公开(公告)号：CN119918050A

公开(公告)日：2025-05-02

申请号：CN202510014066.4

申请日：2025-01-06

Applicant: 南京邮电大学

Inventor： 李德强 ,  秦智宇 ,  沙乐天 ,  李千目 ,  徐佳 ,  代陈

IPC: G06F21/56 ,  G06F18/213 ,  G06F18/2415 ,  G06N3/0499 ,  G06N3/094

Abstract: 本发明涉及恶意程序检测技术领域，具体提供了一种基于全域散列的神经网络鲁棒性认证方法，通过基于全域散列(Universa l Hashi ng)对深度神经网络的离散输入进行随机变化，从而实现鲁棒性可认证的防御方法。首先，输入软件样本，通过特征提取算法提取软件的离散特征并进行特征预处理。然后，随机选取全域散列函数构建输入变换层，并将变换层融入神经网络模型。其次，在训练集上対全域散列变换的神经网络模型训练；再次，构建基于全域散列变换的神经网络模型预测。最后，面向恶意软件的神经网络鲁棒边界计算。该方法能从理论上支撑恶意软件检测的鲁棒性水平。