公开(公告)号：CN116977728A

公开(公告)日：2023-10-31

申请号：CN202310933780.4

申请日：2023-07-27

Applicant: 东北农业大学

Inventor： 储李节 ,  周长建 ,  钟玉杰

IPC: G06V10/764 ,  G06F21/56 ,  G06V10/80 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明推出了一种基于Transformer的恶意软件检测方法，具备全面而深入的检测能力。该方法将Portable Executable(PE)文件数据，包括恶意软件和良性软件转换为图像，为后续的特征提取铺设基础。在图像特征提取环节，我们将PE文件转化为图像，并借助预训练的Vision‑Transformer模型来精准获取图像特征。对于文本特征提取，我们选用pefile库来读取PE文件的元数据，再通过新训练的Transformer模型深入提取这些元数据的特征。在特征融合与分类环节，图像和文本的特征被送入Setpooling进行整合，然后使用全连接层进行二分类，从而准确判断PE文件是否为恶意软件。本发明通过利用预训练的模型，能够有效地检测出新型、未知的恶意软件，大幅提升了恶意软件检测的覆盖范围和深度。

公开(公告)号：CN116312808A

公开(公告)日：2023-06-23

申请号：CN202310302892.X

申请日：2023-03-24

Applicant: 东北农业大学

Inventor： 周长建 ,  向文胜 ,  宋佳 ,  钟玉杰

IPC: G16B40/00 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transfrormer、图注意力网络和双注意力特征融合模块相结合的药物‑靶标相互作用预测方法。由于传统的药物‑靶标相互作用分析往往需要耗费大量的人力物力以及时间成本，并且实验失败风险较高。本发明结合Transformer和图注意力网络两种模型架构的优势，并利用双注意力机制特征融合方法，将融合后的特征输入到分类器进行药物‑靶标相互作用预测。该方法经过在公开数据集上通过一系列评估指标测试明显优于现有方法，为药物‑靶标相互关系预测提供新思路。