买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于语义增强的细粒度恶意行为定位方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119830288B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510309189.0，技术领域涉及：G06F21/56；该发明授权一种基于语义增强的细粒度恶意行为定位方法及系统是由李雪晴;柯昌博设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种基于语义增强的细粒度恶意行为定位方法及系统在说明书摘要公布了：本发明涉及数字信息应用安全技术领域，具体涉及一种基于语义增强的细粒度恶意行为定位方法及系统，该方法包括：对良性样本和待检测的恶意样本进行特征提取设计包含语义嵌入API序列的特征集，通过权重进行编码，生成节点嵌入表达，融合数值特征和序列特征，构建属性控制流图；优化属性控制流图；基于良性样本训练包含双向传播、多重掩码的图注意力自编码器模型；将恶意样本输入至训练后的自编码器模型进行重构，计算重构误差，实现基本块级别的细粒度恶意行为定位；即高度凝练恶意样本中恶意行为的相关语义，融合特征编码技术、图结构优化策略，通过定制化的损失函数，使得训练后的模型能够精确定位恶意行为的基本块。

本发明授权一种基于语义增强的细粒度恶意行为定位方法及系统在权利要求书中公布了：1.一种基于语义增强的细粒度恶意行为定位方法，其特征在于，所述方法包括：分别获取良性样本和待检测的恶意样本，并进行特征提取设计包含语义嵌入API序列的特征集，通过权重进行编码，生成节点嵌入表达，融合数值特征和序列特征，构建属性控制流图，包括：基于良性样本和待检测的恶意样本提取数值特征和序列特征，基于序列特征进行语义嵌入得到不定长API调用序列，记为序列特征向量；计算任两个节点的差异值，记为节点之间的距离，统计每种特征表现重复的频次为权重，通过权重对所有节点进行聚类得到若干个簇，根据每簇中距离对应簇质心最近的节点生成密码本，并进行编码；构建属性控制流图，记为G＝V,A,X，其中，G表示属性控制流图；V表示特征集；A表示属性控制流图的邻接矩阵；X表示节点特征矩阵；优化属性控制流图，对待检测的恶意样本进行预处理，包括：对所有特征均为0的不重要节点进行剪枝，移除对应节点及表示依赖的出边和入边，并补充新的边连接被剪枝节点的所有前驱节点和后继节点；融合顺序结构的连续基本块节点；通过子图采样得到大小相等的子图；基于良性样本训练包含双向传播、多重掩码的图注意力自编码器模型，包括：将良性样本传输至包含双向传播机制和多次重遮掩机制的图注意力自编码器模型中，设计初始损失函数，对应的计算公式为： 其中，表示第j次重掩码后的初始损失函数；xi、xm分别表示第i个节点vi和第m个节点vm对应的特征向量；分别表示节点vi和节点vm经第j次重掩码并由解码器运算后输出的重构特征向量；n表示输入模型中的属性控制流图内的节点数量；γ、λ均表示超参数；L2表示正则化项；Wq表示包含双向传播机制和多次重遮掩机制的图注意力自编码器模型中第q层的权重矩阵；通过多重掩码的次数获取平均值，修正初始损失函数得到总损失函数，对应的计算公式为： 其中，表示总损失函数；k表示多重遮掩的次数；表示第j次重掩码后的初始损失函数；将预处理后的恶意样本输入至训练后的自编码器模型进行重构，计算重构误差，实现基本块级别的细粒度恶意行为定位，包括：将预处理后的恶意样本输入至训练后的自编码器模型进行重构，计算重构误差，对应的计算公式为： 其中，r表示重构误差；k表示多重遮掩的次数；xi、xm分别表示第i个节点vi和第m个节点vm对应的特征向量；分别表示节点vi和节点vm经第j次重掩码并由解码器运算后输出的重构特征向量；n表示输入模型中的属性控制流图内的节点数量；γ、λ均表示超参数；Wq表示包含双向传播机制和多次重遮掩机制的图注意力自编码器模型中第q层的权重矩阵；设置判断阈值，当重构误差大于判断阈值时，表示当前分析节点对应的基本块为恶意基本块；当重构误差小于判断阈值时，表示当前分析节点对应的基本块为良性基本块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。