-
公开(公告)号：CN113204764B
公开(公告)日：2022-05-17
申请号：CN202110363702.6
申请日：2021-04-02
申请人： 武汉大学
摘要： 本发明涉及一种基于深度学习的无符号二进制间接控制流识别方法，通过深度学习识别二进制中间接跳转指令的目标基本块。本发明基于二进制代码文件中的指令、基本块和函数代码块，构建间接调用分支和函数序列，以构建间接跳转及间接调用的三元组样本，生成间接跳转训练集、间接调用训练集；分别构建神经网络间接跳转和间接调用目标识别分类模型，分别构建神经网络间接跳转和间接调用目标识别分类损失函数模型；将待检测的二进制文件通过预处理，针对间接跳转和间接调用指令生成间接跳转和间接调用样本，通过神经网络间接跳转和间接调用目标识别分类损失函数模型进行目标识别，通过分类结果复原间接控制流目标。本发明提高了识别的正确率。
-
公开(公告)号：CN113204764A
公开(公告)日：2021-08-03
申请号：CN202110363702.6
申请日：2021-04-02
申请人： 武汉大学
摘要： 本发明涉及一种基于深度学习的无符号二进制间接控制流识别方法，通过深度学习识别二进制中间接跳转指令的目标基本块。本发明基于二进制代码文件中的指令、基本块和函数代码块，构建间接调用分支和函数序列，以构建间接跳转及间接调用的三元组样本，生成间接跳转训练集、间接调用训练集；分别构建神经网络间接跳转和间接调用目标识别分类模型，分别构建神经网络间接跳转和间接调用目标识别分类损失函数模型；将待检测的二进制文件通过预处理，针对间接跳转和间接调用指令生成间接跳转和间接调用样本，通过神经网络间接跳转和间接调用目标识别分类损失函数模型进行目标识别，通过分类结果复原间接控制流目标。本发明提高了识别的正确率。
-
公开(公告)号：CN112564974B
公开(公告)日：2022-06-14
申请号：CN202011440911.8
申请日：2020-12-08
申请人： 武汉大学
IPC分类号： H04L41/14 , H04L41/147 , H04L41/044 , H04L41/0823 , H04L41/08 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提出了一种基于深度学习的物联网设备指纹识别方法。通过结合设备主动扫描和流量搜集的被动获取方式实现物联网设备信息搜集，并将搜集的物联网设备信息作为深度学习训练集的扩展标签；将历史流量数据通过流量拆分、数据切割转换、流量清洗进行预处理并得到预处理后的流量数据，通过预处理后流量数据构建深度学习训练集；构建基于复合神经网络的物联网流量分类模型和流量分类损失函数，通过深度学习训练集进行优化训练；将训练后复合神经网络物联网流量分类模型应用于物联网设备类型的实时识别。本发明显著提高了物联网设备的识别正确率。
-
公开(公告)号：CN112564974A
公开(公告)日：2021-03-26
申请号：CN202011440911.8
申请日：2020-12-08
申请人： 武汉大学
摘要： 本发明提出了一种基于深度学习的物联网设备指纹识别方法。通过结合设备主动扫描和流量搜集的被动获取方式实现物联网设备信息搜集，并将搜集的物联网设备信息作为深度学习训练集的扩展标签；将历史流量数据通过流量拆分、数据切割转换、流量清洗进行预处理并得到预处理后的流量数据，通过预处理后流量数据构建深度学习训练集；构建基于复合神经网络的物联网流量分类模型和流量分类损失函数，通过深度学习训练集进行优化训练；将训练后复合神经网络物联网流量分类模型应用于物联网设备类型的实时识别。本发明显著提高了物联网设备的识别正确率。
-
-
-
搜索结果
4 条记录 (耗时 0.015 秒)