-
公开(公告)号：CN111552963A
公开(公告)日：2020-08-18
申请号：CN202010264023.9
申请日：2020-04-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机安全技术领域，具体涉及一种基于结构熵序列的恶意软件分类方法。本发明通过提取噪声更少的结构熵序列并用于训练卷积神经网络模型，可以提取出更加贴近恶意软件本质特征的特征，从而提高恶意软件的分类准确率。本发明的卷积神经网络模型的输入数据噪声更少，所提取的特征更加贴近恶意软件的本质特征，增加了恶意软件的识别率。本发明能够处理大批量数据，且能保持较好的分类性能。
-
公开(公告)号：CN110533152A
公开(公告)日：2019-12-03
申请号：CN201910738722.X
申请日：2019-08-12
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数学技术领域，具体涉及可以提高执行效率的一种基于改进烟花算法在CMP架构下的任务调度方法。本方法包括如下步骤：将CMP任务调度问题中的N个任务调度序列映射为N个烟花，初始化；计算每个烟花的适应度值、爆炸半径和爆炸火花数；进行爆炸和高斯变异；将超出可行域的烟花映射回可行域内；将烟花按照适应度值进行升序排序；将适应度值最小的烟花选择为下一代烟花。本发明将改进的烟花算法用于CMP任务调度问题中，使得执行完全部任务所用时间最短，有效的提高了CMP架构下任务的执行效率。
-
公开(公告)号：CN109858250A
公开(公告)日：2019-06-07
申请号：CN201910126764.8
申请日：2019-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于级联分类器的安卓恶意代码检测模型方法，获取待检测的apk文件；使用apktool反汇编apk提取资源文件，图片文件和布局文件；使用dex2jar将apk反编译成java源码；使用jd-gui查看APK中classes.dex转化出的jar文件，即源码文件；从反汇编的文件中提取操作码序列和api调用；将操作码序列和api调用特征合并为一个特征；用特征训练级联分类器，降低恶意代码误检率。本发明有效的区分良性样本和恶意软件，降低恶意软件的误检率，实现安卓端的应用安全；本发明是一种检测率高，成功率高，误检率低的检测方法；通过级联分类器的检测恶意软件，有效的降低恶意代码的误报率，同时比单个分类器的检测高效，比多个分类器的检测节约时间，大大提升了安卓端恶意代码检测的效率。
-
公开(公告)号：CN109829306A
公开(公告)日：2019-05-31
申请号：CN201910127879.9
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G06F21/56
Abstract: 本发明属于信息安全领域，具体涉及一种优化特征提取的恶意软件分类方法。本发明优化了恶意软件的提取方式并且以深度学习中的卷积神经网络为主要分类器。单一的静态特征无法全面地体现恶意软件的特征，比如灰度图仅能表示恶意软件的整体轮廓，API调用图仅能表示恶意软件的控制结构。针对以上问题，本发明方法提取了这两种特征，并且将这两种特征组合成一张双通道图片特征矩阵作为卷积神经网络的输入，这样既可以将恶意软件的整体轮廓表现出来，也可以将恶意软件可能执行的流程完整的表现出来。本发明方法有效地解决了样本特征提取时不能完整体现恶意软件本身的情况，并且具有较好的分类效果。
-
Patent Agency Ranking
公开(公告)号：CN107704319A
公开(公告)日：2018-02-16
申请号：CN201710972593.1
申请日：2017-10-18
Applicant: 哈尔滨工程大学
CPC classification number: G06F9/4806 , G06N3/006
Abstract: 本发明公开了改进烟花算法的CMP任务调度方法，属于计算机体系结构领域。具体步骤包括：设定初始参数；随机生成N个烟花的位置向量；计算烟花的爆炸火花数量、爆炸幅度和适应度值；进行爆炸操作和高斯变异操作；反复迭代后输出最优任务调度序列。本发明在烟花算法中引入排斥算子；同时，在排斥操作的维数上应用非线性惯性权重因子；采用的编码方案保留烟花位置是多维向量的特点，只重新定义每一维表示的含义和取值范围。本发明保证烟花产生的火花有效，有利于算法迭代后期在最优值附近进行细致性的寻优，编码方便、高效，能在更短时间内找到精度更高的解，有效提高了CMP架构下任务的执行效率。
-
公开(公告)号：CN105117281A
公开(公告)日：2015-12-02
申请号：CN201510523104.5
申请日：2015-08-24
Applicant: 哈尔滨工程大学
IPC: G06F9/48
Abstract: 本发明涉及一种基于任务申请信号和处理器内核执行代价值的任务调度方法。本发明包括:(1)任务申请信号：采用全局链表和处理器内核调度队列来记录任务；(2)处理器内核执行代价值：每个处理器内核维持一个执行代价值向量，处理器内核经计算得出全局链表中每个任务的执行代价值，并存入执行代价值向量中；(3)任务调度概率：处理器内核对任务的执行代价值和任务的申请信号来计算任务从全局链表调度到处理器内核调度队列的概率。本发明采用全局链表和处理器内核调度队列记录任务，使用任务的申请信号的强弱和处理器内核执行任务的代价值的大小作为任务调度的准则，可有效的减少任务迁移过程中产生的开销，降低任务的执行时间。
-
公开(公告)号：CN103473134A
公开(公告)日：2013-12-25
申请号：CN201310440488.5
申请日：2013-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明属于处理器性能改进领域，具体涉及一种异构多核处理器的依赖任务调度方法。本发明包括（1）任务优先级计算；（2）选择处理器；（3）调度优化。本发明在当前格局下的向后关键路径执行时间为权值将任务分配到处理器内核，克服了现有调度方法中普遍采用贪心思想选择处理器内核导致局部最优解的缺点，从全局出发，获得任务图整体最小完成时间；在调度过程中采用减小任务执行长度，提高处理器利用率。将本发明方法与现有调度方法进行实例分析和模拟实验验证证明本方法相比与以往方法的任务调度效率提高了约18.3%，并且随着任务数量和处理器内核数目的增加，本发明方法的优越性愈加突出，缩短了任务图的完成时间、提高了处理器利用率。
-
公开(公告)号：CN102193826A
公开(公告)日：2011-09-21
申请号：CN201110135487.0
申请日：2011-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种异构多核处理器高效任务调度方法。采用线性任务聚簇方法，将任务图中某些特殊的、通信开销较大的、容易聚簇的任务聚簇到其前驱节点；从整个任务图的拓扑结构出发，选择能够综合反映任务在整个任务图中地位的参数作为优先级权值；首先选取自由关键路径节点进行分配，如果存在多个自由关键路径节点，按照节点优先级权值从高到低的顺序进行分配，所有非关键路径自由节点按照优先级权值从高到低的顺序进行分配；进行冗余性判断，删除调度结果中的冗余任务；通过对冗余任务删除后的调度结果进行调整，重新计算每个任务的最早完成时间。本方法提高了异构多核处理器任务调度的效率、降低了处理器功耗，提升了多核处理器的性能。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.02 seconds)
