用户识别

摘要： 本文结合目前电信诈骗的应用形式和要点,通过数据挖掘技术综合提升信息技术的应用水平,结合大数据算法强化数据综合侦查和监管等基本措施,通过强化犯罪预警机制,完善电信诈骗取证流程,提升侦查工作的信息处理效率,对此本文针对相关技术的应用及系统设计展开了相关的探讨。

摘要： 为了提升传统社交网络用户身份识别方法的识别效果,设计并提出基于偏好逻辑的社交网络用户身份识别方法。结合偏好逻辑系统,实现社交网络用户的偏好处理;同时通过种子节点周围的信息,采用逻辑回归模型,与另外一个网络中种子节点周围的节点进行对比,对用户信息属性信息以及周围的环境信息不断识别并建立新的链接;最后将新的匹配用户作为种子节点放置到集合中,随着种子节点的传播,通过迭代获取越来越多的链接,实现社交网络用户身份识别。仿真结果表明,所提方法具有较高的识别率以及较强的实用性。

摘要： 为贯彻落实《安徽省发展改革委关于农业生产用电价格有关事项的补充通知》,通过应用本研究,对标学习沪苏浙等省市好经验、好做法,精准智能识别制茶企业用户,以黄山采茶用户的精准识别方法为例,极大的增强了农用电保障力度。

摘要： 针对跨社交网络的同一用户识别问题,提出了一种综合用户兴趣、写作风格和档案属性的识别方法。通过在这3种不同的特征维度下分别判定用户关系,然后综合判定结果 ,提高同一用户识别准确性。其中,用户兴趣分为静态兴趣和动态兴趣,静态兴趣采用TextRank算法从用户背景信息中提取,动态兴趣则利用主题模型从用户发表的文本内容中挖掘出随时间变化的兴趣点。对于用户写作风格则通过One-Class SVM算法进行识别,最后利用信息熵赋权法比较用户档案属性相似度。实验结果表明,与传统机器学习算法相比,所提算法精确率、召回率均有所提升。

摘要： 分析与研究公有链交易数据及系统用户行为对于保证公有链应用安全至关重要。比特币作为公有链的代表性应用,是一种基于P2P网络的电子现金系统。比特币交易地址具有匿名特征,无法关联到用户真实信息,这使得比特币溯源非常困难。为识别比特币中交易地址间的关联关系,推断出用户真实信息,提出一种基于交易网络的用户识别方法。对比特币区块数据进行预处理,通过解析比特币区块数据中的脚本信息,将比特币原始交易数据处理为更加直观的数据格式。衡量交易输入与输出地址间的相似程度,根据交易地址关联信息识别出比特币匿名地址对应的所有用户。在实验中应用真实的比特币区块数据,利用可视化方式对用户识别结果进行分析,结果表明该方法不受交易规则的限制,能对比特币匿名地址进行有效识别,且随着比特币区块数量的增加,识别准确率基本稳定于80%。

摘要： 阐述网络通信中的信息安全特点,存在的问题,应对的措施,包括加强对通信IP协议的保护、用户识别技术的应用、防范病毒设置防火墙,从而避免计算机受到外部病毒的侵害。

摘要： 为减小用户窃电行为对电网运营造成的负面影响、提高窃电巡检能力和识别窃电用户的准确率,提出基于改进粒子群算法(BFO-PSO)的前馈神经网络模型用于识别用户窃电行为。以某市近四年的用电数据为基础,通过特征提取,得到四个对窃电行为影响较大的特征作为输入样本,构建基于BFO-PSO算法的前馈神经网络识别模型,利用BFO-PSO计算BP神经网络模型的最优权重值。对比BP神经网络模型、基于遗传算法的BP神经网络模型及基于BFO-PSO的BP神经网络模型识别结果发现,基于BFO-PSO的BP神经网络模型能够更好地识别出窃电用户,识别准确率高达94%,训练速度提升了5%,有望广泛应用于窃电用户识别中。

