一种恶意软件检测模型训练、恶意软件检测方法及装置

    公开(公告)号:CN114462040A

    公开(公告)日:2022-05-10

    申请号:CN202210114289.4

    申请日:2022-01-30

    IPC分类号: G06F21/56 G06K9/62

    摘要: 本发明提供一种恶意软件检测模型训练、恶意软件检测方法及装置,恶意软件检测模型训练方法包括:获取多个恶意软件;确定各恶意软件对应的训练合成行为图;对训练合成行为图添加第一标签;根据训练合成行为图获取一个或多个训练公共行为图,各训练公共行为图分别对应一个恶意软件家族,对训练公共行为图添加第二标签;将训练合成行为图和训练公共行为图输入到图匹配模型中得到第一相似系数;若第一相似系数和第二相似系数的差值小于预设相似系数,将当前的图匹配模型确定为恶意软件检测模型。本发明通过提取训练公共行为图缩小了在检测恶意软件时的检测范围,提高了恶意软件检测模型的检测速度,以及检测结果的准确性。

    一种基于循环谱区分调制类型的方法及系统

    公开(公告)号:CN111800357A

    公开(公告)日:2020-10-20

    申请号:CN202010636330.5

    申请日:2020-07-03

    IPC分类号: H04L27/00

    摘要: 本发明公开了一种基于循环谱区分调制类型的方法及系统,方法包括:获取预知调制方式的信号;将预知调制方式的信号进行循环谱调制,得到循环谱三维图的图谱,并获取图谱截面及图谱截面的波峰坐标;将图谱截面及图谱截面的波峰坐标按照不同的调制方式进行分类存储;将接收的未知调制方式的信号进行循环谱调制,生成未知调制方式信号的图谱截面及图谱截面的波峰坐标,对未知调制方式信号及预知调制方式的信号的图谱截面的波峰坐标进行聚类分析并结合图谱截面的次波峰检测,得到未知调制方式信号的调制类型。本发明提出了通过循环谱特征作为特征提取的样本,实现了对调制信号类型的区分,在低信噪比条件下有较高的识别准确率,且应用广泛。

    一种敏感数据分类分级标识方法及系统

    公开(公告)号:CN114511019A

    公开(公告)日:2022-05-17

    申请号:CN202210087453.7

    申请日:2022-01-25

    IPC分类号: G06K9/62 G06F21/62 G06Q50/06

    摘要: 本发明提供的一种敏感数据分类分级标识方法及系统,该方法包括:获取电力信息内外网各业务系统中的敏感数据特征;构建敏感数据分类模型;将敏感数据特征输入敏感数据分类模型,得到敏感数据分类结果;构建敏感数据分级模型;将敏感数据分类结果、敏感数据特征及预设数据安全等级输入敏感数据分级模型,得到敏感数据分级结果;根据敏感数据分类结果、敏感数据特征及敏感数据分级结果对敏感数据进行定级标识。通过改进的神经网络算法实现对电力结构化敏感数据的分类和分级模型及参数等的动态调整,可在短时间内实现对电力结构化敏感数据的分类分级,避免传统机器学习算法可能出现的训练网络模型失败、训练样本要求高、训练时收敛速度慢等问题。