“邱克帆”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]基于决策边界及信赖域的对抗样本优化方法-CN202210225326.9在审
发明人：王亚杰;李元章;邱克帆;赵语杭;武上博 -专利权人：北京理工大学
申请日： 2022-03-09 - 公布日： 2022-07-01 - 主分类号： G06V10/774 文献下载
摘要：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。
基于决策边界信赖对抗样本优化方法

[发明专利]一种基于模糊汇编指令序列的恶意代码家族分类方法-CN202110805548.3在审
发明人： 邱克帆;张汝云;白冰;孙才俊;马煜杰;谭毓安;李元章 -专利权人：之江实验室;北京理工大学
申请日： 2021-07-16 - 公布日： 2021-11-02 - 主分类号： G06F21/56 文献下载
摘要：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。
一种基于模糊汇编指令序列恶意代码家族分类方法

[发明专利]基于可信度概率区间的多模型恶意代码检测方法-CN201810453922.6有效
发明人：王志;邱克帆;胡誉川;高欢芝;张倚铭;程校 -专利权人：南开大学
申请日： 2018-05-14 - 公布日： 2021-07-20 - 主分类号： G06F21/56 文献下载
摘要：本发明提出一种基于可信度区间的多模型恶意代码检测系统。每种机器学习检测模型都对应着底层数据的一种分布，各种基于阈值的检测模型都可以整合到本发明的统计平台上，实现从多角度观检测意代码数据的分布，缓解概念漂移带来的模型退化问题。本检测系统改变了现有机器学习检测模型的0或1的预测模式，基于现有的检测模型计算出的得分，进行统计分析，对样本的得分分布和样本的标签建立保序回归函数。对于未知样本，根据现有检测模型给出的得分，输入已计算出的保护回归函数，可以给出预测为某个标签的可信度概率区间，这个概率区间可以缓解固定阈值对训练数据集的过度拟合问题，提升检测模型对当前动态数据的适应能力，提前发现概念漂移现象。
基于可信度概率区间模型恶意代码检测方法

[发明专利]基于统计学习的恶意代码多模型交叉检测方法-CN201810815327.2有效
发明人：王志;余沛然;孙心怡;魏然;邱克帆 -专利权人：南开大学
申请日： 2018-07-24 - 公布日： 2021-07-20 - 主分类号： G06F21/56 文献下载
摘要：本发明提出了一种基于统计学习的恶意代码多模型交叉检测方法，可较好地应用于在恶意代码检测领域。该方法引入可信度，解决各个机器学习模型彼此孤立的问题，提供一个机器学习模型间互相学习的平台。另外，在细粒度的统计学习平台上，多个机器学习模型从不同角度统计分析恶意代码的变异过程，缓解单一模型的退化问题，并使用APV算法来识别概念漂移现象，从而实现多模型共同防御。
基于统计学习恶意代码模型交叉检测方法