本公开涉及用于基于网络分发历史从数字媒体的储存库中生成对应于预测的分发类别的准确数字媒体群集的系统、非暂时性计算机可读介质和方法。例如,数字媒体聚类系统可以(基于用户的网络账户的网络分发历史)在远程服务器处应用机器学习模型,从而为未来的电子通信生成预测的分发类别。远程服务器可以向用户客户端设备提供预测的分发类别,用于对存储在客户端设备处的数字媒体进行安全的本地分析。基于预测的分发类别和存储的数字媒体,客户端设备可以建议数字媒体项经由网络系统进行分发。因此,所公开的系统可以在不向远程服务器提供关于存储在客户端设备处的数字媒体项的任何信息的情况下展示数字媒体内容。

车辆行驶控制装置(100)包括运算装置(110)和控制搭载在车辆上的行驶用部件工作的部件控制装置(200、300、400、500)。运算装置(110)包括车外环境认定部(111)、路径设定部(112、113、114、115)、车辆运动决定部(116)以及车身系部件控制部(140),车外环境认定部(111)认定车外环境,路径设定部(112、113、114、115)设定车辆应行驶的路径,车辆运动决定部(116)决定用于跟踪所设定的路径的车辆的目标运动,车身系部件控制部(140)根据车辆运动决定部(116)的输出,设定车辆的车身系部件的动作,生成控制车身系部件的控制信号。

一种用于化学机械抛光的设备包含：平台,所述平台具有表面以支撑抛光垫；承载头,所述承载头固持基板抵靠抛光垫的抛光表面；垫调节器,所述垫调节器将研磨主体压靠在抛光表面上；原位抛光垫监视系统,所述原位抛光垫监视系统包含设置在平台上方的成像器以捕获抛光垫的图像；以及控制器,所述控制器被配置成接收来自监视系统的图像并且基于所述图像生成抛光垫表面粗糙度的测量。控制器可使用基于机器学习的图像处理来生成表面粗糙度的测量。

本发明公开了一种基于集成宽度学习的快速高精度室内指纹定位方法整,(1)在离线训练阶段主要进行数据预处理与模型训练。其中,数据预处理包括数据丢失与数据噪声处理；模型训练则是使用宽度学习作为基学习器,使用Bagging框架并行训练多个基学习器,然后将预测结果传递给下一层的组合器,得到最终的定位训练结果。(2)在线测试阶段根据多个宽度学习系统的回归结果结合组合器对信号的分类来进行最终的定位预测。本发明能够在保证离线阶段的训练速度的同时得到高精度定位结果。

本公开提供一种转码服务的检测方法、装置、电子设备及存储介质,所述方法包括：响应于转码服务检测操作,对原始视频进行分析,获取原始视频的媒资信息；从媒体库中获取转码后视频的媒资信息；对比原始视频和转码后视频的媒资信息得到对比结果,对比结果一致时,从云存储服务器中读取原始视频和转码后视频；确定原始视频和转码后视频的相似度,根据相似度确定转码服务是否正常。利用本公开提供的方法,能够在转码服务完成转码操作后,通过拉取原始视频及转码后视频对媒资信息及视频帧中图像特征进行分析,能够判断所述转码后视频的转码正确性,通过转码正确性确定转码服务是否正常,把转码服务的问题暴露前置,避免视频在点播时出现播放问题。

本公开提供了一种数据传输方法、系统、装置、计算设备和存储介质,其中,该方法包括：获取控制端Master发送的待传输任务；待传输任务为控制端Master对获取的目标任务进行拆分后得到的,待传输任务包括至少一个待传输文件的文件属性信息；基于文件属性信息,确定待传输任务对应的每个待传输文件的文件读取信息；利用预先设置的多个协程基于文件读取信息,分别获取与每个文件读取信息相匹配的待传输文件；利用多个协程,将待传输任务中的每个待传输文件传输到对应的目标地址。本公开实施例能够提高文件传输的速度和效率。

本公开提供了一种攻击检测方法、攻击检测装置、存储介质与电子设备,涉及信息安全技术领域。该攻击检测方法包括：获取对事件子模式进行编译所生成的NFA对象；对所述NFA对象进行语义解析,得到用于攻击检测的规则表达式；当所述事件子模式发生更新时,获取所述NFA对象的增量数据,并根据所述增量数据更新所述规则表达式；利用所述规则表达式检测异常行为。本公开能够实现规则的动态更新,并降低人力维护成本。

本发明公开了一种基于微传感器技术的网络安全常态监控系统,所述系统包括微DNS传感器、微流量传感器和微无线传感器,所述微DNS传感器、微流量传感器和微无线传感器分别安装在独立的树莓派上,所述微DNS传感器、微流量传感器和微无线传感器均与数据中心连接；所述微DNS传感器用于区域的DNS流量监听；所述微流量传感器用于网络异常行为分析；所述微无线传感器用于区域的WiFi/蓝牙监听。本发明采用微边界思想,在供电所、变电站等小规模网络部署轻量级威胁监测传感器,通过系统微分域动态监测与分析技术,对终端设备行为进行安全监测与分析,无论是变化多样的攻击方式、病毒变种,还是利用零日漏洞进行的攻击行为,都能够精准有效地识别并实时监测。

本发明公开了一种基于单向特征筛选的用户设备认证方法、装置及电子设备,所述方法包括：基于训练集训练全变量特征；从所述全变量特征中筛选出对预测值贡献权重为单向的单向特征；获取所述特征的实际标签,并将所述实际标签置换N次,得到N组置换标签；根据各个特征在实际标签下的贡献度和置换标签下的贡献度筛选目标特征；基于所述目标特征建立用户设备认证模型,对申请互联网服务的新用户设备进行认证。本发明根据各个特征在实际标签下和置换标签下的贡献度筛选目标特征；从而根据特征的真实贡献度筛选目标特征,保证筛选出的目标特征是对标签有真实预测能力的特征,能有效排除高方差、高噪声的特征,提高对新用户设备进行认证的准确率。

本发明公开了一种基于机器学习的芯片自动分组封装方法及系统,涉及芯片封装领域,该方法包括获取晶圆上的芯片的性能参数,并基于性能参数的项数建立多维超平面；基于晶圆上芯片的性能参数,将晶圆上的芯片映射至建立的超平面中；基于机器学习聚类分析算法,对映射至超平面中的芯片进行分组；根据分组结果,选取同一分组中的芯片进行同一模块或衬板上的芯片封装。所述芯片的性能参数包括阈值电压、饱和压降和截止电流。所述多维超平面的维数与芯片的性能参数项数相同。本发明能够保证同一模块或衬板上每颗芯片的性能参数一致,有效保证模块或衬板使用的稳定性。