一种基于图深度学习的恶意软件攻击检测方法

    公开(公告)号:CN119475337A

    公开(公告)日:2025-02-18

    申请号:CN202411512686.2

    申请日:2024-10-28

    Abstract: 本发明公开了一种基于图深度学习的恶意软件攻击检测方法,包括定义正常软件及已知恶意软件的空间事件图,构建计算机内部软件空间图模型;计算软件空间图模型权重,量化事件风险;设计基于图深度学习的事件预测模型,预测软件下一步可能的访问事件;设计风险预警及云处理方法,对软件的可疑访问事件发起预警并进行风险处理。本发明构建计算机内部软件空间图模型,量化事件风险,引入多层图卷积网络进行恶意软件检测,对恶意软件的结构和行为进行多层次特征表示,从而更全面地挖掘数据中的信息,提高检测效果;自动学习数据中的模式和特征,具有较强的适应性,能适应恶意软件变种和新型威胁的变化,具有更好的可解释性,对复杂数据依旧具有高性能。

    安全漏洞的预警方法、装置、设备和介质

    公开(公告)号:CN118138355A

    公开(公告)日:2024-06-04

    申请号:CN202410413252.0

    申请日:2024-04-08

    Abstract: 本发明公开了一种安全漏洞的预警方法、装置、设备和介质,包括:根据采集的目标网络数据构建网络知识图谱;其中,目标网络数据包括公开安全漏洞数据、历史攻击事件数据、以及网络设备数据;确定待预警网络设备在网络知识图谱中对应的第一目标节点,并确定第一目标节点在网络知识图谱中对应的第一网络子图;根据第一网络子图中第二目标节点的节点重要性评分,以及第三目标节点的节点重要性评分,向待预警网络设备输出预警信息,一方面由于网络知识图谱通过整合多源异构的目标网络数据构建得到,能够提高对新型安全漏洞的识别能力,另一方面由于知识图谱中节点的连接特性,因此具备从海量数据中提取有价值信息的能力,可以及时输出相关预警信息。

Patent Agency Ranking