公开(公告)号：CN112182577A

公开(公告)日：2021-01-05

申请号：CN202011097233.X

申请日：2020-10-14

Applicant: 哈尔滨工程大学

Inventor： 郎大鹏 ,  陈宇 ,  梁甜甜 ,  武文达 ,  赵国冬 ,  刘翔宇

IPC: G06F21/56 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明属于网络信息安全技术领域，具体涉及一种基于深度学习的安卓恶意代码检测方法。本发明将APK文件直接解压，将部分二进制文件进行可视化，将灰度图添加颜色通道并进行像素归一化，构造出图片信息量更大，利于在模型中训练的像素归一RGB图。最后设计并实现卷积神经网络分类检测模型，再对经过上述方法操作处理的恶意代码图像进行分类训练，以达到对恶意代码进行检测的目的。本发明针对现有Android恶意代码可视化技术中提取图像特征的方法单一、图像特征不明显、检测效果较差的问题，通过生成恶意代码的RGB图像，对像素归一化图后进行学习分类，以此实现更为精准的恶意代码检测。

公开(公告)号：CN112199543A

公开(公告)日：2021-01-08

申请号：CN202011098487.3

申请日：2020-10-14

Applicant: 哈尔滨工程大学

Inventor： 郎大鹏 ,  梁甜甜 ,  李子豫 ,  项宇涵 ,  陈宇 ,  刘翔宇

IPC: G06F16/583 ,  G06F16/55 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于深度学习中的图像检索模型技术领域，具体涉及一种基于图像检索模型的对抗样本生成方法。本发明首先基于深度图像特征构建图像检索模型，然后通过破坏序列近邻关系生成对抗扰动，降低图像检索性能，最后以集成的方式生成通用对抗扰动，提高对抗样本的迁移性。本发明通过使用图像检索模型提取到的特征向量，将图像特征之间的余弦相似度作为衡量匹配程度的得分，按降序排列显示检索到的参考图像，实现图像检索功能。本发明通过集成多个模型生成通用对抗扰动，生成具有更高迁移性的对抗样本。本发明提出的对抗样本生成方法能够生成使图像检索性能明显下降的对抗样本，并且提高了对抗样本迁移性。

公开(公告)号：CN112199543B

公开(公告)日：2022-10-28

申请号：CN202011098487.3

申请日：2020-10-14

Applicant: 哈尔滨工程大学

Inventor： 郎大鹏 ,  梁甜甜 ,  李子豫 ,  项宇涵 ,  陈宇 ,  刘翔宇

IPC: G06F16/583 ,  G06F16/55 ,  G06V10/74 ,  G06V10/774 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于深度学习中的图像检索模型技术领域，具体涉及一种基于图像检索模型的对抗样本生成方法。本发明首先基于深度图像特征构建图像检索模型，然后通过破坏序列近邻关系生成对抗扰动，降低图像检索性能，最后以集成的方式生成通用对抗扰动，提高对抗样本的迁移性。本发明通过使用图像检索模型提取到的特征向量，将图像特征之间的余弦相似度作为衡量匹配程度的得分，按降序排列显示检索到的参考图像，实现图像检索功能。本发明通过集成多个模型生成通用对抗扰动，生成具有更高迁移性的对抗样本。本发明提出的对抗样本生成方法能够生成使图像检索性能明显下降的对抗样本，并且提高了对抗样本迁移性。