基于多特征融合深度学习的安卓恶意软件检测与分类方法

    公开(公告)号:CN115730310A

    公开(公告)日:2023-03-03

    申请号:CN202211468462.7

    申请日:2022-11-22

    Abstract: 本发明公开了一种基于多特征融合深度学习的安卓恶意软件检测与分类方法,所述方法是通过获取待测Apk样本、将待测Apk样本送入训练好的模型并得到检测结果完成的。本发明通过深度学习从静态污点路径中捕获不同类型恶意软件的数据流模式,将污点路径作为一组特征,进行安卓恶意软件的检测与分类,并使用Wide&Deep模型进行特征融合,其中Wide部分处理敏感API调用和危险权限两类特征,Deep部分处理静态污点路径,融合后的特征,增加了静态污点路径带有的语义信息,可以学习到不同恶意软件的行为模式,提升了模型的准确率和鲁棒性。

    一种SysML语言的安全可靠语义扩展和建模方法

    公开(公告)号:CN114816431A

    公开(公告)日:2022-07-29

    申请号:CN202210569302.5

    申请日:2022-05-24

    Abstract: 本发明公开了一种SysML语言的安全可靠语义扩展和建模方法,所述方法通过扩展需求图的安全和可靠语义、增加冗余语义、失效模式和影响分析语义、故障树语义,并构建可视化模型,使得SysML语言既支持自动从系统模型中提取安全可靠分析的相关信息,也支持利用安全可靠分析进一步完善系统模型,从而将基于模型的系统工程和安全可靠分析过程有效地融合,有助于确保安全分析和系统设计之间的一致性,解决当前设计复杂安全关键系统的问题。

    一种基于程序不变量的软件故障定位方法及装置

    公开(公告)号:CN109144882A

    公开(公告)日:2019-01-04

    申请号:CN201811096080.X

    申请日:2018-09-19

    CPC classification number: G06F11/3684

    Abstract: 本发明公开了一种程序不变量的软件故障定位方法及装置。该方法包括:针对目标软件源代码进行语句、值和逻辑表达式级的插桩,采用预设的测试用例集合执行插桩后的源代码,获得执行信息;对预设失败测试用例集合进行聚类,并对每个聚类,选择有助于区分缺陷语句的成功测试用例集合;学习优选成功测试用例集合的执行信息,获得程序不变量集合,包括集合型、真值表型和浮点型范围不变量;根据失败测试用例集合的执行信息和程序不变量集合检测不变量违背,获得可疑语句集合。采用依赖分析过滤掉因故障传播导致的不变量违背误检,统计分析各语句处的不变量违背,计算语句可疑度。本发明提高了软件故障定位的准确性,克服了逻辑表达式缺陷定位漏检问题。

    一种程序代码编程模式著作权归属检测模型及著作权归属检测方法

    公开(公告)号:CN103020494A

    公开(公告)日:2013-04-03

    申请号:CN201210508663.5

    申请日:2012-12-03

    Abstract: 一种程序代码编程模式著作权归属检测模型及著作权归属检测方法,它涉及一种编程模式及程序代码著作权归属检测方法。本发明的目的是要解决现在的程序代码雷同检测方法和工具存在不能有效提取大规模程序集合中的编程模式,以及不考虑每个作者的历史数据,无法判定程序代码的著作权归属的问题。一种程序代码编程模式著作权归属检测模型由已知著作权归属的程序代码库、查询程序代码、编程模式及其索引文件、编程模式挖掘器、著作权归属分析器和著作权归属度列表组成。著作权归属检测方法:以待确认著作权归属的程序代码作为程序代码的编程模式的查询程序代码输入,即可得到著作权归属度列表。本发明主要提供一种程序代码的编程模式及著作权归属检测方法。

Patent Agency Ranking