龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国人民解放军空军工程大学
申请日：2024-04-19
公开（公告）日：2024-06-25
公开（公告）号：CN118246014A
主分类号：G06F21/56
分类号：G06F21/56;G06V10/764;G06V10/82;G06N3/0464;G06V10/46;G06N3/048;G06N3/047;G06N3/0985
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明属于恶意代码检测领域，提供了基于多尺度特征增强的恶意代码检测方法，包括以下步骤：数据预处理：将二进制恶意代码转换为灰度图像，并进行数据增强，使用GridMask网格掩码技术避免训练过拟合；构建图像分类模型：包括作为基础的CNN模块、MK模块和改进的SE模块；特征提取与训练：采用深度学习方法，对模型进行训练；本发明通过提出一种基于图像处理的轻量级识别未知恶意代码、不需要特征工程和相关先验知识的恶意代码识别方法，将恶意代码二进制数据转换为图像，利用网格掩模方法对图像进行数据增强，训练深度神经网络进行恶意代码变体检测；采用改进的挤压激励模块，并提出多尺度核融合来降低参数，从而进一步提高性能。
主权项：1.基于多尺度特征增强的恶意代码检测方法，其特征在于，包括以下步骤：S1、数据预处理：将二进制恶意代码转换为灰度图像，并进行数据增强，使用GridMask网格掩码技术避免训练过拟合；S2、构建图像分类模型：包括作为基础的CNN模块、MK模块和改进的SE模块；S3、特征提取与训练：采用深度学习方法，对模型进行训练，输入内容为经过样本预处理后大小为64×64的灰度图像。
全文数据：
权利要求：
百度查询： 中国人民解放军空军工程大学 基于多尺度特征增强的恶意代码检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号