摘要： 随着互联网的快速发展,社交网络不断影响着人们的生活方式,其使用率也在不断提高.随着社交网络的发展以及其多样性的特征,用户可能同时具有多个社交网络的账号.如果能够识别出同一用户在不同社交网络中的账号,就能够整合出该用户较为全面的信息,从而挖掘出一些隐藏的信息,对于好友推荐、广告推荐、信息扩散的研究也很有帮助.目前用户识别研究主要是基于用户属性的用户识别和基于社交关系的用户识别.随着用户越来越注重个人隐私保护,社交网络的数据获取限制越来越严格,用户识别也面临巨大挑战.近年来,跨社交网络用户识别也受到学术界的广泛关注.本文整理和归纳了跨社交网络用户识别研究现状,并对未来的研究方向做出展望.

摘要： 随着科技的迅速发展,智能手机安全性的问题越来越受人们关注,用户识别认证在保证智能手机安全方面扮演着重要的角色.提出了一种基于微机电系统(Microelectro Mechanical Systems,MEMS)传感器步态信号持续同调的用户识别的新方法,MEMS传感器信号中的混沌不变量(伪周期性)可以由相空间中的拓扑特征来表示,通过持续同调提取相空间拓扑特征,建立不同用户的持续同调模型.利用持续同调特点,进一步简化持续同调为概率密度,并使用K-L散度度量不同用户模型间的差异,最终利用MEMS传感器信号实现无须用户主动参与的身份认证.为验证持续同调模型,采用十个不同用户,两种运动状态数据,通过仿真完成用户识别,结果表明识别的平均准确率达到95.3％.

摘要： 近年来,许多社交网络平台为保护用户的隐私限制了网络结构获取API的访问频率,这给跨社交网络的用户识别带来了新的挑战.针对此问题,本文提出一种融合多特征的跨社交网络用户在线识别方法(Multi-feature Cross-social network User Online Recognition method,MCUOR).该方法改进了属性相似度计算方法,设计了动态爬虫策略DYN实现在API限制范围内获取更多有效结构信息,结合好友权重改进了加权Jaccard相似度从而改进了局部结构特征的提取方法,最后利用逻辑回归模型结合属性特征和局部结构特征构建用户识别模型对用户进行跨社交网络用户在线识别.真实数据集上的实验结果表明爬虫策略DYN实现了有限API的优质调配,与其他方法相比MCUOR方法提高了用户识别精确度和召回率.

摘要： 出勤率对于企业,办公场所,大学课堂十分重要,良好的出勤率既可以保证工作稳定有序的运行,也能提高成员的工作热情;同时这些场所也是安全意识亟待提高的重灾区,在大学的实验室,企业的办公楼失窃事件屡见不鲜.本文针对实验室成员考勤以及实验室安全的具体场景,在MTCNN训练模型上增强鲁棒性,在传统的优秀视觉算法局部二进制编码直方图(LBPH)的基础上,加以改进,提出基于敏感特征识别的SLBPH算法,在数据测试集FEI和CASIA FACEV5上识别率均有明显提高,可以在CPU上高速准确识别多数人员,并进行后台签到;对于陌生成员,有提取面部图像功能并标识.

摘要： 数据预处理是Web使用挖掘的一个关键环节,其结果直接影响到后续的事务识别、路径分析、关联规则挖掘和序列模式挖掘的结果.提出了一种用户识别的通用算法、路径补充的启发式策略和基于主题规约的方法,并用实验证明了其高效性.

摘要： 现在有各种不同的可商用无线宽带接入网络(WBAN)技术,如WLAN、MMDS、LMDS等.为了提供公众无线宽带接入网络(PWBAN)服务,本文结合现有的宽带接入网络提出了几种建议的公众无线宽带接入控制模式;阐述了公众无线宽带接入用户识别、漫游、接入安全等重要功能的考虑.

