-
公开(公告)号：CN113378171B
公开(公告)日：2022-06-21
申请号：CN202110783769.5
申请日：2021-07-12
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于卷积神经网络的Android勒索软件检测方法，涉及检测技术领域。本发明对训练样本的原始安装文件进行特征提取，获得结构特征以及行为特征；利用特征构建特征向量，将权限和API、API和权限生成具有映射关系的图片特征形式，并读取dex文件生成具有dex文件结构特征的图片形式；利用特征图片转换成numpy数组形式训练卷积神经网络。对待检测Android勒索应用程序，首先对其安装文件进行特征提取，获得其权限和API、API和权限映射关系的两张特征图片，提取dex文件特征生成特征图片；然后将三张图片的numpy数组格式输入训练好的卷积神经网络中，输出是否属于勒索软件的分类结果。
-
公开(公告)号：CN109002715B
公开(公告)日：2020-09-15
申请号：CN201810730246.2
申请日：2018-07-05
Applicant: 东北大学秦皇岛分校
IPC: G06F21/56
Abstract: 本发明公开了一种基于卷积神经网络的恶意软件识别方法及系统。该方法包括：获取样本软件的操作码和权限信息；将操作码转换为十进制数；将转换后的操作码进行预处理；将预处理后的操作码与权限信息混合；将混合后的数据作为特征矩阵输入卷积神经网络，对卷积神经网络进行训练；判断卷积神经网络输出的恶意概率或非恶意概率的准确度是否达到设定值；如果是，则停止训练卷积神经网络，采用训练好的卷积神经网络对待识别软件进行识别；如果否，则根据卷积神经网络输出的恶意概率或非恶意概率的准确度调整训练过程中的权重参数，继续训练卷积神经网络。本发明提供的基于卷积神经网络的恶意软件识别方法及系统具有识别精度高、操作简便的特点。
-
公开(公告)号：CN108985055A
公开(公告)日：2018-12-11
申请号：CN201810670997.X
申请日：2018-06-26
Applicant: 东北大学秦皇岛分校
IPC: G06F21/56
Abstract: 本发明公开了一种恶意软件的检测方法及系统。该方法包括：获取训练样本，训练样本为已知类型的软件的执行程序；对训练样本反编译和编号处理，得到训练样本处理后的源代码；采用粒子群算法为处理后的源代码中的各代码分配权重；以加权后的源代码为输入矩阵，训练卷积神经网络，且在训练过程中，采用粒子群算法调整各代码的权重，得到输出为准确度的卷积神经网络；判断卷积神经网络的准确度是否达到设定值；如果是，则停止训练卷积神经网络，采用训练好的卷积神经网络对待检测软件进行检测；如果否，则继续采用粒子群算法调整各代码的权重，训练卷积神经网络。本发明提供的恶意软件的检测方法及系统具有检测准确度高的特点。
-
公开(公告)号：CN119413786A
公开(公告)日：2025-02-11
申请号：CN202411778792.5
申请日：2024-12-05
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种宽域pH响应的荧光光纤传感器制备方法和应用，主要涉及化学、传感科学领域。本发明旨在通过制备pH敏感的硅量子点，利用水凝胶聚合反应将硅量子点固定在光纤表面上，通过荧光强度的变化实现pH的灵敏检测。本发明结合了荧光硅量子点的pH响应特性和光纤的便捷性，具有尺寸小、操作简便、灵敏性和特异性高的优势，并且实现了宽域pH(3～12)的超宽检测。本发明为在线灵敏检测生物体液pH值提供了一种切实可行的方法，对复杂生物样品分析，疾病早期诊断和应急分析都具有重要的研究意义。
-
公开(公告)号：CN110489968B
公开(公告)日：2021-02-05
申请号：CN201910751207.5
申请日：2019-08-15
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供了一种基于RNN和CNN的Android恶意软件检测方法及系统，检测方法包括：对训练样本的原始安装文件进行特征提取，获得操作码序列；利用操作码序列训练BLSTM网络；利用训练好的BLSTM网络将操作码序列提取为特征图片；利用特征图片训练卷积神经网络；对待检测Android应用，首先对其安装文件进行特征提取，获得其操作码序列；然后将该操作码序列输入训练好的BLSTM网络中，提取出特征图片；最后将该特征图片输入到训练好的卷积神经网络中，输出是否属于恶意软件的分类结果。本发明实现对Android平台下的善意软件和恶意软件的识别区分，提高Android软件平台的安全性。
-
Patent Agency Ranking
公开(公告)号：CN108985055B
公开(公告)日：2020-08-28
申请号：CN201810670997.X
申请日：2018-06-26
