基于图像的轻量级小样本恶意软件家族检测方法、设备及存储介质

    公开(公告)号:CN117786690A

    公开(公告)日:2024-03-29

    申请号:CN202311833030.6

    申请日:2023-12-28

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于图像的轻量级小样本恶意软件家族检测方法、设备及存储介质。该方法将样本中二进制文件转换后的图像作为输入,无需繁杂的特征提取及处理过程。通过大量无标签样本预训练特征提取网络,再借助少量带标签样本结合多重损失微调。在检测阶段,将样本转换后的图像映射到嵌入空间。通过多次随机裁剪并与待查询样本相似性比对加权平均的方式保留支持集样本中与查询样本家族相关的信息,减少无关信息干扰。支持集家族内所有样本取平均即为该家族原型向量,基于未知样本与所有原型向量欧氏距离判断其所属家族。本发明采用轻量级样本预处理阶段,以有效覆盖不同操作系统上的恶意软件。在样本稀缺的情况下,本发明也能够实现准确检测。

    基于视觉感知的多分辨率JND模型建构方法

    公开(公告)号:CN102905130A

    公开(公告)日:2013-01-30

    申请号:CN201210372165.2

    申请日:2012-09-29

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于视觉感知的多分辨率JND模型建构方法。本发明包括如下步骤:1.建立一组平衡多小波滤波器,并利用其对输入的图像进行多通道小波分解;2.分别计算亮度层和色度层的JND基本阈值、亮度掩蔽因子和对比度掩蔽因子以模拟空间对比度敏感函数效应、亮度自适应掩蔽效应和对比度掩蔽效应;3.别在亮度层和色度层上,计算得到基于视觉感知的多分辨率JND模型。本发明高效地仿真了人类视觉系统的特性,综合考虑了多通道分解、空间对比度敏感函数效应、亮度自适应掩蔽效应和对比度掩蔽效应等,实现了基于视觉感知的多分辨率JND模型建构,该模型不仅能够注入更多的噪声,而且能使注入噪声后图像依然保持较高的视觉质量。

    基于动态原型的安卓小样本恶意软件家族检测方法及装置

    公开(公告)号:CN117034268A

    公开(公告)日:2023-11-10

    申请号:CN202311050035.1

    申请日:2023-08-18

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于动态原型的安卓小样本恶意软件家族检测方法及装置,解决了现有安卓软件家族检测方法无法有效地检测小样本恶意软件家族的问题。该方法首先将安卓恶意软件样本通过静、动态分析提取相应特征组成特征向量,然后借助训练集基于对比学习训练特征提取网络,将原始高维特征向量映射到低维特征空间内。在特征空间内,对于每个恶意家族通过聚类生成多个聚簇中心,然后基于每个聚簇中心与待检测样本的相似度加权生成代表该家族的动态原型向量,最终基于度量完成检测分类。本发明能够在恶意家族样本极其稀缺的情况下准确分类,有效解决了新型安卓恶意软件家族发现初期样本稀少无法运用传统机器学习模型进行检测分类的问题。

Patent Agency Ranking