本申請(qǐng)實(shí)施例公開一種網(wǎng)絡(luò)安全事件關(guān)聯(lián)研判大模型訓(xùn)練方法、裝置及設(shè)備。獲取網(wǎng)絡(luò)安全事件對(duì)應(yīng)的網(wǎng)絡(luò)安全問題和預(yù)設(shè)網(wǎng)絡(luò)安全問題庫(kù)進(jìn)行匹配，得到匹配的樣本預(yù)設(shè)網(wǎng)絡(luò)安全問題；對(duì)網(wǎng)絡(luò)安全問題和樣本預(yù)設(shè)網(wǎng)絡(luò)安全問題進(jìn)行語(yǔ)義分析，得到多個(gè)語(yǔ)義關(guān)鍵詞及其...

本申請(qǐng)實(shí)施例提供了一種圖像處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域；方法包括獲取目標(biāo)物體對(duì)應(yīng)的預(yù)訓(xùn)練的隱式網(wǎng)絡(luò)模型，及隱式網(wǎng)絡(luò)模型在預(yù)訓(xùn)練過程使用的訓(xùn)練圖像數(shù)據(jù)集，訓(xùn)練圖像數(shù)據(jù)集中的訓(xùn)練圖像為包含目標(biāo)物體的至少一個(gè)渲染視角的...

本申請(qǐng)?zhí)峁┝艘环N多模態(tài)點(diǎn)云壓縮方法、點(diǎn)云壓縮框架、設(shè)備以及存儲(chǔ)介質(zhì)，方法包括：對(duì)量化點(diǎn)云數(shù)據(jù)和多尺度圖像特征進(jìn)行空間對(duì)齊和通道對(duì)齊，以去除冗余，得到跨模態(tài)點(diǎn)云特征；將量化點(diǎn)云數(shù)據(jù)劃分為多個(gè)點(diǎn)云數(shù)據(jù)組，依序?qū)Χ鄠€(gè)點(diǎn)云數(shù)據(jù)組進(jìn)行不同尺度的基...

本申請(qǐng)公開了一種零信任安全框架下的信任評(píng)估方法、裝置及存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)技術(shù)領(lǐng)域，公開了零信任安全框架下的信任評(píng)估方法，包括：接收待評(píng)估用戶的訪問請(qǐng)求消息；基于訪問請(qǐng)求消息中數(shù)據(jù)對(duì)應(yīng)的物理含義，對(duì)訪問請(qǐng)求消息中的數(shù)據(jù)進(jìn)行分類，得到N類...

本申請(qǐng)實(shí)施例提出的分布式渲染系統(tǒng)的數(shù)據(jù)渲染方法及相關(guān)設(shè)備，方法包括：響應(yīng)于由終端用戶發(fā)出的渲染任務(wù)對(duì)應(yīng)的渲染需求指令，對(duì)渲染需求指令進(jìn)行解析得到渲染需求信息；基于渲染需求信息和渲染節(jié)點(diǎn)數(shù)量對(duì)渲染任務(wù)進(jìn)行劃分，得到多個(gè)渲染子任務(wù)，并將渲染...

本申請(qǐng)實(shí)施例提供了一種基于增量數(shù)據(jù)的模型更新方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。方法包括：獲取每個(gè)新增類別對(duì)應(yīng)的訓(xùn)練子數(shù)據(jù)集；針對(duì)每個(gè)新增類別，根據(jù)對(duì)應(yīng)訓(xùn)練子數(shù)據(jù)集包含的多個(gè)目標(biāo)訓(xùn)練樣本，與多個(gè)新增類別對(duì)應(yīng)的多個(gè)第一類別原型對(duì)預(yù)設(shè)云端模型進(jìn)行類...

