-
公开(公告)号：CN118070285A
公开(公告)日：2024-05-24
申请号：CN202410269299.4
申请日：2024-03-11
Applicant: 江苏大学
IPC: G06F21/56 , G06F18/2132 , G06F18/241 , G06N3/096 , G06N3/045
Abstract: 本发明公开一种结合知识蒸馏进行补偿量化的轻量级恶意软件检测方法，深度学习检测模型压缩过程中，通过教师网络和学生网络逐层联合学习方案，获得高性能的学生模型，并进一步对学生模型进行量化，针对量化过程中产生的误差利用中间层损失进行补偿，即利用教师网络隐含层蕴含的知识来减轻量化过程的信息丢失，充分利用知识蒸馏和量化技术的优势，在计算资源有限场景中实现高效的恶意软件检测。
-
公开(公告)号：CN119808084A
公开(公告)日：2025-04-11
申请号：CN202411749285.9
申请日：2024-12-02
Applicant: 江苏大学
IPC: G06F21/57 , G06F18/213 , G06F18/241 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种以安全最佳实践驱动的智能合约重入漏洞检测方法，其特征在于，包括以下步骤：步骤1、传入智能合约源码，将其进行函数级切片，以获取合约函数集；步骤2、使用函数切片检测算法对函数集中的每个函数的逻辑单元进行独立分析，将函数分为安全函数和可疑函数；步骤3、基于获得的安全函数和可疑函数，以可疑函数集为核心；步骤4、对可疑函数集使用增强型过滤算法进行函数筛选；步骤5、使用一种结合双重注意力机制的图注意力网络对全局合约图和局部合约图进行特征提取；步骤6、将获得的全局图特征和局部图特征进行结合特征融合。本发明不仅能有效降低模型因不能识别代码中的安全模块而导致的误报，还能够增加模型的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN118070285B
公开(公告)日：2024-08-06
申请号：CN202410269299.4
申请日：2024-03-11
Applicant: 江苏大学
IPC: G06F21/56 , G06F18/2132 , G06F18/241 , G06N3/096 , G06N3/045
Abstract: 本发明公开一种结合知识蒸馏进行补偿量化的轻量级恶意软件检测方法，深度学习检测模型压缩过程中，通过教师网络和学生网络逐层联合学习方案，获得高性能的学生模型，并进一步对学生模型进行量化，针对量化过程中产生的误差利用中间层损失进行补偿，即利用教师网络隐含层蕴含的知识来减轻量化过程的信息丢失，充分利用知识蒸馏和量化技术的优势，在计算资源有限场景中实现高效的恶意软件检测。
-
公开(公告)号：CN116958767B
公开(公告)日：2024-04-30
申请号：CN202310862937.9
申请日：2023-07-14
Applicant: 江苏大学
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开一种基于多模态技术的智能合约安全分析方法及系统，将智能合约的字节码文件转换为图片，并计算智能合约操作码的调用频率，利用这两种特征表征当前待测合约，根据两种特征构建两种不同单模态模型，通过所提出的MFNet集成单模态模型，由MLP生成智能合约的安全分析结果。本发明在不依赖任何专家知识或规则的前提下，利用合约的两种文件构造特征可以自动捕获更全面的特性，具有较高的代码覆盖率和指令细节，多模态特征融合网络MFNet以挖掘两种模态的内在依赖性和互补性优势，将单模态模型集成在一起，克服现有检测方案受限于特征表示能力以及只能检测特定漏洞的问题，能够自动化实现智能合约的安全分析工作。
-
公开(公告)号：CN117574369A
公开(公告)日：2024-02-20
申请号：CN202311574017.3
申请日：2023-11-23
Applicant: 江苏大学
IPC: G06F21/56 , G06N3/0455 , G06N3/045 , G06N3/0499 , G06N3/08 , G06N3/126
Abstract: 本发明公开一种基于深度学习的恶意软件检测模型的解释评估方法，构建XDeepMal框架来解释基于深度学习的恶意软件检测模型；在XDeepMal框架中使用动态分析工具XTracer+捕获应用程序在运行时的行为，并自动生成它们的连续行为轨迹；然后提出新解释方法来寻找影响深度学习模型做出决策的确切行为片段，将关键行为片段的辨识视为优化问题，并利用启发式算法进行实施。本发明能够为基于深度学习模型生成更具说服力的解释，这将极大地有助于安全分析人员准确理解为何一个应用程序被深度学习的检测模型识别为恶意软件。
-
公开(公告)号：CN116958767A
公开(公告)日：2023-10-27
申请号：CN202310862937.9
申请日：2023-07-14
Applicant: 江苏大学
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开一种基于多模态技术的智能合约安全分析方法及系统，将智能合约的字节码文件转换为图片，并计算智能合约操作码的调用频率，利用这两种特征表征当前待测合约，根据两种特征构建两种不同单模态模型，通过所提出的MFNet集成单模态模型，由MLP生成智能合约的安全分析结果。本发明在不依赖任何专家知识或规则的前提下，利用合约的两种文件构造特征可以自动捕获更全面的特性，具有较高的代码覆盖率和指令细节，多模态特征融合网络MFNet以挖掘两种模态的内在依赖性和互补性优势，将单模态模型集成在一起，克服现有检测方案受限于特征表示能力以及只能检测特定漏洞的问题，能够自动化实现智能合约的安全分析工作。
-
公开(公告)号：CN117417884A
公开(公告)日：2024-01-19
申请号：CN202311317816.2
申请日：2023-10-12
Applicant: 江苏大学
IPC: C12N5/0783 , A61K35/17 , A61P35/00 , A61P35/02
Abstract: 本发明提供了一种NK细胞培养基和NK细胞的培养方法及人记忆样NK细胞小细胞外囊泡和制备方法及其应用，属于医疗技术领域。本发明提供了IL‑12、IL‑15和IL‑18细胞因子在NK细胞培养中的应用。本发明通过含有细胞因子IL‑12、IL‑15和IL‑18的培养基对NK细胞进行培养，能够提高NK细胞的杀伤力；利用含有IL‑12、IL‑15和IL‑18细胞因子的培养基培养NK细胞后制备得到的人记忆样NK细胞小细胞外囊泡在胃癌、肺癌、胰腺癌和血液瘤等肿瘤治疗中能够高效发挥作用。
-
-
-
-
-
-
Search Results
7
records
(took 0.041 seconds)
