申请/专利权人:中国电信股份有限公司技术创新中心;中国电信股份有限公司
申请日:2023-08-18
公开(公告)日:2023-11-21
公开(公告)号:CN117093990A
主分类号:G06F21/56
分类号:G06F21/56;G06N3/0464;G06V10/764;G06V10/25
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.08#实质审查的生效;2023.11.21#公开
摘要:本公开提供了一种训练方法、钓鱼网站识别方法、装置和存储介质。训练方法包括:根据屏幕截图样本的特征图,利用机器学习模型获得多个锚框的数据信息,其中,屏幕截图样本包含样本网站的标识图标,特征图包括多个单元格,锚框的数据信息包括单元格的中心坐标值、锚框尺寸和置信度值;根据多个锚框,利用分类器获得每个锚框内的标识图标所属类别的概率;计算中心坐标值的损失函数、锚框尺寸的损失函数和置信度值的损失函数,并计算分类预测的损失函数;和根据中心坐标值的损失函数、锚框尺寸的损失函数、置信度值的损失函数和分类预测的损失函数训练机器学习模型。本公开可以提高识别钓鱼网站的准确度。
主权项:1.一种训练方法,包括:根据屏幕截图样本的特征图,利用机器学习模型获得多个锚框的数据信息,其中,所述屏幕截图样本包含样本网站的标识图标,所述特征图包括多个单元格,所述锚框的数据信息包括与所述锚框对应的单元格的中心坐标值、锚框尺寸和置信度值;根据所述多个锚框,利用分类器获得每个锚框内的标识图标所属类别的概率;根据所述屏幕截图样本的标注结果和所述锚框的数据信息计算中心坐标值的损失函数、锚框尺寸的损失函数和置信度值的损失函数,并根据所述屏幕截图样本的标注结果和每个锚框内的标识图标所属类别的概率计算分类预测的损失函数;和根据所述中心坐标值的损失函数、所述锚框尺寸的损失函数、所述置信度值的损失函数和所述分类预测的损失函数训练所述机器学习模型。
全文数据:
权利要求:
百度查询: 中国电信股份有限公司技术创新中心;中国电信股份有限公司 训练方法、钓鱼网站识别方法、装置和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。