公开(公告)号：CN118295913A

公开(公告)日：2024-07-05

申请号：CN202410399338.2

申请日：2024-04-03

Applicant: 南开大学

Inventor： 胡琪 ,  陈炜嘉 ,  王志

IPC: G06F11/36

Abstract: 一种分支状态引导的混合模糊测试方法，涉及软件安全领域。包括以下步骤：第1步、获取覆盖信息；第2步、计算分支平均覆盖次数；第3步、记录不可解分支；第4步、分支筛选。该方法通过快同步机制，将模糊测试生成的所有测试用例的覆盖信息实时同步给符号执行引擎，使得符号执行引擎能够减少对高频分支的约束求解。其次，该方法在符号执行过程中会对求解失败的分支进行记录，在之后的测试过程中不再对这些“不可解”分支进行重复约束求解。于是，该方法能够让符号执行专注于那些低频且可解的分支，从而在相同时间内覆盖到更多代码，大大提升了测试效率。

公开(公告)号：CN119004459A

公开(公告)日：2024-11-22

申请号：CN202410399229.0

申请日：2024-04-03

Applicant: 南开大学

Inventor： 陈炜嘉 ,  胡琪 ,  王志

IPC: G06F21/56 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于卷积神经网络的恶意软件检测方法，涉及软件安全领域工具，包括以下步骤：第一步、二进制文件序列化方法；第二步、基于序列深度可分离卷积的神经网络模型；第三步、训练神经网络模型用于恶意软件检测；第四步、显示恶意软件检测结果。该方法主要使用二进制文件序列化方法，将二进制文件的完整字节序列作为模型的输入。另外，在序列化的基础上，结合了深度可分离卷积方法，提出了序列深度可分离卷积方法，构建轻量级神经网络模型，保持高检测准确率的同时，压缩了模型的大小，降低了模型的计算复杂度。