买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京邮电大学申请的专利基于多特征融合的对比学习恶意软件检测模型获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118779874B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310376848.3，技术领域涉及：G06F21/56；该发明授权基于多特征融合的对比学习恶意软件检测模型是由辛阳;郭凯璐;姚良威;张春勇设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本基于多特征融合的对比学习恶意软件检测模型在说明书摘要公布了：本专利涉及恶意软件检测领域，针对目前该领域技术存在的特征信息不全面以及模型易受代码混淆技术干扰的问题，提出一种基于多特征融合的对比学习模型。方法包括，通过分析PE的行为记录，选取合适的属性值进行分析。使用Word2Vec将API序列名称进行编码，通过中心性定义计算API节点的四种中心性来表征API图的属性，筛选API相关重要参数组成作为API参数信息，将上述三个维度的信息进行特征融合，构建三维特征。之后利用有监督对比学习的学习能力，对上述构造的数据进行编码，生成向量表示。最后将向量输入ResNet分类器进行分类检测。该技术可以用于对恶意软件进行检测，基于其行为文件自动进行上述步骤，并给出检测结果帮助更好地识别恶意软件，维护用户系统安全。

本发明授权基于多特征融合的对比学习恶意软件检测模型在权利要求书中公布了：1.一种基于多特征融合的对比学习恶意软件检测模型，其特征在于，包括以下模块：1多特征提取模块：所述多特征提取模块用于从恶意软件中选择前4096个API调用作为代表，并分别提取每个API名称序列特征、API中心性特征以及API参数特征，具体包括：API名称序列特征提取：利用Word2Vec模型将每个API编码为长度为4*1的词向量；API中心性特征提取：根据API名称和进程调用ID构建加权有向API调用图，其中边的权值为该调用关系出现的频次，节点是API函数或者调用者ID；对所述加权有向图计算度中心性、接近中心性、Katz中心性以及谐波中心性，形成长度为4*1的中心性特征向量；API参数特征提取：采用文件路径、动态链接库DLL文件地址、注册表地址及缓冲区作为API的参数特征，通过对API参数字符串的匹配统计参数出现次数，形成长度为4*1的参数特征向量；2特征融合模块：所述特征融合模块用于将所述多特征提取模块生成的API名称序列特征、API中心性特征以及API参数特征进行融合，具体包括：对于每个API，每种特征的长度为4*1，针对4096个API计算后，每种类型特征形成4*4096数据格式的特征向量；将所述4*4096的特征向量转化为128*128的特征向量，最终形成128*128*3数据格式的特征向量，其中三个通道分别对应API名称序列特征、API中心性特征以及API参数特征；3有监督对比学习模块：所述有监督对比学习模块包括数据增强、编码器网络以及投影网络，具体包括：数据增强：对输入的128*128*3格式的特征向量进行随机增强处理，生成两张子图像以表示原始图像的不同视野；编码器网络：采用修改后的ResNet50模型，将其最后一层全连接层输出调整为512维，用于将增强后的子图像映射到表征空间，获取表征向量；投影网络：通过损失函数计算两张随机增强子图像在投影空间中的距离差值，并不断调整编码器网络的参数，使两张子图像的投影距离最小化，最终将表征向量映射为一个统一的最终向量；4分类模块：所述分类模块利用迁移学习方法，将所述有监督对比学习模块中训练完成的编码器模型作为初始模型，具体包括：设定分类器模型的相关参数与编码器网络一致；将经过编码器网络生成的512维特征向量及其对应的标签作为数据集输入到分类器中进行训练，最终实现对恶意软件的分类检测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。