本申請(qǐng)公開了一種三維慢波結(jié)構(gòu)、片上傳輸線結(jié)構(gòu)、天線結(jié)構(gòu)及天線陣列，涉及信號(hào)傳輸技術(shù)領(lǐng)域。三維慢波結(jié)構(gòu)包括：若干個(gè)金屬通孔以及若干個(gè)相互保持平行的金屬層。最上層的金屬層作為背線，最下層的金屬層作為地線，中間其余各金屬層作為各填充金屬層。將...

本申請(qǐng)實(shí)施例提供醫(yī)學(xué)影像圖像生成方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，涉及圖像處理技術(shù)領(lǐng)域。該方法將圖像醫(yī)學(xué)參數(shù)輸入圖像參數(shù)預(yù)測(cè)模型進(jìn)行數(shù)據(jù)處理得到圖像參數(shù)向量，獲取目標(biāo)醫(yī)學(xué)影像圖像對(duì)應(yīng)的多個(gè)坐標(biāo)參數(shù)，將坐標(biāo)參數(shù)和圖像參數(shù)向量輸入像素映射模型進(jìn)行...

本申請(qǐng)公開了一種梯度量化方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，所述梯度量化方法包括：獲取神經(jīng)網(wǎng)絡(luò)中各神經(jīng)網(wǎng)絡(luò)層的量化誤差和當(dāng)前比特?cái)?shù)；根據(jù)所述量化誤差確定需要進(jìn)行比特分配的目標(biāo)神經(jīng)網(wǎng)絡(luò)層；基于預(yù)設(shè)比特范圍、所述當(dāng)前比特...

本申請(qǐng)實(shí)施例提供一種針對(duì)于C2F的中斷驗(yàn)證方法、裝置、存儲(chǔ)介質(zhì)及設(shè)備，包括：獲取測(cè)試約束條件，據(jù)此生成全局配置信息與待測(cè)中斷信號(hào)的中斷配置信息；依據(jù)這兩種配置信息生成配置文件，該文件包含全局配置代碼、中斷配置代碼以及中斷驗(yàn)證程序的程序配...

本申請(qǐng)實(shí)施例提供三維場(chǎng)景下視頻生成方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域。該方法通過相鄰兩幀的圖像計(jì)算得到運(yùn)動(dòng)掩膜，準(zhǔn)確標(biāo)識(shí)場(chǎng)景中的動(dòng)態(tài)區(qū)域。接著基于運(yùn)動(dòng)掩膜確定表面運(yùn)動(dòng)基元和運(yùn)動(dòng)基元，進(jìn)一步區(qū)分動(dòng)態(tài)和靜態(tài)區(qū)域，避免動(dòng)態(tài)區(qū)域...

本申請(qǐng)實(shí)施例提供了一種域名資源數(shù)據(jù)分發(fā)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。方法包括：接收每個(gè)測(cè)量服務(wù)節(jié)點(diǎn)發(fā)送的多個(gè)性能測(cè)試數(shù)據(jù)；根據(jù)每個(gè)歷史時(shí)間點(diǎn)的性能測(cè)試數(shù)據(jù)，確定邊緣節(jié)點(diǎn)在每個(gè)歷史時(shí)間點(diǎn)的歷史性能評(píng)分；針對(duì)每個(gè)歷史時(shí)間點(diǎn)，結(jié)合歷史性能...

本發(fā)明公開了一種面向低軌衛(wèi)星網(wǎng)絡(luò)接入流量的演示與識(shí)別仿真平臺(tái)及方法，該平臺(tái)包括：前端的UI界面模塊和后端的事件實(shí)現(xiàn)模塊，所述低軌衛(wèi)星網(wǎng)絡(luò)接入流量的演示與識(shí)別仿真平臺(tái)基于WPF應(yīng)用框架，將前端的UI界面模塊和后端的事件實(shí)現(xiàn)模塊分離，所述U...

