一种基于迁移学习的卷积神经网络的固件供应链识别方法

    公开(公告)号:CN118467025A

    公开(公告)日:2024-08-09

    申请号:CN202410532328.1

    申请日:2024-04-29

    摘要: 本发明公开了一种基于迁移学习的卷积神经网络的固件供应链识别方法,具体过程为:构建开源供应链组件数据集;将筛选得到的供应链组件二进制文件打好标签并转化成黑白像素图像,得到训练数据集;预先构建好基于DenseNet预训练模型的卷积神经网络的迁移学习模型并进行训练;将待分析供应链组件的二进制文件转化成黑白像素图像后输入迁移学习模型中,通过全连接层将最终的特征向量映射为类型概率分布;将迁移学习模型输出的类型概率分布,融合字符匹配和增加权重机制,计算得到待分析供应链组件的类型识别结果。利用本发明方法,可以显著提升固件供应链类型的识别准确率和成功率,提升处理速度,节约人力成本,同时运算的结果更加稳定,误判率更低。