基于机器学习的恶意软件家族主要特征提取和可视化方法

    公开(公告)号:CN118862073A

    公开(公告)日:2024-10-29

    申请号:CN202411000178.6

    申请日:2024-07-24

    Abstract: 本发明涉及计算机技术、机器学习和信息安全领域,尤其涉及基于机器学习的恶意软件家族主要特征提取和可视化方法,包括特征选择、家族分类、特征贡献度提取、归一化处理和可视化步骤;通过静态或动态分析收集恶意软件样本行为数据,选择特征并转换为矩阵形式,基于机器学习算法进行分类,提取特征贡献度并归一化处理,根据特征贡献度矩阵,通过颜色编码方法对不同特征进行可视化处理;宏观可视化展示家族间特征异同,微观可视化展示具体特征内容;本发明有效提取并展示了恶意软件家族的主要特征及其差异,提供了分类算法的决策依据,具有高效、准确的特点。

    一种基于大型语言模型的自然语言访问控制策略生成方法

    公开(公告)号:CN119539061B

    公开(公告)日:2025-04-15

    申请号:CN202510073505.9

    申请日:2025-01-17

    Abstract: 本发明公开了一种基于大型语言模型的自然语言访问控制策略生成方法,属于访问控制领域,包括:对用户上传的CSV文件构建知识图谱,存储至图数据库,由用户从中选择目标服务并指定目标访问控制类型;在预设的提示工程模板组合和LangChain框架基础上,利用第一大型语言模型生成初始自然语言访问控制策略文档;依次利用第二大型语言模型剔除非自然语言访问控制策略语句,利用第三大型语言模型去除存在的重复策略,利用第四大型语言模型修改存在的相互冲突策略,得到最终的自然语言访问控制策略文档。本发明能够根据用户的安全需求和业务内容,自动生成符合要求的自然语言访问控制策略,支持快速变更,并适用于不同形式的访问控制策略。

Patent Agency Ranking