首页> 中国专利> 基于图表示学习的恶意软件可解释性分类方法

基于图表示学习的恶意软件可解释性分类方法

页面导航

摘要

本发明涉及恶意软件技术领域，具体地说，涉及一种基于图表示学习的恶意软件可解释性分类方法，其包括以下步骤：1)、数据预处理；2)、构建恶意软件的图表示；3)、构建基于图神经网络的分类器。本发明在分类准确率上相比于之前的方法有着非常大的提升。

1. 基于图表示学习的恶意软件可解释性分类方法 [P] . 中国专利： CN114139153A . 2022-03-04
2. 一种基于参数优化元学习的恶意软件家族分类方法 [P] . 中国专利： CN112884061A . 2021-06-01
3. CNN CNN CNN LEARNING BASED MALWARE ANALYSIS APPARATUS CNN LEARNING BASED MALWARE ANALYSIS METHOD OF PERFORMING THE SAME AND STORAGE MEDIA STORING THE SAME [P] . 韩国专利： KR102033354B1 . 2019-10-17

机译： CNN基于CNN学习的恶意软件分析装置CNN基于学习的恶意软件分析方法执行相同和存储媒体的相同方法
4. CNN CNN CNN LEARNING BASED MALWARE ANALYSIS APPARATUS CNN LEARNING BASED MALWARE ANALYSIS METHOD OF PERFORMING THE SAME AND STORAGE MEDIA STORING THE SAME [P] . 韩国专利： KR20190049286A . 2019-05-09

机译： CNN基于CNN学习的恶意软件分析装置CNN基于学习的恶意软件分析方法执行相同和存储媒体的相同方法
5. EXPLAINABILITY-BASED ADJUSTMENT OF MACHINE LEARNING MODELS [P] . 世界知识产权组织专利： WO2020123985A1 . 2020-06-18

机译：基于可解释性的机器学习模型调整