Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020197661 - MESURES D'EFFICACITÉ POUR UN APPRENTISSAGE NON SUPERVISÉ DANS UN ENVIRONNEMENT DE CYBERSÉCURITÉ

Numéro de publication WO/2020/197661
Date de publication 01.10.2020
N° de la demande internationale PCT/US2020/018554
Date du dépôt international 18.02.2020
CIB
G06Q 20/40 2012.01
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
20Architectures, schémas ou protocoles de paiement
38Protocoles de paiement; leurs détails
40Autorisation, p.ex. identification du payeur ou du bénéficiaire, vérification des références du client ou du magasin; Examen et approbation des payeurs, p.ex. contrôle des lignes de crédit ou des listes négatives
G06F 21/31 2013.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
21Dispositions de sécurité pour protéger les calculateurs, leurs composants, les programmes ou les données contre une activité non autorisée
30Authentification, c. à d. détermination de l’identité ou de l’habilitation des responsables de la sécurité
31Authentification de l’utilisateur
G06Q 50/26 2012.01
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
50Systèmes ou procédés spécialement adaptés à un secteur particulier d’activité économique, p.ex. aux services d’utilité publique ou au tourisme
10Services
26Services gouvernementaux ou services publics
CPC
G06F 21/31
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
30Authentication, i.e. establishing the identity or authorisation of security principals
31User authentication
G06F 21/316
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
30Authentication, i.e. establishing the identity or authorisation of security principals
31User authentication
316by observing the pattern of computer usage, e.g. typical user behaviour
G06K 9/6215
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6201Matching; Proximity measures
6215Proximity measures, i.e. similarity or distance measures
G06K 9/6223
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6217Design or setup of recognition systems and techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
6218Clustering techniques
622Non-hierarchical partitioning techniques
6221based on statistics
6223with a fixed number of clusters, e.g. K-means clustering
G06K 9/6256
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6217Design or setup of recognition systems and techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
6256Obtaining sets of training patterns; Bootstrap methods, e.g. bagging, boosting
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
Déposants
  • AETNA INC. [US]/[US]
Inventeurs
  • JAIN, Salil Kumar
  • DYER, Dave
Mandataires
  • WINN, John K.
Données relatives à la priorité
16/364,66326.03.2019US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) EFFICACY MEASURES FOR UNSUPERVISED LEARNING IN A CYBER SECURITY ENVIRONMENT
(FR) MESURES D'EFFICACITÉ POUR UN APPRENTISSAGE NON SUPERVISÉ DANS UN ENVIRONNEMENT DE CYBERSÉCURITÉ
Abrégé
(EN)
A method for performing searches of user information comprises: receiving an initial dataset including the user information; calculating distance metrics between pairs of data in the initial dataset; performing unsupervised learning on the initial dataset to obtain a plurality of total number of clusters, each total number of clusters covering the initial dataset; determining efficacy measures for each total number of clusters using a plurality of distance metric thresholds; determining a desired efficacy measure in the efficacy measures, the desired efficacy measure corresponding to a desired distance metric threshold in the plurality of distance metric thresholds; determining a desired total number of clusters in the plurality of total number of clusters, the desired total number of clusters corresponding to the desired distance metric threshold; and performing unsupervised learning on the initial dataset using the desired total number of clusters to obtain a number of data representations of the user information.
(FR)
La présente invention concerne un procédé pour effectuer des recherches d'informations d'utilisateur comprenant les étapes consistant à : recevoir un ensemble de données initial comprenant les informations d'utilisateur ; calculer des métriques de distance entre des paires de données dans l'ensemble de données initial ; réaliser un apprentissage non supervisé sur l'ensemble de données initial pour obtenir une pluralité de nombres totaux de grappes, chaque nombre total de grappes couvrant l'ensemble de données initial ; déterminer des mesures d'efficacité pour chaque nombre total de grappes à l'aide d'une pluralité de seuils de métrique de distance ; déterminer une mesure d'efficacité souhaitée dans les mesures d'efficacité, la mesure d'efficacité souhaitée correspondant à un seuil de métrique de distance souhaité dans la pluralité de seuils de métrique de distance ; déterminer un nombre total souhaité de grappes dans la pluralité de nombre total de grappes, le nombre total de grappes souhaité correspondant au seuil de métrique de distance souhaité ; et effectuer un apprentissage non supervisé sur l'ensemble de données initial à l'aide du nombre total souhaité de grappes pour obtenir un nombre de représentations de données des informations d'utilisateur.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international