-
公开(公告)号：CN111258909B
公开(公告)日：2024-03-15
申请号：CN202010082531.5
申请日：2020-02-07
Applicant: 中国信息安全测评中心
IPC: G06F11/36 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本申请提供了一种测试样本生成方法及装置，在本申请中，利用基于强化学习的有效变异位置预测模型对目标样本的变异位置进行预测，可以降低变异位置选取的盲目性，提高变异位置的有效性，依据有效性较高的变异位置，对目标样本进行有效的变异，并基于有效变异的目标样本，生成有效性较高的测试样本，减少无效测试样本的生成，提高测试的效率。
-
Patent Agency Ranking
公开(公告)号：CN111258909A
公开(公告)日：2020-06-09
申请号：CN202010082531.5
申请日：2020-02-07
Applicant: 中国信息安全测评中心
Abstract: 本申请提供了一种测试样本生成方法及装置，在本申请中，利用基于强化学习的有效变异位置预测模型对目标样本的变异位置进行预测，可以降低变异位置选取的盲目性，提高变异位置的有效性，依据有效性较高的变异位置，对目标样本进行有效的变异，并基于有效变异的目标样本，生成有效性较高的测试样本，减少无效测试样本的生成，提高测试的效率。
-
公开(公告)号：CN109598334A
公开(公告)日：2019-04-09
申请号：CN201811465635.3
申请日：2018-12-03
Applicant: 中国信息安全测评中心
Abstract: 本发明公开了一种样本生成方法及装置，将预先采集的训练集中的数据输入神经网络模型，得到样本生成模型，神经网络模型为采用了注意力机制的神经网络模型；将预先采集的测试集中的数据输入样本生成模型，生成样本。本发明采用了注意力机制的神经网络模型，使得神经网络模型能够对输入数据中的字符赋予不同的权重，从而更有选择性地学习输入数据中的数据信息，找到输入数据中与本次输出数据相关性较高的数据，最终得到高精度的深度学习模型，且训练损失较小，而高精度的深度学习模型生成的样本也必然具有更高的合法性和多样性。
-
公开(公告)号：CN109598334B
公开(公告)日：2021-06-29
申请号：CN201811465635.3
申请日：2018-12-03
Applicant: 中国信息安全测评中心
Abstract: 本发明公开了一种样本生成方法及装置，将预先采集的训练集中的数据输入神经网络模型，得到样本生成模型，神经网络模型为采用了注意力机制的神经网络模型；将预先采集的测试集中的数据输入样本生成模型，生成样本。本发明采用了注意力机制的神经网络模型，使得神经网络模型能够对输入数据中的字符赋予不同的权重，从而更有选择性地学习输入数据中的数据信息，找到输入数据中与本次输出数据相关性较高的数据，最终得到高精度的深度学习模型，且训练损失较小，而高精度的深度学习模型生成的样本也必然具有更高的合法性和多样性。
-
公开(公告)号：CN109376535B
公开(公告)日：2022-03-04
申请号：CN201810920886.X
申请日：2018-08-14
Applicant: 中国信息安全测评中心
IPC: G06F21/57
Abstract: 本发明公开了一种基于智能化符号执行的漏洞分析方法，包括：当对目标程序的漏洞分析时，采用预设样本生成模型生成变异输入样本集；对所述变异输入样本集进行去重筛选，得到精简输入样本集；确定与所述精简输入样本集对应的各个关键字节；依据所述各个关键字节确定所述目标程序的各个待分析关键路径；依据预设的漏洞分析检测模型，对所述目标程序的各个待分析关键路径进行漏洞分析。上述的方法，对得到的变异输入样本集进行了去重筛选，得到了精简输入样本集，通过所说精简输入样本集确定所述各个待分析关键路径，避免路径存在交叉、具有重复性、存在对同一重复路径进行多次漏洞分析的可能性、导致漏洞分析的执行效率缓慢的问题。
-
公开(公告)号：CN109376535A
公开(公告)日：2019-02-22
申请号：CN201810920886.X
申请日：2018-08-14
Applicant: 中国信息安全测评中心
IPC: G06F21/57
Abstract: 本发明公开了一种基于智能化符号执行的漏洞分析方法，包括：当对目标程序的漏洞分析时，采用预设样本生成模型生成变异输入样本集；对所述变异输入样本集进行去重筛选，得到精简输入样本集；确定与所述精简输入样本集对应的各个关键字节；依据所述各个关键字节确定所述目标程序的各个待分析关键路径；依据预设的漏洞分析检测模型，对所述目标程序的各个待分析关键路径进行漏洞分析。上述的方法，对得到的变异输入样本集进行了去重筛选，得到了精简输入样本集，通过所说精简输入样本集确定所述各个待分析关键路径，避免路径存在交叉、具有重复性、存在对同一重复路径进行多次漏洞分析的可能性、导致漏洞分析的执行效率缓慢的问题。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
