-
公开(公告)号：CN107180077A
公开(公告)日：2017-09-19
申请号：CN201710252179.3
申请日：2017-04-18
Applicant: 北京交通大学
CPC classification number: G06Q50/01 , G06F16/355 , G06F16/374 , G06N3/08
Abstract: 本发明公开一种基于深度学习的社交网络谣言检测方法，包括：收集社交网络数据作为样本数据；对样本数据进行标记和分词，构建词典和以样本词在词典中的数字编号为元素的固定长度的样本词向量；将样本数据中样本句包含的样本词数限定为固定值；采用Word2Vec方法构建样本句矩阵，样本句矩阵的行向量组为样本句中的所有样本词的样本词向量；采用深度学习方法LSTM对样本句矩阵进行训练，构建多层次的训练模型；采用与构建样本句矩阵相同的方法构建待检测句矩阵；根据多层次的训练模型对待检测句矩阵进行分类检测，得到待检测社交网络数据的谣言检测结果。本发明可对社交网络谣言进行有效的检测。
-
公开(公告)号：CN108197474A
公开(公告)日：2018-06-22
申请号：CN201711469132.9
申请日：2017-12-29
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种移动终端应用的分类和恶意检测方法。该方法主要包括：提取出应用样本的特征向量，将所述应用样本的特征向量分别输入到各种分类算法中；每种分类算法分别输出所述应用样本为恶意应用或者正常应用的分类结果，将各种分类算法输出的分类结果进行投票表决处理，得到应用样本最终的分类结果。本发明实施例的应用样本的分类和检测方法通过利用多分类器投票可以充分利用各种分类算法的优势，弥补各自的不足，从而达到比单一分类算法更好的分类性能，实现了对应用样本进行有效地分类和检测。有效改善了人工审核方式容易被恶意开发者操纵，并且人工成本偏高的问题。
-
公开(公告)号：CN107256357B
公开(公告)日：2020-05-15
申请号：CN201710251260.X
申请日：2017-04-18
Applicant: 北京交通大学
Abstract: 本发明公开一种基于深度学习的安卓恶意应用的检测和分析方法，包括基于类别提取恶意应用特征集；采用深度学习算法对应用样本进行恶意性检测并依据检测结果将所述应用样本分为恶意应用和正常应用；采用特征选择算法对恶意应用特征进行排序；采用机器学习分类算法对恶意家族进行识别；构建恶意家族特征子集并进行恶意家族行为分析。本发明将深度学习方法应用于安卓恶意应用检测中，通过特征子集的构建对恶意家族进行行为分析。本发明能够提高现有的安卓恶意应用分类的准确率，改善当前安卓市场人工审核造成的工作量巨大、准确率不高的问题，有助于根据恶意应用的行为采取有针对性的防护措施。
-
公开(公告)号：CN107256357A
公开(公告)日：2017-10-17
申请号：CN201710251260.X
申请日：2017-04-18
Applicant: 北京交通大学
Abstract: 本发明公开一种基于深度学习的安卓恶意应用的检测和分析方法，包括基于类别提取恶意应用特征集；采用深度学习算法对应用样本进行恶意性检测并依据检测结果将所述应用样本分为恶意应用和正常应用；采用特征选择算法对恶意应用特征进行排序；采用机器学习分类算法对恶意家族进行识别；构建恶意家族特征子集并进行恶意家族行为分析。本发明将深度学习方法应用于安卓恶意应用检测中，通过特征子集的构建对恶意家族进行行为分析。本发明能够提高现有的安卓恶意应用分类的准确率，改善当前安卓市场人工审核造成的工作量巨大、准确率不高的问题，有助于根据恶意应用的行为采取有针对性的防护措施。
-
-
-
Search Results
4
records
(took 0.017 seconds)
