-
公开(公告)号：CN114707151B
公开(公告)日：2024-03-19
申请号：CN202210528096.3
申请日：2022-05-16
Applicant: 桂林电子科技大学
IPC: G06F21/56 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于API调用和网络行为的僵尸软件检测方法，该方法包括主机行为模式提取层模块、网络行为模式提取层模块和聚合训练模块；其中主机行为模式提取层模块包括文件解析识别子模块、静态FCG提取子模块、样本分发子模块和调用上下文提取子模块，依次进行样本文件的解析和识别、样本分发、样本的静态分析和动态分析、FCG调用图压缩以及节点重标签；网络行为模式提前层模块包括网络行为监控和数据预处理子模块、LSTM表示学习子模块，进行网络行为收集和数据预处理，训练LSTM表示学习子模块；聚合训练模块将主机行为模式提取层模块、网络行为模式提取层模块的输出数据进行聚合训练，输入全连接分类网络中，最后得到分类结果。
-
公开(公告)号：CN114707151A
公开(公告)日：2022-07-05
申请号：CN202210528096.3
申请日：2022-05-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于API调用和网络行为的僵尸软件检测方法，该方法包括主机行为模式提取层模块、网络行为模式提取层模块和聚合训练模块；其中主机行为模式提取层模块包括文件解析识别子模块、静态FCG提取子模块、样本分发子模块和调用上下文提取子模块，依次进行样本文件的解析和识别、样本分发、样本的静态分析和动态分析、FCG调用图压缩以及节点重标签；网络行为模式提前层模块包括网络行为监控和数据预处理子模块、LSTM表示学习子模块，进行网络行为收集和数据预处理，训练LSTM表示学习子模块；聚合训练模块将主机行为模式提取层模块、网络行为模式提取层模块的输出数据进行聚合训练，输入全连接分类网络中，最后得到分类结果。
-
公开(公告)号：CN114900362B
公开(公告)日：2024-10-15
申请号：CN202210528503.0
申请日：2022-05-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于行为图和Weisfeiler Lehman算法的可扩展网络攻击检测方法，该方法首先采用主机行为的图表示形式，能够以网络通信图为基础架构，将与各个主机通过相关联的连接记录以通信关系关联在一起；其次基于自相似度进行数据减量，由于网络数据的冗余度高，需要进行数据减量来提高模型的训练效率，但是对连接记录进行数据减量很可能导致主机的行为模式的完整性被破坏；最后利用Weisfeiler Lehman图核端到端进行图嵌入和相似度计算。将其输出作为核方法的输入，结合集成学习，能够高效训练模型的同时不会引入更多误差。
-
公开(公告)号：CN114900362A
公开(公告)日：2022-08-12
申请号：CN202210528503.0
申请日：2022-05-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于行为图和Weisfeiler Lehman算法的可扩展网络攻击检测方法，该方法首先采用主机行为的图表示形式，能够以网络通信图为基础架构，将与各个主机通过相关联的连接记录以通信关系关联在一起；其次基于自相似度进行数据减量，由于网络数据的冗余度高，需要进行数据减量来提高模型的训练效率，但是对连接记录进行数据减量很可能导致主机的行为模式的完整性被破坏；最后利用Weisfeiler Lehman图核端到端进行图嵌入和相似度计算。将其输出作为核方法的输入，结合集成学习，能够高效训练模型的同时不会引入更多误差。
-
-
-
Search Results
4
records
(took 0.02 seconds)
