公开(公告)号：CN117475180A

公开(公告)日：2024-01-30

申请号：CN202311662098.2

申请日：2023-12-06

Applicant: 北京理工大学

Inventor： 潘丽敏 ,  高玺凯 ,  罗森林 ,  吴肖龙 ,  夏志豪

IPC: G06V10/74 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及利用超图孪生神经网络的二进制函数相似性检测方法，属于计算机与信息科学技术领域。本发明首先基于二进制函数的抽象语法树构建包含数据流和控制流超边的有向异构超图；然后使用改进的超图孪生网络得到超图嵌入向量，并计算余弦距离作为函数对相似性度量，通过多层卷积有效学习远距离语句的结构和语义特征，利用初始残差连接与恒等映射保留语句初始特征并避免网络层数堆叠带来的性能下降；最后将该相似性度量与阈值进行比较来判别函数对是否相似。本发明针对现有方法未生成充分表示函数语义和结构的信息表征、难以准确建模函数内部远距离语句间相互影响的问题，提出利用超图孪生神经网络的二进制函数相似性检测方法，提升了检测准确率。

公开(公告)号：CN119449373A

公开(公告)日：2025-02-14

申请号：CN202411429534.6

申请日：2024-10-14

Applicant: 北京理工大学

Inventor： 罗森林 ,  杨景然 ,  潘丽敏 ,  高玺凯 ,  张辰龙

IPC: H04L9/40 ,  G06N3/092

Abstract: 本发明涉及一种基于强化学习的自动化渗透测试方法，属于计算机与信息科学技术网络空间安全领域。本发明首先利用与环境相关参数构建强化学习的状态空间、动作空间和奖励函数生成模型训练数据；其次，应用训练数据和漏洞利用组件训练生成强化学习模型；最后，基于漏洞利用组件库通过强化学习模型推荐优选漏洞利用信息，实现渗透测试全流程的自动化。本发明针对渗透测试的人工依赖以及漏洞利用组件应用固化等问题，采用人工智能技术有效提高了漏洞利用组件推荐的准确率，显著提升了渗透测试的效率。