MASCHINENLERNBASIERTE FESTSTELLUNG VON PROGRAMMCODEEIGENSCHAFTEN

    公开(公告)号:DE102018126146A1

    公开(公告)日:2019-07-11

    申请号:DE102018126146

    申请日:2018-10-22

    Applicant: INTEL CORP

    Inventor: CHEN LI

    Abstract: Eine Technik beinhaltet das Verarbeiten einer Vielzahl von Sätzen von Programmcode zum Extrahieren von Call-Graphen; Feststellen von Ähnlichkeiten zwischen den Call-Graphen; Anwenden unbeaufsichtigten Maschinenlernens auf eine Eingabe, die aus den festgestellten Ähnlichkeiten gebildet wird, um latente Merkmale der Eingabe festzustellen; Clustering der festgestellten latenten Merkmale; und Feststellen einer Charakteristik eines gegebenen Programmcodesatzes aus der Vielzahl von Programmcodesätzen auf Basis eines Resultats des Clusterings.

    MALWARE-DETEKTIONSSYSTEM ZUR ANGRIFFSVERHINDERUNG

    公开(公告)号:DE102018115266A1

    公开(公告)日:2018-12-27

    申请号:DE102018115266

    申请日:2018-06-26

    Applicant: INTEL CORP

    Inventor: CHEN LI

    Abstract: Systeme und Verfahren können verwendet werden, um Angriffe auf ein Malware-Detektionssystem zu verhindern. Ein Verfahren kann Modellieren einer Zeitreihe gerichteter Graphen unter Verwendung eingehender binärer Dateien während eines Trainierens eines Systems mit Maschinenlernfähigkeit und Detektieren, während eines Zeitfensters der Zeitreihe, einer Anomalie auf der Grundlage eines gerichteten Graphen der Zeitreihe gerichteter Graphen umfassen. Das Verfahren kann Bereitstellen einer Warnung umfassen, dass die Anomalie das System mit Maschinenlernfähigkeit beschädigt hat. Das Verfahren kann Verhindern oder Beheben einer Beschädigung des Systems mit Maschinenlernfähigkeit umfassen.

    VERFAHREN, SYSTEME, HERSTELLUNGSGEGENSTÄNDE UND EINRICHTUNGEN ZUM VERBESSERN VON CODECHARAKTERISTIKEN

    公开(公告)号:DE102020110805A1

    公开(公告)日:2020-12-31

    申请号:DE102020110805

    申请日:2020-04-21

    Applicant: INTEL CORP

    Abstract: Verfahren, Einrichtungen, Systeme und Herstellungsgegenstände werden offenbart, um Codecharakteristiken zu verbessern. Eine Beispieleinrichtung umfasst einen Gewichtsmanager (204), um einen ersten Gewichtswert auf eine erste Zielfunktion anzuwenden, einen Zustandsidentifizierer (216), um einen ersten Zustand zu identifizieren, der dem Kandidatencode entspricht, und einen Aktionsidentifizierer (218), um Kandidatenaktionen zu identifizieren, die dem identifizierten ersten Zustand entsprechen. Die Beispieleinrichtung umfasst auch einen Belohnungsrechner (212), um Belohnungswerte zu bestimmen, die jeweiligen (a) des identifizierten ersten Zustandes, (b) einer der Kandidatenaktionen und (c) des ersten Gewichtswerts entsprechen, und eine Qualitätsfunktionsdefinitionseinrichtung (226), um einen relativen höchsten Zustands- und Aktionspaarbelohnungswert auf der Basis von jeweiligen der Belohnungswerte zu bestimmen.

    Verfahren, Systeme, Herstellungsgegenstände und Vorrichtungen für ein kontext- und komplexitätsbewusstes Empfehlungssystem zur verbesserten Softwareentwicklungseffizienz

    公开(公告)号:DE102020110536A1

    公开(公告)日:2020-12-31

    申请号:DE102020110536

    申请日:2020-04-17

    Applicant: INTEL CORP

    Abstract: Vorrichtungen, Systeme, Herstellungsgegenstände und Verfahren für ein kontext- und komplexitätsbewusstes Empfehlungssystem zur effizienten Softwareentwicklung. Eine beispielhafte Vorrichtung (100) schließt einen Generator des aktuellen Zustands (118), um eine Darstellung eines aktuellen Zustands einer neuen Funktion zu generieren, einen Befehlsprädiktor (104), um eine erste empfohlene Softwarekomponente basierend auf dem aktuellen Zustand der neuen Funktion zu generieren, einen Komplexitätskostenbestimmer (106), um die erste empfohlene Softwarekomponente basierend auf einer gewichteten Summe der assoziierten Teilkostenwerte einzustufen, wobei die Softwarekomponente basierend auf einem Vergleich der Teilkostenwerte, die den jeweiligen von zweiten empfohlenen Softwarekomponenten entsprechen, in Bezug auf zweite empfohlene Softwarekomponenten eingestuft werden soll, einen Risikoidentifikator (114), um Schwachstellen basierend auf einer Angriffsoberfläche eines Teils der ersten empfohlenen Softwarekomponente zu detektieren, und einen Ranking-Bestimmer (108), um eine dritte empfohlene Softwarekomponente zu generieren, wobei die dritte empfohlene Softwarekomponente den jeweiligen Ranking-Metriken entspricht, ein.

    Techniken zum Trainieren tiefer neuronaler Netzwerke

    公开(公告)号:DE102018115440A1

    公开(公告)日:2019-01-03

    申请号:DE102018115440

    申请日:2018-06-27

    Applicant: INTEL CORP

    Abstract: Verschiedene Ausführungsformen betreffen allgemein Techniken zum Trainieren von tiefen neuronalen Netzwerken, beispielsweise solche mit einem iterativen Ansatz. Einige Ausführungsformen betreffen speziell ein Trainingssystem für ein tiefes neuronales Netzwerk (Deep Neural Network, DNN), das durch iteratives Trainieren von DNNs mit Bildern, die durch frühere Iterationen des DNN falsch klassifiziert wurden, ein gehärtetes DNN erzeugt. In einer oder mehreren Ausführungsformen kann die Logik beispielsweise ein feindliches Bild erzeugen, das von einem ersten DNN, das zuvor mit einem Satz von Musterbildern trainiert wurde, falsch klassifiziert wird. In einigen Ausführungsformen kann die Logik einen zweiten Trainingssatz bestimmen, der das feindliche Bild enthält, das von dem ersten DNN und dem ersten Trainingssatz von einem oder mehreren Musterbildern falsch klassifiziert wurde. Der zweite Trainingssatz kann verwendet werden, um ein zweites DNN zu trainieren. In verschiedenen Ausführungsformen kann der vorstehende Prozess für eine vorbestimmte Anzahl von Iterationen wiederholt werden, um ein gehärtetes DNN zu erzeugen.

Patent Agency Ranking