一种基于符号化切片和深度神经网络的恶意程序检测方法

AITNT
正文
推荐专利
一种基于符号化切片和深度神经网络的恶意程序检测方法
申请号:CN202510643127
申请日期:2025-05-19
公开号:CN120541837A
公开日期:2025-08-26
类型:发明专利
摘要
本发明涉及一种基于符号化切片和深度神经网络的恶意程序检测方法,属于计算机科学与技术领域。以恶意程序中的各类关键代码段为研究对象,基于加权综合多分段纹理指纹相似性匹配方法,结合灰阶图确定恶意代码的特征指标。应用符号化切片技术对待分析的程序进行分析,确定其运行结构并提取关键的代码段,根据符号化切片结果提取其特征并实现恶意程序工作原理的可视化。通过深度神经网络和程序切片相结合的方法,能够提高检测的精度和速度。从而实现恶意软件工作原理的可视化,为后续针对性开展恶意程序防治和监控等工作带来了一定的便利。
技术关键词
恶意程序检测方法 深度神经网络 对源程序 语句 动态切片 二分类模型 交互特征 数据依赖关系 切片技术 节点 变量 相似性匹配方法 变换特征 定义 纹理特征 灰度共生矩阵
系统为您推荐了相关专利信息
1
一种面向核医学的图像智能处理系统及方法
原始图像数据 像素 年龄 Softmax函数 数据处理模块
2
一种BIM模型的知识图谱构建及语义查询控制方法与系统
查询控制方法 知识图谱构建 BIM模型数据 自然语言 语义
3
一种多物种表观遗传修饰预测方法和装置
表观遗传修饰 多任务学习模型 特征提取模块 序列 植物表观遗传学
4
应答文本的生成方法及装置、存储介质、计算机设备
文本 校验模型 生成方法 语句 计算机设备
5
数据查询方法、设备及程序产品
查询词语 数据查询方法 生成结构化信息 查询意图 语句
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号