Applicant: 东北大学秦皇岛分校
IPC: G06F21/56
Abstract: 本发明公开了一种恶意软件的检测方法及系统。该方法包括：获取训练样本，训练样本为已知类型的软件的执行程序；对训练样本反编译和编号处理，得到训练样本处理后的源代码；采用粒子群算法为处理后的源代码中的各代码分配权重；以加权后的源代码为输入矩阵，训练卷积神经网络，且在训练过程中，采用粒子群算法调整各代码的权重，得到输出为准确度的卷积神经网络；判断卷积神经网络的准确度是否达到设定值；如果是，则停止训练卷积神经网络，采用训练好的卷积神经网络对待检测软件进行检测；如果否，则继续采用粒子群算法调整各代码的权重，训练卷积神经网络。本发明提供的恶意软件的检测方法及系统具有检测准确度高的特点。
-
公开(公告)号：CN110458239A
公开(公告)日：2019-11-15
申请号：CN201910751343.4
申请日：2019-08-15
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于双通道卷积神经网络的恶意软件分类方法及系统，系统包括：训练样本处理模块和操作码提取模块，用于对训练样本进行反编译，得到应用程序的操作码序列；API特征提取模块，用于获得训练样本的敏感API特征；双通道卷积神经网络训练模块，使用操作码序列和敏感API特征序列训练并得到输出为准确度的双通道卷积神经网络；准确度判断模块和检测模块，用于判断双通道卷积神经网络输出的准确度是否达到设定值，并在达到设定值时对待识别软件进行检测；概率输出模块，输出待识别软件为恶意软件的概率值。本发明结合了应用程序的操作码序列和敏感API特征检测的优势，在准确度以及数据处理方面都有很大的提升。
-
公开(公告)号：CN110472417B
公开(公告)日：2021-03-30
申请号：CN201910776705.5
申请日：2019-08-22
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于卷积神经网络的恶意软件操作码分析方法，包括：获取Dalvik字节码；获取操作码序列，并用独热向量表示；将独热向量转化为具有固定大小的向量，然后乘以随机权重矩阵，输入到卷积神经网络；在卷积层中输出特征映射集矩阵C；在k‑max池化中，对矩阵C进行最大合并操作，提取最重要的k个特征值输出特征向量Z；向量Z形成全连接层，在全连接层中对向量Z进行操作得到输出特征y；使用softmax函数处理输出特征y，获得相对概率分布p；计算交叉熵损失函数Lk；使用梯度下降法逐步调整最小化损失函数和相应模型的参数值；基于输出计算迭代地更新模型参数并优化检测模型。本发明具有检测准确度高的特点。
-
公开(公告)号：CN109002715A
公开(公告)日：2018-12-14
申请号：CN201810730246.2
申请日：2018-07-05
Applicant: 东北大学秦皇岛分校
IPC: G06F21/56
Abstract: 本发明公开了一种基于卷积神经网络的恶意软件识别方法及系统。该方法包括：获取样本软件的操作码和权限信息；将操作码转换为十进制数；将转换后的操作码进行预处理；将预处理后的操作码与权限信息混合；将混合后的数据作为特征矩阵输入卷积神经网络，对卷积神经网络进行训练；判断卷积神经网络输出的恶意概率或非恶意概率的准确度是否达到设定值；如果是，则停止训练卷积神经网络，采用训练好的卷积神经网络对待识别软件进行识别；如果否，则根据卷积神经网络输出的恶意概率或非恶意概率的准确度调整训练过程中的权重参数，继续训练卷积神经网络。本发明提供的基于卷积神经网络的恶意软件识别方法及系统具有识别精度高、操作简便的特点。
-
公开(公告)号：CN118259019A
公开(公告)日：2024-06-28
申请号：CN202410341020.9
申请日：2024-03-25
Applicant: 东北大学秦皇岛分校
IPC: G01N33/68 , G01N33/553 , G01N33/577 , B01J31/22
Abstract: 本发明公开了一种提高金属有机骨架催化水解性能的方法和应用，主要涉及化学、纳米材料科学和生物传感领域。本发明通过在金属有机骨架催化底物过程中，加入邻菲啰啉衍生物，显著提升金属有机骨架的催化水解性能。应用本发明的技术方案，金属有机骨架催化不同底物水解的催化活性增强了2.8‑23.6倍。本发明的方法具有简便、高效及无需复杂制备过程的优点，为提高纳米酶催化性能方面提供了新方案。本发明中金属有机骨架集类水解酶催化能力、信号开关及放大多功能于一体，在加入邻菲啰啉衍生物时，可快速实现对水解底物的高效催化以及触发显色反应。应用本发明技术方案，可快速构建级联信号放大的比色免疫传感器，实现对生物标志物的灵敏检测，操作简便、显色速度快，在生物免疫分析中表现出良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
