Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019025386) DETECTING CHANGES TO WEB PAGE CHARACTERISTICS USING MACHINE LEARNING
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/025386 International Application No.: PCT/EP2018/070632
Publication Date: 07.02.2019 International Filing Date: 30.07.2018
IPC:
H04L 29/06 (2006.01) ,G06N 99/00 (2010.01) ,H04L 29/08 (2006.01)
H ELECTRICITY
04
ELECTRIC COMMUNICATION TECHNIQUE
L
TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
29
Arrangements, apparatus, circuits or systems, not covered by a single one of groups H04L1/-H04L27/136
02
Communication control; Communication processing
06
characterised by a protocol
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
N
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
99
Subject matter not provided for in other groups of this subclass
H ELECTRICITY
04
ELECTRIC COMMUNICATION TECHNIQUE
L
TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
29
Arrangements, apparatus, circuits or systems, not covered by a single one of groups H04L1/-H04L27/136
02
Communication control; Communication processing
06
characterised by a protocol
08
Transmission control procedure, e.g. data link level control procedure
Applicants:
BRITISH TELECOMMUNICATIONS PUBLIC LIMITED COMPANY [GB/GB]; 81 Newgate Street London EC1A 7AJ, GB
Inventors:
EL-MOUSSA, Fadi; GB
DU, Xiaofeng; GB
Agent:
BRITISH TELECOMMUNICATIONS PUBLIC LIMITED COMPANY, INTELLECTUAL PROPERTY DEPARTMENT; Ground Floor, Faraday Building 1 Knightrider Street London EC4V 5BT, GB
Priority Data:
17184578.702.08.2017EP
Title (EN) DETECTING CHANGES TO WEB PAGE CHARACTERISTICS USING MACHINE LEARNING
(FR) DÉTECTION DE CHANGEMENTS DANS DES CARACTÉRISTIQUES DE PAGE WEB À L'AIDE DU MACHINE LEARNING
Abstract:
(EN) A computer implemented method to detect an anomalous change to a web application, the web application executing with a web server, the method comprising: receiving a first set of records for the web application operating in a training mode of operation, each record including characteristics of a content of a web page for the web application; generating a sparse distributed representation of the set of records to form a training set for a hierarchical temporal memory (HTM); training the HTM based on the training set in order that the trained HTM provides a model of the operation of the web application in the training mode of operation; receiving a second set of records for the web application, each record including characteristics of content of the web page; generating a sparse distributed representation of the second set of records to form an input set for the trained HTM; executing the trained HTM based on the input set to determine a degree of recognition of the records of the input set; and responsive to a determination that a degree of recognition of one or more records of the input set is below a threshold degree, identifying an anomalous change to the web page.
(FR) Un procédé mis en œuvre par ordinateur pour détecter un changement anormal d'une application web, l'application web s'exécutant avec un serveur web, le procédé consistant à : recevoir un premier ensemble d'enregistrements pour l'application web fonctionnant dans un mode de fonctionnement d'apprentissage, chaque enregistrement comprenant des caractéristiques d'un contenu d'une page web pour l'application web; générer une représentation distribuée éparse de l'ensemble d'enregistrements pour former un ensemble d'apprentissage pour une mémoire temporelle hiérarchique (HTM); à entraîner le HTM sur la base de l'ensemble d'apprentissage afin que le HTM entraîné fournisse un modèle du fonctionnement de l'application web dans le mode de fonctionnement d'entraînement; à recevoir un second ensemble d'enregistrements pour l'application web, chaque enregistrement comprenant des caractéristiques de contenu de la page web; à générer une représentation distribuée éparse du second ensemble d'enregistrements pour former un ensemble d'entrées pour le HTM entraîné; exécuter le HTM entraîné sur la base de l'ensemble d'entrées pour déterminer un degré de reconnaissance des enregistrements de l'ensemble d'entrées; et en réponse à une détermination selon laquelle un degré de reconnaissance d'un ou plusieurs enregistrements de l'ensemble d'entrée est inférieur à un degré de seuil, identifier un changement anormal de la page web.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)