本发明公开了一种基于轻量级神经网络的硬件木马检测与恢复系统,包括RISC‑V处理器,硬件木马检测装置以及恢复装置;RISC‑V处理器包括:取指单元、译码单元、执行单元、通用目的寄存器组;取指单元、译码单元和执行单元构成三级流水线架构;硬件木马检测装置用于记录每条RISC‑V指令在RISC‑V处理器上的执行路径和时序特征,并基于时序特征利用构建的轻量级神经网络对相应的执行路径进行硬件木马检测;恢复装置用于对通用目的寄存器组的存储信息进行实时备份,并在检测出硬件木马时,将RISC‑V处理器恢复至正常状态。本发明提出的硬件木马检测与恢复系统,可靠性与灵活性更高,速度更快,功耗更低。
📄 202510126306X
📂 G06F21_56
👤 暨南大学
📅 2025-01-27
本发明公开了一种源代码层级的智能合约漏洞检测方法及系统,方法包括:获取智能合约样本数据并进行预处理,检测和分析是否存在漏洞以及漏洞类型,并进行多标签标记,作为样本集合;针对样本集合生成抽象语法树,生成词法单元序列文本并进行向量化,经打包填充形成样本数据集;结合注意力机制,构建基于深度神经网络的漏洞检测模型;针对每种漏洞类型持续训练及优化对应的二元分类器,选取分类效果最好的作为多标签分类器;将需要检测的智能合约源代码的向量化数据输入多标签分类器,得到漏洞检测结果。通过本发明的技术方案,提高了漏洞检测的准确率和效率,降低了漏报率和误报率,以尽早发现漏洞并及时采取补救措施。
📄 202111669478X
📂 G06F21_56
👤 北京工业大学
📅 2021-12-31
本发明公开了一种面向机器学习模型的标签翻转攻击及其防御方法,在标签翻转攻击方法中,首先通过对训练数据进行凝聚层次聚类来选定要攻击的训练数据,对选定的训练数据进行标签翻转攻击,然后用得到的污染数据集训练分类模型实现攻击;针对以上攻击进行防御,利用污染训练数据和一个小的纯净集,使用TrAdaBoost方法更新污染数据的权重,根据更新后的权重识别被攻击的数据,再去重新标记无标签或标签错误的数据,得到一个新的包括污染训练集和小的纯净集的训练集,用新的训练集重新训练分类模型来提升模型性能;可以快速准确地对易受污染的训练数据进行标签翻转攻击,并能找到可疑的受污染数据,通过对被污染的数据进行消毒处理来防御标签翻转攻击。
📄 202210394873X
📂 G06F21_56
👤 河北师范大学
📅 2022-04-14
本发明涉及一种基于元路径嵌入的图神经网络安卓恶意软件检测方法,采用提取静态特征,得到API和Permission的步骤;构造异质图的步骤;定义元路径,对每个APP节点进行嵌入的步骤;计算每种元路径的权重的步骤;得到APP的分类结果的的步骤;本发明方法通过使用RotatE编码器对每一条元路径进行嵌入,聚合了元路径上中间节点的特征,并将目的节点本身的特征也考虑在内,获取了更多利于恶意软件检测的信息,因此本发明的方法使用少量样本就能超过其他方法使用大量样本训练达到的准确率;同时本发明通过定义λ参数,限制了元路径的数量,减少了系统资源消耗。
📄 2023100406052
📂 G06F21_56
👤 河北师范大学
📅 2023-01-13
本发明涉及一种联邦学习后门攻击防御方法及系统,属于信息安全领域。该方法首先终端在执行本地训练前进行数据预处理操作,将数据从时域转换到频域,并设计低通滤波器过滤数据中由后门样本带来的高频信号;其次在服务器端检测恶意上传更新,计算预全局模型与本地模型间的余弦相似度,设置合适的阈值筛选恶意上传的本地模型更新;最后对剩余的非恶意上传更新执行全局聚合操作得到更新的全局模型,并结合差分隐私技术对得到的全局模型进行扰动。本发明充分考虑了后门攻击在不同位置进行攻击的情形,可以在减轻联邦学习后门攻击的同时不影响模型在良性数据上的表现性能,解决了联邦学习的后门攻击防御问题。
📄 202311611901X
📂 G06F21_56
👤 重庆邮电大学
📅 2023-11-29
一种基于视觉Transformer的恶意软件识别方法,属于软件安全防护技术领域,将良性/恶意软件的可执行文件可视化为RGB图像,构建恶意软件图像数据集;采用ImageNet‑21K图像数据集对视觉Transformer进行预训练,并采用恶意软件图像数据集进行微调;构建轻量级视觉Transformer用于在轻量级设备上的实际部署;基于知识蒸馏将训练完备的视觉Transformer的知识迁移到轻量级视觉Transformer中以缩小两模型之间的性能差距;使用轻量级视觉Transformer进行恶意软件的检测与家族分类。保证了模型的检测效率及较低的硬件资源占用以及模型的检测和家族分类精度。
📄 2023100634523
📂 G06F21_56