本發(fā)明涉及光交換技術(shù)領(lǐng)域，尤其涉及一種光交換系統(tǒng)與裝置。該光交換系統(tǒng)包括：空間交換層與波長(zhǎng)交換層，空間交換層接收輸入光模塊的輸入光信號(hào)，將輸入光信號(hào)中需要進(jìn)行波長(zhǎng)路由的待調(diào)光信號(hào)傳輸至波長(zhǎng)交換層；波長(zhǎng)交換層接收待調(diào)光信號(hào)，對(duì)待調(diào)光信號(hào)進(jìn)...

本申請(qǐng)實(shí)施例提供了一種基于默克爾樹的TLS指紋安全檢測(cè)方法、裝置、設(shè)備以及介質(zhì)，屬于網(wǎng)絡(luò)安全技術(shù)領(lǐng)域。方法包括：獲取二叉樹結(jié)構(gòu)下的目標(biāo)TLS指紋并選取任一具有相同結(jié)構(gòu)的樣本TLS指紋，目標(biāo)TLS指紋包括由目標(biāo)分類鏈信息確定得到的分別位于...

本申請(qǐng)實(shí)施例公開一種網(wǎng)絡(luò)攻擊鏈路分析方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。通過確定網(wǎng)絡(luò)安全事件對(duì)應(yīng)的描述文本中與網(wǎng)絡(luò)攻擊相關(guān)的關(guān)鍵實(shí)體；將關(guān)鍵實(shí)體與預(yù)設(shè)網(wǎng)絡(luò)安全知識(shí)圖譜的每個(gè)實(shí)體匹配，確定出與關(guān)鍵實(shí)體匹配的多個(gè)目標(biāo)實(shí)體；確定每個(gè)目標(biāo)實(shí)體對(duì)應(yīng)...

本發(fā)明涉及天氣預(yù)測(cè)技術(shù)領(lǐng)域，公開了一種雙偏振雷達(dá)資料的同化方法，所述方法包括：S10,基于UNet卷積神經(jīng)模型的深度學(xué)習(xí)算法和雙偏振雷達(dá)資料構(gòu)建UNet水凝物反演模型，所述UNet水凝物反演模型用于學(xué)習(xí)所述雙偏振雷達(dá)資料與水凝物混合比之...

本申請(qǐng)實(shí)施例提出的病歷生成模型訓(xùn)練方法、病歷生成方法及相關(guān)設(shè)備，方法包括：獲取多條醫(yī)患對(duì)話樣本數(shù)據(jù)和對(duì)應(yīng)的病歷標(biāo)簽；計(jì)算每條醫(yī)患對(duì)話樣本數(shù)據(jù)的對(duì)話得分，并基于對(duì)話得分從多條醫(yī)患對(duì)話樣本數(shù)據(jù)中選取目標(biāo)醫(yī)患對(duì)話樣本數(shù)據(jù)，目標(biāo)醫(yī)患對(duì)話樣本數(shù)據(jù)...

本申請(qǐng)屬于網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，公開了一種惡意流量檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品。本申請(qǐng)通過從待檢測(cè)數(shù)據(jù)流中選取推理點(diǎn)，并確定推理點(diǎn)對(duì)應(yīng)的推理數(shù)據(jù)包，然后根據(jù)預(yù)設(shè)特征流表對(duì)推理數(shù)據(jù)包進(jìn)行特征編碼，獲得推理特征編碼，再將預(yù)設(shè)匹配流表與推...

本公開實(shí)施例提供了一種多源情報(bào)融合處理方法、裝置、設(shè)備及介質(zhì)，可以在獲取第一網(wǎng)絡(luò)威脅情報(bào)數(shù)據(jù)和第二網(wǎng)絡(luò)威脅情報(bào)數(shù)據(jù)后，在多個(gè)不同的情報(bào)源質(zhì)量評(píng)估維度下對(duì)每個(gè)外部情報(bào)源進(jìn)行質(zhì)量評(píng)估得到多個(gè)質(zhì)量評(píng)估得分，并加權(quán)得到每個(gè)外部情報(bào)源對(duì)應(yīng)的質(zhì)量綜...