一种基于马尔科夫图和深度学习的恶意软件分类方法
授权
摘要
本发明公开了一种基于马尔科夫图和深度学习的恶意软件分类方法，首先统计恶意软件字节转移频率，将其转换为马尔科夫图像，然后使用深度卷积神经网络完成恶意软件分类；其中设计的深度卷积神经网络结构是基于VGG16重新设计而成，其卷积层和池化层的深度与VGG16相同，一共包含13个卷积层、5个池化层；与VGG16不同的是，本发明设计的深度卷积神经网络只有一个全连接层，其输出维度为1024。本发明方法适用性广，且能有效减小字节信息的冗余；不依赖于预先训练模型，具有更高的分类准确率。
基本信息
专利标题 ：
一种基于马尔科夫图和深度学习的恶意软件分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111259397A
申请号 ：
CN202010088882.7
公开（公告）日 ：
2020-06-09
申请日 ：
2020-02-12
授权号 ：
CN111259397B
授权日 ：
2022-04-19
发明人 ：
王俊峰袁保国青先国刘东
申请人 ：
四川大学
申请人地址 ：
四川省成都市武侯区一环路南一段24号
代理机构 ：
成都禾创知家知识产权代理有限公司
代理人 ：
裴娟
优先权 ：
CN202010088882.7
主分类号 ：
G06F21/56
IPC分类号 ：
G06F21/56 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F21/00
防止未授权行为的保护计算机、其部件、程序或数据的安全装置
G06F21/50
监控用户、程序或设备，以维护平台完整。例如：处理器、固件或操作系统
G06F21/55
检测本地入侵或实施对策
G06F21/56
计算机恶意软件检测或处理，例如反病毒装置
法律状态
2022-04-19 ：
授权
2020-07-03 ：
实质审查的生效
IPC(主分类) : G06F 21/56
申请日 : 20200212
申请日 : 20200212
2020-06-09 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