摘要： 随着网络游戏的流行以及虚拟经济和实体经济之间的界限变得模糊,在线游戏中的欺诈行为在数量和方法上激增,使得游戏市场存在各种形式的安全威胁.针对在线游戏平台上出现的'薅羊毛'欺诈行为,文章提出一种基于数据挖掘技术的非法机器人用户识别算法.利用游戏机器人用户之间的特征相似性自定义距离函数,用于衡量非法用户之间的相似性,并用于聚类.根据聚类结果确定非法用户集群,完成批量封号.文章提出的方法切实有效,满足了实际应用的要求.

摘要： 识别微博平台中的水军是一个很有意义的研究问题,目前识别水军的方法多从用户的微博数、注册时间、好友数量等静态属性出发,人工定性地判别水军,然而这些方法很难在实际应用中取得很好的效果.深入分析用户的各种属性与行为,构建能够区分普通用户和水军的属性特征与行为特征,将用户的属性特征作为识别水军的前提条件,而行为特征则是判别其是否为水军的验证结果.依据概率图模型思想,属性特征可以作为模型的输入变量,行为特征是观测变量,用户为水军的概率则是输入与观测变量之间的隐变量,构建一个识别微博水军的概率图模型计算用户为水军的概率.将2个国内外最具代表性的微博平台作为实验对象,分别在2个数据集上进行实验,结果表明提出的模型能够有效地发现各微博平台中的水军.

摘要： 识别微博平台中的水军是一个很有意义的研究问题,目前识别水军的方法多从用户的微博数、注册时间、好友数量等静态属性出发,人工定性地判别水军,然而这些方法很难在实际应用中取得很好的效果.深入分析用户的各种属性与行为,构建能够区分普通用户和水军的属性特征与行为特征,将用户的属性特征作为识别水军的前提条件,而行为特征则是判别其是否为水军的验证结果.依据概率图模型思想,属性特征可以作为模型的输入变量,行为特征是观测变量,用户为水军的概率则是输入与观测变量之间的隐变量,构建一个识别微博水军的概率图模型计算用户为水军的概率.将2个国内外最具代表性的微博平台作为实验对象,分别在2个数据集上进行实验,结果表明提出的模型能够有效地发现各微博平台中的水军.

摘要： 识别微博平台中的水军是一个很有意义的研究问题,目前识别水军的方法多从用户的微博数、注册时间、好友数量等静态属性出发,人工定性地判别水军,然而这些方法很难在实际应用中取得很好的效果.深入分析用户的各种属性与行为,构建能够区分普通用户和水军的属性特征与行为特征,将用户的属性特征作为识别水军的前提条件,而行为特征则是判别其是否为水军的验证结果.依据概率图模型思想,属性特征可以作为模型的输入变量,行为特征是观测变量,用户为水军的概率则是输入与观测变量之间的隐变量,构建一个识别微博水军的概率图模型计算用户为水军的概率.将2个国内外最具代表性的微博平台作为实验对象,分别在2个数据集上进行实验,结果表明提出的模型能够有效地发现各微博平台中的水军.

摘要： 识别微博平台中的水军是一个很有意义的研究问题,目前识别水军的方法多从用户的微博数、注册时间、好友数量等静态属性出发,人工定性地判别水军,然而这些方法很难在实际应用中取得很好的效果.深入分析用户的各种属性与行为,构建能够区分普通用户和水军的属性特征与行为特征,将用户的属性特征作为识别水军的前提条件,而行为特征则是判别其是否为水军的验证结果.依据概率图模型思想,属性特征可以作为模型的输入变量,行为特征是观测变量,用户为水军的概率则是输入与观测变量之间的隐变量,构建一个识别微博水军的概率图模型计算用户为水军的概率.将2个国内外最具代表性的微博平台作为实验对象,分别在2个数据集上进行实验,结果表明提出的模型能够有效地发现各微博平台中的水军.

