专利交易市场

本发明属于网络安全技术领域，公开了一种基于多维度特征融合的APT异常行为检测方法，利用采集到的系统运行日志构建溯源图，并从采集的数据中分离出系统调用序列信息，分别计算溯源图的点嵌入和函数调用的序列嵌入，并将两者特征嵌入融合，通过基于融合特征的检测模型进行异常行为发现，以显著提升异常检测模型的泛化能力。

本发明涉及一种基于深度学习的视频异常行为检测方法。本发明方法包括训练阶段和测试阶段。在训练阶段，将训练视频序列转换成灰度图和光流图，并分别制作成时空块，分别输入到残差自编码模型中进行训练，建立基于灰度图和光流图的两个模型，训练好的模型包含了正常行为的运动模式和外观信息，所以更有利于正常行为的重构。在测试阶段，将测试数据制作成灰度图和光流图的时空块，先将灰度图时空块输入到灰度图模型中，初步检测出正常区域和可疑区域，再将可疑区域的光流图时空块输入到光流图模型中，检测出正常区域和异常区域，得到最终的异常判定，本发明方法能更好地鉴别视频数据的运动信息和外观特征，从而提高异常行为的检测率。

一种基于改进SSD的人群异常行为检测方法，对预处理的人群异常行为数据集进行训练并评估SSD网络模型，针对SSD网络模型存在的参数量多导致模型实时性差、无法检测存在部分遮挡的异常行为从而导致检测精度低的问题进行改进，将轻量网络MobileNetv2作为SSD模型的特征提取网络，并嵌入了可变形卷积模块构建卷积层来增强感受野；在此基础上对输出的特征图经过坐标注意力机制进行特征增强，通过学习上下文关系，能够捕获空间位置之间的远程依赖关系，根据未遮挡部分来预测遮挡部分以此来有效改善遮挡问题；本发明针对的异常行为数据集均是自然状态下发生的，可准确地检测人群异常行为的类别及位置，同时模型对数据集场景中存在的部分遮挡情况的检测有所改善，具有良好的应用前景。

本申请公开了一种异常行为检测方法、装置及系统，属于视频监控技术领域。所述方法包括：获取采集的M帧视频图像，每帧视频图像包括待检测目标，M为大于1的整数；基于M帧视频图像，通过微表情分类模型确定待检测目标的微表情类别，以及确定待检测目标的位置信息；当待检测目标的微表情类别属于参考微表情类别且位置信息符合位置异常条件，进行异常行为报警。本申请只有当待检测目标的微表情类别属于参考微表情类别且待检测目标的位置信息符合位置异常条件时才会进行异常行为报警，通过两种方式确定待检测目标是否存在异常行为，降低了产生误报警的概率。

本发明公开了一种检测直播间刷人气行为的方法，应用于直播平台服务器中，包括：接收直播平台客户端上报的数据包，其中，所述直播平台客户端安装在终端设备中，所述数据包中存储有M条用户信息，所述M条用户信息是直播平台客户端从终端设备中的Cookie中获取的，M为正整数；从所述数据包中提取所述M条用户信息；基于所述M条用户信息，判断终端设备中是否存在预设数量的用户同时访问同一直播间的情况；若存在，则确定所述直播间存在刷人气行为。本发明实现了准确检测直播间中是否存在刷人气行为的技术效果。同时，本发明还提供了一种直播平台服务器。