基于图神经网络的账户检测方法、装置和设备

    公开(公告)号:CN112818257B

    公开(公告)日:2022-09-02

    申请号:CN202110195120.1

    申请日:2021-02-19

    Abstract: 本发明示例性实施例提供一种基于图神经网络的账户检测方法,包括:以在线社交平台的账户为节点,账户与账户之间的关系为边,构建关系图;确定节点的特征表示,所述特征表示为分别提取所述节点的内容特征和行为特征进行聚合后得到;将所述关系图和所述特征表示输入预设的图神经网络模型,通过所述神经网络模型的输出结果确定所述关系图中的异常账户节点;所述预设的神经网络模型为:将所述关系图的节点和边转码为能够识别的向量数据,对所述向量数据进行权重参数的训练后,输出带有标签的节点预测值,根据所述节点预测值确定节点是否为异常账号。本发明使得账户检测的稳定性、效率和准确率均得到了大幅提升。

    一种基于GUI的Android应用程序WebView页面的测试方法、装置及设备

    公开(公告)号:CN111459802B

    公开(公告)日:2022-04-15

    申请号:CN202010159110.8

    申请日:2020-03-09

    Abstract: 本说明书一个或多个实施例提供一种基于GUI的Android应用程序WebView页面的测试方法、装置及设备,包括:基于动静态结合分析的方式进行WebView页面识别,获取WebView页面,动静态结合分析的方式包括:静态二进制文件分析方式和动态标记分析方式;对WebView页面进行组件化拆分,获得HTML页面;构建基于HTML页面的标签的GUI组件模型,标签包括:标签特征和标签事件;触发标签事件并收集HTML页面和GUI组件模型的变化反馈,根据变化反馈调整GUI组件模型,获得优化GUI组件模型;采用DFS遍历策略和贪心遍历策略相结合的探索方式对优化GUI组件模型进行遍历,触发标签事件以进行自动化测试。本发明解决混合应用中WebView页面的自动化测试。

    基于差分法的CAN数据逆向解析方法、装置及电子设备

    公开(公告)号:CN114298135A

    公开(公告)日:2022-04-08

    申请号:CN202111336171.8

    申请日:2021-11-11

    Abstract: 本申请提供一种基于差分法的CAN数据逆向解析方法、装置及电子设备,在汽车静态和动态时采集数据标识对应的数据,将一阶差分法应用于CAN数据的逆向解析,对动态数据和静态数据进行差分操作,通过将差分操作得到的结果数据集与动态操作进行比较,可以还原CAN数据的具体含义。这样,可以以比特为单位完成CAN数据的逆向解析。同时,采用本申请提供的基于差分法的CAN数据逆向解析方法对550万个CAN数据完成差分操作仅需14.5秒。这样,降低了CAN数据逆向解析方法在处理大量CAN数据时的复杂度。

    基于蜜罐系统的结构化查询语言注入检测方法及装置

    公开(公告)号:CN110245195B

    公开(公告)日:2021-05-25

    申请号:CN201910354738.0

    申请日:2019-04-29

    Abstract: 本发明公开了一种基于蜜罐系统的SQL注入检测方法及装置,该方法包括:基于所述蜜罐系统部署的SQL注入仿真环境,获取数据报文;基于所述数据报文,通过机器学习算法生成SQL分类检测模型,并通过所述SQL分类检测模型对后续获取的数据报文进行分类检测;基于专家系统对所述SQL分类检测模型的分类检测结果进行重分类;基于所述重分类的结果更新所述SQL分类检测模型的数据集,并获取新的数据报文;基于所述更新的数据集和所述新的数据报文对所述SQL分类检测模型进行优化。本发明能够提高对SQL注入攻击进行分类检测的精确度,并有效避免了基于规则的传统检测的弊端。

    基于步态行为的身份认证方法、装置、设备及存储介质

    公开(公告)号:CN112560002B

    公开(公告)日:2021-05-18

    申请号:CN202110203762.1

    申请日:2021-02-24

    Abstract: 本公开提供一种基于步态行为的身份认证方法、装置、设备及存储介质,方法包括:获取目标对象的步态惯性数据;基于所述步态惯性数据进行步态周期特征提取,得到步态周期序列;将所述步态周期序列可转换为可视化的二维图形,包括:对所述步态周期序列进行可视化处理,得到基于递归图、马尔可夫变迁场、或格拉姆角场的二维图形;基于所述二维图形进行身份认证,得到所述目标对象的身份认证结果。根据本公开,通过对目标对象的步态惯性数据进行特征提取得到稳定的步态周期,形成步态周期序列,再将该步态周期序列转换为可视化的二维图形,可以有效利用二维神经网络,提高身份认证的准确性和效率。

