专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果214332个,建议您升级VIP下载更多相关专利
  • [发明专利]基于三通道可视化和深度学习的恶意软件分类方法及系统-CN202210481473.2在审
  • 郭春;邓华鑫;申国伟;崔允贺;周雪梅 - 贵州大学
  • 2022-05-05 - 2022-08-23 - G06F21/56
  • 本发明公开了一种基于三通道可视化和深度学习的恶意软件分类方法及系统,属于恶意软件分类和深度学习技术领域,其中,该方法包括:对被分类的恶意软件进行汇编指令提取,提取其代码区段的操作码、立即数操作数、寄存器操作数和相对地址的存储器操作数;根据指令序列分别构建反映恶意软件汇编指令字节分布的Markov图、反映恶意软件操作码调用关系的Markov图、反映恶意软件操作码数量的Markov图,最后合成恶意软件三通道图像,再使用深度卷积神经网络完成恶意软件分类该方法效捕获了恶意软件汇编指令的字节分布、调用和数量关系,能够生成大小统一的恶意软件图像,不依赖于预先训练模型,具有更高的分类准确率。
  • 基于通道可视化深度学习恶意软件分类方法系统
  • [发明专利]基于机器码字节流的端到端的深度学习恶意软件分类方法-CN202211566609.6在审
  • 李小勇;侯子晗;李灵慧;高雅丽;苑洁 - 北京邮电大学
  • 2022-12-07 - 2023-04-18 - H04L9/40
  • 本发明公开了一种基于机器码字节流的端到端的深度学习恶意软件分类方法,以恶意软件机器码字节流为输入,经过恶意软件领域表示向量编码、恶意软件全区信息抽取模块、残差链接模块、分类输出模块的处理,从而给出该恶意软件的分类结果本发明在准确表征原恶意软件特征的同时尽可能减少特征向量长度,进而减少计算量,解决恶意软件检测时对专家知识强依赖的问题,提高恶意软件分类模型的泛化能力,降低人力消耗,提高安全应急响应速度,给出了实现的技术细节,提供了可以解释的分类判断理由,提高了恶意软件分类准确率和分类精度,使恶意软件即使经过修饰之后也能够被正确检测和分类,保证计算机系统的安全稳定运行,满足日益严峻的网络安全态势。
  • 基于机器码字节流端到端深度学习恶意软件分类方法
  • [发明专利]恶意软件家族识别方法、装置及电子设备-CN201910544397.3有效
  • 吴栋;范渊;吴卓群 - 杭州安恒信息技术股份有限公司
  • 2019-06-21 - 2021-04-23 - G06F21/56
  • 本发明提供了一种恶意软件家族识别方法、装置及电子设备,方法包括:将待识别的二进制程序进行感知哈希处理,得到多个可感知的哈希字符串;感知哈希处理包括:动态沙箱运行、灰度图像转换及离散余弦变换;以每个可感知的哈希字符串分别作为搜索词,对恶意软件数据库中的每个恶意软件家族进行搜索匹配,得到每个恶意软件家族与二进制程序的匹配度;每个恶意软件家族均包括通过感知哈希处理得到的多个可感知的哈希字串序列;将超过预设匹配度阈值的匹配度中最大匹配度对应的恶意软件家族的名称本发明可以使动态恶意软件检测引擎在检测恶意软件时,给出恶意软件所属的准确的恶意软件家族的名称。
  • 恶意软件家族识别方法装置电子设备
  • [发明专利]基于空管网络恶意软件多维动态监测技术-CN202310197223.0在审
  • 贾如春;张建伟;韩云祥 - 四川大学
  • 2023-03-02 - 2023-05-30 - G06F21/56
  • 本发明涉及空管指挥保障信息系统网络安全领域,并公开了建立恶意软件多维动态检测网络模型的方法。恶意软件的检测是指扫描计算机和文件检测恶意软件的过程,本发明主要解决恶意软件不易被发现、隐蔽性高的问题,包括如下步骤,步骤S1:根据传统恶意软件的代码及特征,将恶意样本转化为图像或提取恶意软件反汇编获取的指令块、指令序列等作为浅层特征输入;步骤S2:基于RNN或CNN模型,进行深度学习,给每个特征节点赋予权重,根据权重分布,挑选有用特征,作为深层特征输入;步骤S3:利用二进制特征建模、软件特征可视化、检测分类器训练、恶意代码实时扫描等技术构建面向恶意软件检测的网络模型;步骤S4:基于步骤S3,利用BP反馈调节机制,对样本原始类和目标输出之间的误差进行BP反馈微调,优化恶意软件检测的网络模型,使之可以快速得出结论,本发明基于威胁感知验证平台,多维度动态的检测恶意软件,构建恶意软件检测网络,对于目标输出进行BP反馈调节,从而提高恶意软件检测的准确率及效率。
  • 基于网络恶意软件多维动态监测技术
  • [发明专利]恶意软件的卸载方法、恶意软件的卸载系统和终端-CN201510918946.0在审
  • 程力行;祝芳浩 - 北京奇虎科技有限公司
  • 2015-12-10 - 2017-06-20 - G06F21/56
  • 本发明提供了一种恶意软件的卸载方法、恶意软件的卸载系统和终端,其中恶意软件的卸载方法包括判断终端的运行界面是否生成浮动窗口;在判定终端的运行界面生成浮动窗口时,判断浮动窗口所属的进程的类型;在判定进程的类型是预设类型时,确定进程属于恶意软件,并提示用户输入用于删除恶意软件的删除指令;判断删除指令是否与预设删除指令匹配;在判定删除指令与预设删除指令匹配,且获取用户的确认指令时,删除恶意软件相关的进程。通过本发明的技术方案,通过根据浮动窗口所属进程的类型确定恶意软件,从而快速卸载恶意软件,避免了恶意软件对终端的操作系统和业务数据的威胁,提升了用户的使用体验。
  • 恶意软件卸载方法系统终端

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top