专利交易市场

本发明提供了一种多模态特征线性加权融合的安卓恶意程序检测方法及系统，属于恶意程序分析技术领域。将安卓应用程序的Dalvik字节流数据可视化为“矢量”彩色图像；构建动态权限信息表对安卓应用程序的权限信息进行独热编码处理；分别对上述两种模态表征的特征信息进行处理和分析，构建轻量级的卷积神经网络模型对图像数据进行特征提取和学习，并构建轻量级的前馈神经网络模型对文本数据进行特征提取和学习；使用线性加权的方式对上述提取和学习到的两种不同模态数据的特征进行融合，将融合后的特征向量输入到分类器中进行分类，得到分类结果，以此提高对安卓恶意应用程序检测的准确率及效率。

本发明涉及一种任务执行程序的检测方法、装置及存储介质，方法包括：获取区块链网络中任务执行程序的源代码，将源代码进行格式化处理，得到中间语言的抽象语法树AST；提取AST中的节点信息并优化处理，将其转化为检测目标文件；再对目标文件进行漏洞检测，当检测出目标文件存在漏洞时，若任务执行程序为待发布状态，则暂不将其发布到区块链网络中，输出检测失败的通知信息；若为已发布状态，则生成检测报告，并向预警服务器发送预警信息及检测报告；当未检测出漏洞时，若任务执行程序为待发布状态，则将其发布到区块链网络中，若为已发布状态，则执行与所述任务执行程序对应的处理逻辑。本方法提升了区块链网络的安全性。

本发明提供了一种基于漏洞利用程序特征的漏洞利用程序检测方法，包括：通过Wireshark在网络流量中获取待检测的漏洞利用程序，之后通过IDA获取程序的汇编代码；通过对漏洞利用程序特征进行分析，得到漏洞利用程序的词法、语法和语义特征；对漏洞利用程序的汇编指令进行信息过滤与信息提取，生成对应的控制流图；对控制流图的节点进行信息提取，通过JCFG(Control Flow Graph based Jump，记为JCFG)生成方法，将控制流图转换成对应的JCFG图；通过对漏洞利用程序进行动态分析，对执行指令生成的节点与静态JCFG图节点进行比对，从而来检测程序是否为漏洞利用程序。