公开(公告)号：CN113591083A

公开(公告)日：2021-11-02

申请号：CN202110805548.3

申请日：2021-07-16

Applicant: 之江实验室 ,  北京理工大学

Inventor： 邱克帆 ,  张汝云 ,  白冰 ,  孙才俊 ,  马煜杰 ,  谭毓安 ,  李元章

IPC: G06F21/56 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于模糊汇编指令序列的恶意代码家族分类方法，属于计算机网络恶意代码检测技术领域。本方法从不同家族的恶意代码中提取出过滤立即数操作数和常量地址操作数后的模糊汇编指令序列特征，训练用于恶意代码家族分类的长短期记忆网络模型。采用的模糊汇编指令序列较现有的字节码序列和操作码序列，在PE恶意代码家族分类任务中具有更高的准确率。采用的模糊汇编指令序列，使用编写的指令掩码对部分类型操作数进行了屏蔽，向较现有字节码序列特征，降低了输入序列的长度，在LSTM模型训练和检测家族环节具有更低的时间成本。相较现有的操作码序列特征，增强了对不同恶意代码家族的刻画能力，具有更好的检测结果。

公开(公告)号：CN114693989B

公开(公告)日：2024-11-26

申请号：CN202210225326.9

申请日：2022-03-09

Applicant: 北京理工大学

Inventor： 王亚杰 ,  李元章 ,  邱克帆 ,  赵语杭 ,  武上博

IPC: G06V10/774 ,  G06V10/771 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明涉及一种基于决策边界及信赖域的对抗样本优化生成方法，属于深度学习以及图像识别领域。本发明利用白盒攻击方法生成对抗样本，之后基于决策边界及信赖域对对抗样本进行多层次优化，引导生成扰动最小的对抗样本。进一步通过选取合适的适应度函数评价对抗样本，从众多添加了对抗噪声的样本中优选出精英样本。进一步通过迭代对精英样本向原始样本在L∞限制范围内投影优选扰动最小的对抗样本。对比现有技术，本发明生成的对抗样本扰动明显减小，并且对抗样本更符合人类视觉认知。

公开(公告)号：CN114693989A

公开(公告)日：2022-07-01

申请号：CN202210225326.9

申请日：2022-03-09

Applicant: 北京理工大学

Inventor： 王亚杰 ,  李元章 ,  邱克帆 ,  赵语杭 ,  武上博

IPC: G06V10/774 ,  G06V10/771 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于决策边界及信赖域的对抗样本优化生成方法，属于深度学习以及图像识别领域。本发明利用白盒攻击方法生成对抗样本，之后基于决策边界及信赖域对对抗样本进行多层次优化，引导生成扰动最小的对抗样本。进一步通过选取合适的适应度函数评价对抗样本，从众多添加了对抗噪声的样本中优选出精英样本。进一步通过迭代对精英样本向原始样本在L∞限制范围内投影优选扰动最小的对抗样本。对比现有技术，本发明生成的对抗样本扰动明显减小，并且对抗样本更符合人类视觉认知。