體系中選擇一標(biāo)識(shí)體系；然后用戶(hù)根據(jù)所選標(biāo)識(shí)體系的要求提交注冊(cè)標(biāo)識(shí)的標(biāo)識(shí)符及所上傳資源數(shù)據(jù)的元數(shù)據(jù)給所述存儲(chǔ)服務(wù)器；2)所述存儲(chǔ)服務(wù)器根據(jù)...

本發(fā)明公開(kāi)了一種面向多版本非結(jié)構(gòu)化數(shù)據(jù)的語(yǔ)義信息查詢(xún)方法及裝置。所述方法包括：獲取查詢(xún)語(yǔ)句；將所述查詢(xún)語(yǔ)句解析為抽象語(yǔ)法樹(shù)；在節(jié)點(diǎn)查找節(jié)點(diǎn)運(yùn)行所述節(jié)點(diǎn)查找算子，獲取指定的對(duì)象屬性計(jì)算節(jié)點(diǎn)；在版本抽取節(jié)點(diǎn)基于所述查詢(xún)語(yǔ)句，得到非結(jié)構(gòu)化數(shù)據(jù)...

本申請(qǐng)公開(kāi)了一種用戶(hù)認(rèn)證方法、服務(wù)器和系統(tǒng)，其中方法包括：設(shè)置與目標(biāo)計(jì)算集群對(duì)應(yīng)的認(rèn)證模塊；獲取用戶(hù)認(rèn)證端發(fā)送的認(rèn)證請(qǐng)求信息，認(rèn)證請(qǐng)求信息包括賬號(hào)類(lèi)型和身份認(rèn)證信息；根據(jù)賬號(hào)類(lèi)型確定出與用戶(hù)對(duì)應(yīng)的身份認(rèn)證源；在身份認(rèn)證源為目標(biāo)計(jì)算集群的...

本發(fā)明涉及一種多智能體強(qiáng)化學(xué)習(xí)訓(xùn)練方法及系統(tǒng)，其方法包括：局部策略訓(xùn)練階段，智能體局部策略利用自身的局部觀(guān)測(cè)信息做出動(dòng)作；全局策略訓(xùn)練階段，智能體的全局策略利用局部策略作為與環(huán)境交互的動(dòng)作模塊，全局策略以環(huán)境全局狀態(tài)作為輸入，給出對(duì)全局...

本申請(qǐng)?zhí)峁┮环N基于時(shí)間和空間注意力的短期時(shí)序預(yù)測(cè)方法及系統(tǒng)，其中，方法包括，獲取歷史時(shí)間步長(zhǎng)的預(yù)測(cè)目標(biāo)數(shù)據(jù)和相關(guān)外源特征的數(shù)據(jù)作為第一、第二序列，歷史時(shí)間步長(zhǎng)內(nèi)與預(yù)測(cè)目標(biāo)具有空間相關(guān)性的第三序列，未來(lái)時(shí)間步長(zhǎng)內(nèi)對(duì)相關(guān)外源特征進(jìn)行科學(xué)預(yù)測(cè)...

本發(fā)明涉及一種基于分布式技術(shù)的蛋白質(zhì)結(jié)構(gòu)推理方法，方法包括：獲取蛋白質(zhì)結(jié)構(gòu)推理所需要的數(shù)據(jù)集；在AlphaFold2的Data Pipeline模塊中，使用分布式計(jì)算流對(duì)所述數(shù)據(jù)集進(jìn)行并行搜索，得到多序列比對(duì)MSA表征和模板表征；在Al...

本發(fā)明提供了一種海洋旋渦演化分析方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，涉及海洋信息技術(shù)技術(shù)領(lǐng)域，包括構(gòu)建海洋旋渦流程模型；提取海洋旋渦演化過(guò)程中的關(guān)鍵事件,根據(jù)旋渦檢測(cè)方法和追蹤方法，識(shí)別海洋旋渦并進(jìn)行追蹤；根據(jù)識(shí)別后的所述海洋旋渦和所述關(guān)鍵...

本發(fā)明提供一種實(shí)時(shí)高速網(wǎng)絡(luò)TCP協(xié)議旁路批量主機(jī)阻斷方法及系統(tǒng)，所述方法包括獲取需要阻斷的I P列表；通過(guò)旁路分析高速網(wǎng)絡(luò)的TCP數(shù)據(jù)包，判斷TCP數(shù)據(jù)包的源I P地址或目的I P地址是否在I P列表內(nèi)，如果在，生成對(duì)應(yīng)的偽造的rese...

本發(fā)明公開(kāi)了一種面向科研立項(xiàng)查重的句向量生成方法及查重方法。本發(fā)明句向量生成方法為：1)對(duì)于一科研項(xiàng)目申報(bào)書(shū)的文本進(jìn)行分詞，計(jì)算每一分詞w的詞頻及詞頻權(quán)重；2)設(shè)置每一分詞w的詞性權(quán)重；3)根據(jù)分詞w所在句子在所述文本中的位置，確定該句...

本發(fā)明公開(kāi)了一種基于生成對(duì)抗網(wǎng)絡(luò)的模糊多目標(biāo)投資組合優(yōu)化方法，該方法包括以下步驟：基于生成對(duì)抗網(wǎng)絡(luò)構(gòu)建時(shí)間序列生成模型，通過(guò)從對(duì)抗訓(xùn)練過(guò)程中學(xué)到的未來(lái)資產(chǎn)收益的后驗(yàn)概率分布中采樣，產(chǎn)生數(shù)個(gè)候選資產(chǎn)的未來(lái)收益模擬，并在此基礎(chǔ)上計(jì)算三角模糊...

本申請(qǐng)?zhí)峁┝艘环N聲爆波反演方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：通過(guò)給定一個(gè)目標(biāo)遠(yuǎn)場(chǎng)，該目標(biāo)遠(yuǎn)場(chǎng)對(duì)應(yīng)的聲波對(duì)地面的物體以及建筑物的影響較低，因此，基于該目標(biāo)遠(yuǎn)場(chǎng)，結(jié)合深度學(xué)習(xí)進(jìn)行聲爆波反演，從而能夠快速而精準(zhǔn)地確定目標(biāo)遠(yuǎn)場(chǎng)對(duì)應(yīng)的近場(chǎng)，...

本發(fā)明公開(kāi)了一種對(duì)象存儲(chǔ)數(shù)據(jù)異步備份方法及系統(tǒng)，其中，方法包括以下步驟：設(shè)置備份點(diǎn)與對(duì)象異步備份狀態(tài)標(biāo)識(shí)；在源對(duì)象存儲(chǔ)集群的N臺(tái)服務(wù)器上進(jìn)行配置，構(gòu)建分布式異步備份集群；將備份腳本分發(fā)至分布式異步備份集群的每個(gè)節(jié)點(diǎn)并定時(shí)執(zhí)行；在整個(gè)異步...