一种基于ViLT的图文多模态的安卓App涉诈研判分类方法

    公开(公告)号:CN117909972A

    公开(公告)日:2024-04-19

    申请号:CN202311685241.X

    申请日:2023-12-08

    Abstract: 本发明提供一种基于ViLT的图文多模态的安卓App涉诈研判分类方法,采用多模态的ViLT模型从DEX文件提取视觉特征,同时还利用Androidmanifest.xml文件提取权限和意图特征作为ViLT模型的另一部分输入与图像特征进行融合;通过将图像特征和文本特征结合,ViLT模型能够学习到App文件的多模态表示;在训练过程中,使用标记的涉诈和非涉诈App文件作为训练样本,通过优化模型参数,使得模型能够准确地区分涉诈和非涉诈的App。本发明利用ViLT模型将App文件转化为图片并提取权限和意图特征,从而实现了对涉诈App的准确判别;具有较高的判别能力和准确性,可以有效提高移动应用市场的安全性;可以实现快速、高效且准确的移动App涉诈骗判别,对保护用户信息和维护移动互联网秩序具有重要意义。

    一种基于多模型融合的VPN流量识别方法及系统

    公开(公告)号:CN119675905A

    公开(公告)日:2025-03-21

    申请号:CN202411635112.4

    申请日:2024-11-15

    Abstract: 本发明提供一种基于多模型融合的VPN流量识别方法及系统,将Pcap文件流量特征向量与地理特征向量进行拼接,分别使用随机森林模型和LSTM网络模型进行流量类别预测,再将预测结果进行拼接作为元模型的输入得到最终预测结果。本发明实现了高效的网络流量监测、特征提取和决策支持。各个模块之间的协同工作,为网络安全监测提供了强有力的技术支撑,能够有效应对复杂的网络安全威胁;本发明通过多模型融合研判Vmess和Shadowsocks效果比单一的算法效果提升了5%;通过获取Pcap包的前100帧舍弃后面的流量,研判准确率没有降低,研判时间缩短至原来的40%。

Patent Agency Ranking