👤 山东省计算中心(国家超级计算济南中心), 齐鲁工业大学(山东省科学院)
📅 2023-02-06
本发明公开了一种面向深度学习模型中毒攻击的检测方法、装置及系统,包括:(1)获取样本集和待检测模型;(2)预训练与待检测模型结构相同的良性模型;(3)对部分样本进行数据增广,组成新样本集;(4)将每一类新样本作为目标类,剩下的所有类新样本作为源类,对预训练后的良性模型进行目标类的多种中毒攻击,获得多种中毒模型和多种中毒样本;(5)获得中毒样本在所有非所出中毒模型下的检测结果,依据检测结果筛选并构建中毒模型池和中毒样本池;(6)依据中毒样本在待检测深度学习模型的检测结果和中毒样本在非所出中毒模型下的检测结果来判断待检测深度学习模型是否中毒。来实现对面向深度学习模型中毒攻击的快速准确检测。
📄 2021101289945
📂 G06F21_56
👤 浙江工业大学
📅 2021-01-29
本发明公开了一种基于元学习的远程访问木马智能分析方法,包括获取应用数据集;定义元任务;元任务训练得到行为样本;根据所述恶意程序样本和合法程序样本对应的行为样本统计得到各个行为样本的行为向量;利用各个行为样本的行为向量对GMMs模型进行训练,训练确定最终的K值以及聚簇中心和大小;利用训练后的GMMs模型对待分析的在线程序进行检测。本发明构建基于元学习算法,利用高斯混合模型、欧氏距离和动态行为特征的RAT恶意程序智能分析检测模型,模仿安全专家学习、判断恶意程序的过程,利用动态行为特征构建程序行为向量,实现针对RAT的高效、精准检测。
📄 2021103792820
📂 G06F21_56
👤 浙江工业大学
📅 2021-04-08
目前,Android系统上恶意软件的种类和数量疯狂增长,对用户构成了极大的威胁,因此本发明提出了一种基于映射关系的对抗性Android恶意软件检测方法。首先,创立硬件库,同时根据权限控制API的机制,利用构建的敏感API库和敏感权限库建立映射关系库,然后,利用python调用Android软件的逆向工具,对软件进行脱壳重打包处理后,获取从Android软件中提取到的API、权限、硬件特征,与映射关系库、硬件库进行对比,生成one‑hot编码,最后,训练CNN模型,在测试集中使用最佳训练模型对软件进行检测。本发明能有效地检测Android系统上恶意软件,对智能手机生态圈的健康发展具有重要意义。
📄 2021116009909
📂 G06F21_56
👤 浙江工业大学
📅 2021-12-24
一种面向恶意软件图像格式检测模型的黑盒攻击的防御方法,包括:1)获取数据集,分为训练集和测试集;2)转换为恶意软件图像格式;3)构建基于深度卷积生成对抗网络(DCGAN)生成扰动的黑盒攻击模型,黑盒攻击模型结构分为生成器和判别器两部分;4)经过步骤3)构建的生成器和判别器之间的不断对抗过程,生成器最终生成能够模仿样本B的对抗样本;5)将步骤4)获取的对抗样本对恶意软件汇编格式检测模型重训练进行优化,获得能够防御对抗攻击的恶意软件检测模型;6)利用能够防御对抗攻击的恶意软件检测模型对恶意软件进行识别。本发明还包括实施面向恶意软件图像格式检测模型的黑盒攻击的防御方法的装置。
📄 201910886217X
📂 G06F21_56
👤 浙江工业大学
📅 2019-09-19
本申请提供一种联邦学习的模型中毒攻击检测方法、装置及设备,涉及人工智能技术领域。该方法包括:接收参与联邦学习的至少一个终端设备发送的终端设备侧模型的模型参数;根据各终端设备侧模型的模型参数进行聚合处理,得到服务器侧的聚合模型;对聚合模型进行反演,得到聚合模型的反演数据集;根据聚合模型的反演数据集生成中毒补丁;根据中毒补丁,确定聚合模型是否是正常模型。该方法可以保证对联邦学习的模型中毒攻击检测的效率,还可以保证各终端设备中的本地数据的安全隐私。
📄 2020114630007
📂 G06F21_56
👤 浙江工业大学
📅 2020-12-11
本发明公开了一种基于陷阱结构的图像识别防御方法,包括:在基于神经网络构建的图像识别网络中,在图像识别网络的隐藏层和/或输出层增加用于引导恶性图像连接传输方向的陷阱结构;抑制陷阱结构活动,利用正常图像对添加有陷阱结构的图像识别网络进行图像识别任务的训练;针对不同类型的防御任务,设置抑制陷阱为激活态,选择与防御任务对应的恶性图像对添加有陷阱结构的图像识别网络进行防御任务的训练;应用时,将待测图像输入至经过图像识别任务和防御任务训练的图像识别网络中,当陷阱结构的激活状态值大于阈值时,则待测图像为恶性图像,删除该恶性图像,实现对图像识别的防御效果。防止恶性图像被误分类造成安全隐患。
📄 2020108848743
📂 G06F21_56
👤 浙江工业大学
📅 2020-08-28