摘要： 识别微博平台中的水军是一个很有意义的研究问题,目前识别水军的方法多从用户的微博数、注册时间、好友数量等静态属性出发,人工定性地判别水军,然而这些方法很难在实际应用中取得很好的效果.深入分析用户的各种属性与行为,构建能够区分普通用户和水军的属性特征与行为特征,将用户的属性特征作为识别水军的前提条件,而行为特征则是判别其是否为水军的验证结果.依据概率图模型思想,属性特征可以作为模型的输入变量,行为特征是观测变量,用户为水军的概率则是输入与观测变量之间的隐变量,构建一个识别微博水军的概率图模型计算用户为水军的概率.将2个国内外最具代表性的微博平台作为实验对象,分别在2个数据集上进行实验,结果表明提出的模型能够有效地发现各微博平台中的水军.

摘要： 针对用户删除Cookie导致的Web日志用户标志不准确的情况，提出了一种基于支持向量机的用户标志修正算法。首先训练一个分类器判断两个会话是否属于同一个用户，然后计算两个不同标志用户之间的相似度，最后将日志进行分组，发现所有删除Cookie的用户并进行标志的修正。通过实验验证了算法的有效性.

摘要： 本发明涉及用户意图识别方法以及系统。该方法包括：关键实体识别步骤，对于用户对话文字以词为单位进行自然语言处理技术分析得到命名实体作为用户意图参数候选；以及用户意图判断步骤，对于所述用户对话文字进行依存语法分析，并且根据预设的用户意图关键候选集逐词模糊匹配得到意图关键词，判断所述意图关键词与所述关键实体识别步骤获得的所述用户意图参数候选之间的依存关系，并且仅在存在所述依存关系的情况下输出用户意图识别结果。根据本发明，能够更准确和全面地识别用户意图。

摘要： 本公开是关于用户身份识别卡管理方法和用户身份识别卡管理装置，方法适用于终端，终端包括多个用户身份识别卡，方法包括：确定目标程序是否在运行；若目标程序在运行，在多个用户身份识别卡中确定目标程序进行通信所使用的目标用户身份识别卡；控制多个用户身份识别卡中目标用户身份识别卡以外的其他用户身份识别卡停止工作。根据本公开的实施例，通过控制多个用户身份识别卡中目标用户身份识别卡以外的其他用户身份识别卡，保证了多个用户身份识别卡中仅目标用户身份识别卡通过终端的天线进行通信，天线不会被复用，从而保证对于第一个用户身份识别卡具有较高的增益，进而保证目标程序通过第一个用户身份识卡通信具有良好的通信质量。

摘要： 本申请公开了一种用户意图识别方法、用户意图识别装置和计算机可读存储介质，该用户意图识别方法包括：对获取到的音视频数据进行处理，生成识别结果，识别结果包括多个子识别结果；从多个子识别结果中确定出第一子识别结果与第二子识别结果；利用第二子识别结果对第一子识别结果进行修正，生成修正识别结果；基于修正识别结果，获取用户意图信息。通过上述方式，本申请能够多维度地准确识别出用户意图，提升意图识别的准确性。

摘要： 本发明涉及人工智能技术领域，提供一种用户意图识别模型的生成方法、用户意图识别方法和设备。生成方法包括：基于逐层知识蒸馏训练包含多层编码网络的教师模型，获得目标教师模型的每层编码网络的输出Logits；基于包含多层卷积网络的学生模型，根据包含学生模型的输出结果与训练数据的真实标签之间的交叉熵损失、及各层卷积网络的输出结果与各层编码网络的输出Logits之间的交叉熵损失的目标损失函数，进行可微神经网络结构搜索，获得目标学生模型；根据目标学生模型的输出结果与真实标签之间的交叉熵损失，对目标学生模型进行微调，获得用户意图识别模型。本发明通过知识蒸馏、可微搜索和微调，自动获得用户意图识别模型，减少模型参数量和硬件资源消耗。

