公开(公告)号：CN115987580A

公开(公告)日：2023-04-18

申请号：CN202211566609.6

申请日：2022-12-07

Applicant: 北京邮电大学

Inventor： 李小勇 ,  侯子晗 ,  李灵慧 ,  高雅丽 ,  苑洁

IPC: H04L9/40 ,  G06N3/045 ,  G06N3/08

Abstract: 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。

公开(公告)号：CN115334005A

公开(公告)日：2022-11-11

申请号：CN202210337870.2

申请日：2022-03-31

Applicant: 北京邮电大学 ,  国网上海能源互联网研究院有限公司

Inventor： 李小勇 ,  栗仕超 ,  刘芸杉 ,  亢超群 ,  李二霞 ,  李灵慧 ,  苑洁 ,  高雅丽

IPC: H04L47/2441 ,  H04L47/2483 ,  H04L9/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明公开了一种基于剪枝卷积神经网络和机器学习的加密流量识别方法，包括数据预处理、构建CNN模型、模型剪枝、使用CNN提取高级特征向量和使用LightGBM分类的步骤。本发明的基于剪枝卷积神经网络和机器学习的加密流量识别方法，无需手工提取特征，利用CNN模型自动从原始流量文件中自动提取高级特征并进行分类，同时构建了一种基于剪枝的卷积神经网络模型，减少模型参数量，降低了计算开销，使用LightGBM根据加密流量的高级特征进行分类，以弱分类器来达到强分类的效果，提高了准确率，最终的模型会达到比其他分类模型更高的性能和精准率。

公开(公告)号：CN114614970A

公开(公告)日：2022-06-10

申请号：CN202210292069.0

申请日：2022-03-23

Applicant: 北京邮电大学

Inventor： 于浩洋 ,  李小勇 ,  封化民 ,  苑洁 ,  高雅丽 ,  李灵慧 ,  李晓东

IPC: H04L9/00 ,  H04L9/08 ,  H04L9/40

Abstract: 本发明公开了一种基于多计算方和同态加密的隐私数据安全处理方法，采用至少一个数据提供端和至少三个数据计算端，包括以下步骤：数据提供端生成密钥、计算参数和缩小参数，采用预设的同态加密方法对原始对象数据进行加密和拆分处理，得到加密后的对象数据，将加密后的对象数据、计算参数和计算多项式分配给多个数据计算端；数据计算端接收数据提供端发送到数据、计算参数和计算指令，根据数据计算端发送的数据请求、计算参数对数据提供端发送来的加密后的对象数据进行计算，得到计算后的加密对象数据，多个数据计算端将计算后的加密对象数据发送给数据提供端；数据提供端使用密钥对计算后的加密对象数据进行解密操作，得到解密后的对象计算结果。