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
本发明公开了一种基于上下文行为分析的APT检测方法，包括：实时采集日志数据，所述日志数据涉及的对象包括进程、文件和事件；对采集到的日志数据进行预处理；根据简化后的数据依赖图基于上下文行为分析进行入侵检测；取最新的数据依赖图，根据其中所包含的携带威胁标签的进程进行溯源，得到完整的APT攻击链。本发明的基于上下文行为分析的APT检测方法，具有良好的适配性，且检测成功率高。
📄 2021109092437
📂 G06F21_56
👤 浙江工业大学
📅 2021-08-09
一种基于沙盒动态行为识别可疑攻击代码的方法，包括：建立沙盒系统；根据常见恶意程序的API调用序列构建攻击树模型；判断可疑程序的PE文件是否经过加壳、变形等；将存在加壳变形行为的可疑程序引入沙盒，分析API调用序列；计算可疑代码在攻击树中的危险指数，如果达到规定的阈值，则识别告警。本发明的优点是通过将程序引入沙盒中，获取未知程序的API行为序列，减少了未知程序可能对系统造成的危害，构建攻击树模型，通过计算程序的静态危险指数来判断是否可能为恶意代码，提高了对未知程序检测的敏感度。
📄 2019102649298
📂 G06F21_56
👤 浙江工业大学
📅 2019-04-03
本发明公开了一种融合序列学习和因果分析的APT攻击溯源方法，包括：获取系统内核日志和POI事件，系统内核日志包括遭受攻击和未遭受攻击的系统内核日志；构建POI强依赖影响模块，获得POI强依赖影响图；采用关键序列识别模型训练模块获取训练好的关键序列识别模型；通过关键组件识别模块进行APT攻击溯源，执行如下操作：将基于POI强依赖影响图获取的嵌入向量输入训练好的模型进行识别，识别出关键进程和关键事件，组合关键进程和关键事件为关键组件图，根据关键组件图实现APT攻击溯源。该方法可实现高效、准确、细粒度的APT攻击溯源，解决有标记数据集的缺少问题并有利于缓解依赖爆炸。
📄 2024113903537
📂 G06F21_56
👤 浙江工业大学
📅 2024-10-08
本发明公开了一种基于API语义解析的恶意软件检测方法，包括基于API调用序列样本学习得到每个API的表征向量，将API名称分词为单词并计算得到每个单词的表征向量；基于API名称和单词集合构建以API和单词作为节点的API图谱，采用图卷积神经网络更新所有节点的表征向量；获取API调用序列样本，基于API图谱中各API节点的表征向量将API调用序列样本转化为表征向量序列样本，利用标注后的表征向量序列样本训练LSTM网络得到识别模型；对于待识别的实时API调用序列，利用API图谱转化为实时表征向量序列，将实时表征向量序列输入识别模型得到恶意软件检测结果。本发明有效提高对恶意软件的检测能力。
📄 2022104257495
📂 G06F21_56
👤 浙江工业大学
📅 2022-04-21
本发明公开了一种基于时序神经通路的语音识别模型中毒检测方法及装置，包括：获取基于循环神经网络RNN结构的语音识别模型MR及用于训练该模型的数据集；定义RNN的时序神经通路；从数据集中选择K条数据作为测试音频，构建用于优化测试音频的损失函数loss，使测试音频在输入MR后能够使时序神经通路上的神经元的激活值最大；利用损失函数loss构建近似中毒音频；将近似中毒测试音频输入到MR中，统计MR对该近似中毒测试音频的识别结果与对应原文本的编辑距离；若编辑距离达到一定阈值，就判定该语音识别模型MR是中毒的。本发明的方法可以有效检测语音识别模型是否中毒，弥补深度学习模型测试方法与中毒模型检测方法中存在的缺点。
📄 2021106504505
📂 G06F21_56
👤 浙江工业大学
📅 2021-06-11
本发明公开了一种基于因果分析的APT溯源研判方法，包括如下步骤：(1)采集系统内核日志数据；(2)依赖图生成，利用因果分析将采集到的日志数据生成POI事件的反向依赖图；(3)依赖权重计算，采用基于逻辑回归(LR)的判别特征投影方案来计算边的依赖权重；(4)关键部分识别，利用加权分数传播方案并根据攻击入口生成前向依赖图，结合反向依赖图对APT溯源图进行关键部分识别。本发明使用一种依赖权重的计算和传播方案，可以更精准的定位攻击入口。使用一种数据压缩方法，在减小依赖图复杂度的同时还能保证数据不丢失，能够保持数据的完整性。
📄 2022110682675
📂 G06F21_56
👤 浙江工业大学
📅 2022-09-02
柿子坊 · 知识产权运营
柿子坊知识产权运营平台