摘要： 本申请涉及一种嵌入式用户识别卡开发平台、嵌入式用户识别卡配置方法、装置、计算机设备和存储介质。该平台包括基带处理器以及目标应用程序，基带处理器包括嵌入式用户识别卡以及代理程序，代理程序包括第一可编程用户接口，目标应用程序包括第二可编程用户接口；代理程序，用于获取预设配置信息下载地址，通过第一可编程用户接口将预设配置信息下载地址发送至目标应用程序，以使得目标应用程序通过对应的网络，下载得到嵌入式用户识别卡对应的目标配置信息；代理程序，还用于获取目标应用程序对应的第二可编程用户接口发送的目标配置信息，根据目标配置信息配置嵌入式用户识别卡。采用本开发平台能够提高嵌入式用户识别卡配置效率。

摘要： 本申请公开了异常用户识别方法和用于识别异常用户的装置。该方法的一具体实施方式包括：获取多个用户的特征数据，以及基于特征数据，以无监督学习方式确定出多个用户中的异常用户；基于确定出的异常用户的特征数据，以有监督学习方式从多个特征参数中选取出用于构建分类模型的关键特征参数，以及生成包含关键特征参数的关键特征数据；利用关键特征数据构建分类模型。实现了采用无监督学习方式识别出异常用户，采用有监督学习方式基于异常用户的特征数据选取出关键特征构建分类模型，使得分类模型仅采用对识别异常用户的重要程度较高的关键特征对异常用户进行识别，避免重要程度较低的特征对识别过程的干扰，提升识别准确度和减少识别过程的开销。

摘要： 公开了一种用户识别卡的解锁方法，应用于通讯终端，其中，采用生物特征识别解锁用户识别卡，包括：获取用户的生物特征信息；判断所述生物特征信息是否与预设生物特征信息匹配；当所述生物特征信息与预设生物特征信息匹配时，解锁所述用户识别卡；当所述生物特征信息与预设生物特征信息不匹配时，维持锁定所述用户识别卡。本发明可以在通讯终端关机时被锁定，在开机时通过生物特征识别进行解锁，或者在更换通讯终端时被锁定，在开机时通过身份标识和生物特征信息双重验证对用户识别卡进行解锁，从而可以提高用户识别卡的安全性。

摘要： 本公开提供了一种由电子设备执行的用户识别方法，包括：获得第一用户的键盘操作模式；接收待识别用户在第一时间段内经由键盘输入的第一内容信息；控制所述电子设备上的机械硬盘在所述第一时间段内执行写入操作；获得所述机械硬盘在所述第一时间段内执行写入操作过程中记录的第一波动信息；以及基于所述第一内容信息和所述第一波动信息、以及所述第一用户的键盘操作模式识别所述待识别用户是否为所述第一用户。本公开还提供了一种用户识别装置和一种电子设备。

摘要： 本发明公开了一种用户识别卡及智能终端、用户识别卡应用方法。根据本发明实施例的用户识别卡上运行有第一子程序，智能终端上运行有第二子程序，用户识别卡与智能终端的通讯接口为7816或SPI+，且7816与SPI+接口复用，协议支持7816、SPI+接口的协商，其中SPI+接口通讯速率高于7816接口的通讯速率，7816接口兼容现有用户识别卡；用户识别卡及其上运行的第一子程序负责安全启动、加解密及认证等安全功能，智能终端及其上运行的第二子程序负责处理非敏感信息及人机交互功能，智能终端及其上运行的第二子程序对用户识别卡的处理能力进行扩展。

摘要： 本公开涉及一种用户识别模型的训练、用户识别方法和装置，涉及人工智能技术领域。其中，用户识别模型的训练方法包括：利用用户识别模型中的第一神经网络模块，对样本用户的时序特征数据进行第一编码，以得到第一特征表示，所述样本用户的时序特征数据包括样本用户的通话行为时序特征数据和上网行为时序特征数据；利用用户识别模型中的第二神经网络模块，对所述第一特征表示进行第二编码，并且基于所述第二编码得到的第二特征表示，预测所述样本用户的类别；根据所述样本用户的类别预测结果、以及所述样本用户的类别标签信息，对所述用户识别模型进行训练。