    一种暗语发现方法及装置

    公开(公告)号:CN111506699A

    公开(公告)日:2020-08-07

    申请号:CN202010203707.8

    申请日:2020-03-20

    Abstract: 本说明书一个或多个实施例提供一种暗语发现方法及装置,对于任一待测词,生成对应于标准语料库的第一特征向量,以及对应于暗语语料库的第二特征向量;将第一特征向量和第二特征向量,输入语义对比模型的输入层;得到对应于标准语料库的第一词向量和对应于暗语语料库的第二词向量,确定第一词向量和第二词向量的相似度,并根据相似度的大小,判断待测词是否是暗语。

    一种基于深度学习的Android欺骗性广告检测方法、装置及设备

    公开(公告)号:CN111461767A

    公开(公告)日:2020-07-28

    申请号:CN202010188729.1

    申请日:2020-03-17

    Abstract: 本说明书一个或多个实施例提供一种基于深度学习的Android欺骗性广告检测方法、装置及设备,包括:基于浅层遍历策略遍历Android应用以提取广告控件;基于广告控件提取欺骗性广告样本,欺骗性广告样本对应至少四种不同的广告类型;提取欺骗性广告样本的图片特征和文字特征;将至少四种不同的广告类型、欺骗性广告样本的图片特征和文字特征作为训练样本集,以训练样本集训练机械学习模型,得到欺骗性广告类型识别模型;利用欺骗性广告类型识别模型进行欺骗性广告类型检测。本发明通过对不同类型的欺骗性广告的分类,能够根据该体系针对每一种欺诈性广告的不同特征进行识别和检测,对广告本身所推送的内容进行分析从而检测应用中的欺诈性广告。

    缺陷检测方法、装置及服务终端

    公开(公告)号:CN107066302B

    公开(公告)日:2019-11-05

    申请号:CN201710291779.0

    申请日:2017-04-28

    Abstract: 本发明涉及互联网技术领域,具体涉及一种缺陷检测方法、装置及服务终端,所述缺陷检测方法、缺陷检测装置应用于服务终端。该缺陷检测方法包括:对应用程序的安装包进行反编译得到字节码文件,编码所述字节码文件提取语义特征向量以及词频特征向量,对所述词频特征向量和所述语义特征向量进行拼接得到综合特征向量,将综合特征向量设置为预定长度,使用缺陷检测模型对设置为预定长度的综合特征向量进行缺陷检测以判断所述应用程序是否存在缺陷。进而通过分析应用程序的安装包判断出了应用程序是否存在缺陷,避免使用应用程序的源代码文件,使得检测更加方便,同时使用安装包对应用程序的缺陷检测具有更高的检测精度。

    安卓应用程序重打包数据处理方法及装置

    公开(公告)号:CN110175045A

    公开(公告)日:2019-08-27

    申请号:CN201910417798.2

    申请日:2019-05-20

    Abstract: 本申请提供安卓应用程序重打包数据处理方法及装置。方法包括获取原始应用程序和对原始应用程序重打包后生成的重打包应用程序的待检测应用对,识别原始应用程序中用于调用第三方库的第一调用代码和重打包应用程序中用于调用第三方库的第二调用代码;从原始应用程序中提取获得第一调用代码以外的第一程序代码,以及从重打包应用程序中提取获得除第二调用代码以外的第二程序代码,将第一程序代码中包含的API调用代码和第二程序代码中包含的API调用代码进行比较,获得所述第二程序代码相对于所述第一程序代码的第一API调用代码的修改信息,从而识别出重打包应用程序中进行重打包的代码块以及各代码块的修订内容。

    一种基于反编译模块特征的android广告插件检测方法

    公开(公告)号:CN105512558B

    公开(公告)日:2018-08-17

    申请号:CN201610008776.7

    申请日:2016-01-07

    Abstract: 本发明公开了一种基于反编译模块特征的android广告插件检测方法,具体步骤如下:首先收集具有广告插件的样本android应用,并反编译成Java文件;以Java文件的二级包名为分界点进行模块分解;对于各个模块标记为广告插件模块和非广告插件模块;然后,提取各个模块的词数特征序列,组成模块集合;构造映射向量将模块集合中的元素都映射到特征空间向量S中;将特征空间向量S输入到分类器,对分类器进行学习训练,实现对检测模块的自动进行二分类;最后,利用训练好的分类器,对未知的应用样本进行广告插件的检测。优点在于:简化了模块划分的过程,提高了模块划分的效率,能够短时间检测大量移动应用程序,实现了快速检测移动应用中所包含的广告插件。

Patent Agency Ranking