公开(公告)号：CN117421730B

公开(公告)日：2024-06-04

申请号：CN202311163836.9

申请日：2023-09-11

Applicant: 暨南大学

Inventor： 魏林锋 ,  何卓丰 ,  丁振杨 ,  李学明 ,  黄宇勤 ,  李开源 ,  欧阳航

IPC: G06F21/56 ,  G06F21/57 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习的代码片段敏感信息检测方法，包括S1、对训练样本进行预处理，初始化配置文件；S2、从训练样本中提取特征，建立特征矩阵；S3、建立SVM‑AdaBoost模型并对该模型进行训练；S4、用训练好的SVM‑AdaBoost模型检测待测代码片段，初步判断代码片段是否存在敏感信息，并对存在敏感信息对样本进行自动标记。本发明加强了代码片段中敏感信息的检测能力，减少了人工检测的成本，同时基于集成学习结合多个基学习器可以获得比任意单个基学习器都要好的检测效果。

公开(公告)号：CN117496246A

公开(公告)日：2024-02-02

申请号：CN202311489175.9

申请日：2023-11-09

Applicant: 暨南大学

Inventor： 魏林锋 ,  黎庭威 ,  何卓丰 ,  王宇 ,  宣建通 ,  陈佳韩 ,  李健 ,  李学明 ,  黄宇勤 ,  丁振杨 ,  欧燕 ,  杨子怡 ,  孙炜 ,  唐英展

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06V10/774 ,  G06T5/94 ,  G06T5/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明公开了一种基于卷积神经网络的恶意软件分类方法。其中方法包括：恶意软件样本数据集采集；将恶意软件样本转换成灰度图像；增加灰度图像局部对比度和灰度图像间的对比度，同时抑制噪声的放大；将灰度图像输入Efficientnet‑B0模型以获取更精炼的特征向量，最后进行正则化，输入到Softmax函数中进行分类，以确定其所属的恶意软件家族。该方法将恶意软件样本转换成灰度图像，并且使用准确率较高、参数较少的Efficientnet‑B0模型，能高效地识别恶意软件对应的家族，并具备一定的未知恶意软件攻击发现能力，该方法还可以拓展到其他平台识别恶意软件的场景。

公开(公告)号：CN117421730A

公开(公告)日：2024-01-19

申请号：CN202311163836.9

申请日：2023-09-11

Applicant: 暨南大学

Inventor： 魏林锋 ,  何卓丰 ,  丁振杨 ,  李学明 ,  黄宇勤 ,  李开源 ,  欧阳航

IPC: G06F21/56 ,  G06F21/57 ,  G06N20/20

Abstract: 本发明公开了一种基于集成学习的代码片段敏感信息检测方法，包括S1、对训练样本进行预处理，初始化配置文件；S2、从训练样本中提取特征，建立特征矩阵；S3、建立SVM‑AdaBoost模型并对该模型进行训练；S4、用训练好的SVM‑AdaBoost模型检测待测代码片段，初步判断代码片段是否存在敏感信息，并对存在敏感信息对样本进行自动标记。本发明加强了代码片段中敏感信息的检测能力，减少了人工检测的成本，同时基于集成学习结合多个基学习器可以获得比任意单个基学习器都要好的检测效果。