一种基于图卷积神经网络的安卓恶意软件检测方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117909975A
(43)申请公布日2024.04.19
(21)申请号202410082512.0
(22)申请日2024.01.19
(71)申请人重庆邮电大学
地址400065
显示全部
文档详情
相似文档
-
一种基于PSEAM-MobileNet神经网络的安卓恶意软件检测方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117574364A
(43)申请公布日2024.02.20
(21)申请号202310929813.8G06N3/08(2023.01)
(22)申请日202
-
一种基于元路径嵌入的图神经网络安卓恶意软件检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116305111 A
(43)申请公布日 2023.06.23
(21)申请号 202310040605.2
(22)申请日 2023.01.13
(71)申请人 河北师范大学
-
基于图神经网络的安卓恶意软件检测与分类研究.pdf
摘要
随着移动设备的普及，安卓系统正面临日益增长的恶意软件威胁。为了应对这一挑
战，研究人员提出了各种各样的方法来检测和分类安卓恶意软件。但是随着恶意软件的
快速演变和不断变化的攻击手段，传统方法在处理这些问题上具有局限性，特别是在处
理大规模训练样本和样本不平衡问题上存在困难。近年来，图神经网络作为一种强大的
机器学习工具，已经被广泛应用于安卓恶意软件检测与分类任务中。通过构建恶意软件
样本之间的关系图，并利用图神经网络提取图结构的特征，能够更准确地识别和分类恶
意软件。
目前，在安卓
-
基于图卷积网络的安卓恶意软件检测方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117034273 A
(43)申请公布日 2023.11.10
(21)申请号 202311090888.8 G06N 3/08 (2023.01)
(22)申请日 2023.08.2
-
一种基于Transformer结构的安卓恶意软件检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114462039 A
(43)申请公布日 2022.05.10
(21)申请号 202210103121.3
(22)申请日 2022.01.27
(71)申请人 北京工业大学
地址 100124
-
一种基于精简行为图的安卓恶意软件检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117708815A
(43)申请公布日2024.03.15
(21)申请号202311686421.X
(22)申请日2023.12.08
(71)申请人重庆邮电大学
地址400065
-
一种基于卷积神经网络的焊点检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113409250 A
(43)申请公布日 2021.09.17
(21)申请号 202110579200.7
(22)申请日 2021.05.26
(71)申请人 杭州
-
一种基于卷积神经网络的物品检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117541558A
(43)申请公布日2024.02.09
(21)申请号202311543186.0G06V10/764(2022.01)
-
一种基于卷积神经网络的Android勒索软件检测方法.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113378171 B
(45)授权公告日 2022.06.21
(21)申请号 202110783769.5 G06N 3/08 (2006.01)
(22)申请日 2021.
-
图神经网络技术在抗混淆恶意软件检测中的应用研究.docx
图神经网络技术在抗混淆恶意软件检测中的应用研究
目录
一、内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
1.1恶意软件威胁现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.2抗混淆恶意软件检测的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.3图神经网络技术的发展与应用前景．．．．．．．．．．．．．．．．．．．．．．．．．5
研究目的和任务．．．．．．．．．．．．．．．．
-
基于多模态融合的安卓恶意软件检测方法研究.pdf
摘要
摘要
随着移动支付等应用的广泛使用，对于安卓设备中的恶意软件进行检测和防
护变得越来越重要，研究安卓恶意软件检测不仅对保护用户隐私和安全至关重要，
而且对维护整个社会网络的安全具有重大意义。然而，传统的静态检测方法在适
应不同样本方面存在不足，以及对大量的样本进行分析和比对的时候往往需要消
耗大量的时间和计算资源。针对以上问题，本文通过分析不同静态特征模态的优
势，提出了一种多模态融合的检测方法，主要研究的内容如下：
-
基于AndroGRU的安卓恶意软件静态检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号CN110941828A
(43)申请公布日
2020.03.31
(21)申请号20191
-
《基于DoI-RNNs的安卓恶意软件动态检测方法》.docx
《基于DoI-RNNs的安卓恶意软件动态检测方法》
一、引言
随着移动互联网的迅猛发展，安卓操作系统已成为全球使用最广泛的移动平台之一。然而，随着安卓设备的普及，恶意软件的威胁也日益严重。为了保护用户数据和设备安全，开发有效的安卓恶意软件检测方法变得至关重要。本文提出了一种基于DoI-RNNs（动态行为与循环神经网络）的安卓恶意软件动态检测方法，旨在提高检测准确性和效率。
二、安卓恶意软件概述
安卓恶意软件是指利用安卓系统漏洞，未经用户许可即进行恶意行为的软件程序。它们通常隐藏在看似正常的应用程序中，通过窃取用户信息、破坏系统功能等方式获取非法利益。安卓恶意软件的种类繁多，其行为和特性各不相同
-
一种基于宽卷积神经网络的图像去噪方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112801897 A
(43)申请公布日 2021.05.14
(21)申请号 202110071024.6
(22)申请日 2021.01.19
(71)申请人 西安理工大学
地址
-
基于卷积神经网络的恶意代码变种检测技术：原理、应用与优化.docx
基于卷积神经网络的恶意代码变种检测技术：原理、应用与优化
一、引言
1.1研究背景与意义
随着信息技术的飞速发展，网络已经深度融入到社会生活的各个层面，从个人日常办公、生活娱乐，到企业的运营管理、国家关键基础设施的运行，都高度依赖网络环境的安全稳定。然而，恶意代码作为网络安全的重大威胁之一，其变种的不断涌现给网络安全带来了前所未有的挑战。
恶意代码变种是指在原始恶意代码的基础上，通过各种技术手段如代码混淆、加壳、变形等，改变自身的特征和表现形式，从而逃避传统安全检测机制的检测。恶意代码变种的危害是多方面且极其严重的。在个人层面，它可能导致个人设备中的数据泄露，如个人隐私信息、财务数据等，给用