[发明专利]基于词向量和机器学习的数据溯源方法和系统有效
| 申请号： | 201910584814.7 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110399485B | 公开（公告）日： | 2022-04-08 |
| 发明（设计）人： | 丁疏横;范磊 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/33 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 庄文莉 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于词向量和机器学习的数据溯源方法和系统，通过网络采集流量数据，基于流量数据进行文件特征提取，得到文本特征向量；使用机器学习对流量数据进行聚类，得到多个聚类种类，将待溯源文件与多个聚类种类进行匹配，得到待溯源文件的所属种类；在待溯源文件的所属种类中，通过文本特征向量进行文本相似度计算，对待溯源文件进行溯源判定。本发明可扩展性强，不依赖于特定系统，不需要进行数据库改造，对数据格式没有要求，溯源稳定可靠，效率高；从网络中抓包，通过词向量提取特征向量，通过机器学习进行聚类，再通过计算余弦值进行溯源，脱离对数据库的依赖，避免了高昂的系统管理成本。 | ||
| 搜索关键词： | 基于 向量 机器 学习 数据 溯源 方法 系统 | ||
【主权项】：
1.一种基于词向量和机器学习的数据溯源方法，其特征在于，包括:流量采集步骤：通过网络采集流量数据，基于流量数据进行文件特征提取，得到文本特征向量；聚类步骤：使用机器学习对流量数据进行聚类，得到多个聚类种类，将待溯源文件与多个聚类种类进行匹配，得到待溯源文件的所属种类；匹配源步骤：在待溯源文件的所属种类中，通过文本特征向量进行文本相似度计算，对待溯源文件进行溯源判定。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910584814.7/，转载请声明来源钻瓜专利网。
