申请/专利权人：宿迁学院

申请日：2020-12-11

公开（公告）日：2024-03-29

公开（公告）号：CN112560034B

主分类号：G06F21/56

分类号：G06F21/56;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明公开一种基于反馈式深度对抗网络的恶意代码样本合成方法及装置，该方法步骤包括：S01.基于深度反卷积模型构造生成器模型、以及基于深度卷积模型构造判别器模型，构建形成深度对抗网络；S02.对构造的生成器模型、判别器模型进行训练；S03.使用当前得到的生成器模型作为恶意样本合成模型进行恶意代码样本合成；S04.对合成得到的恶意代码样本进行识别分类，若识别到不符合目标家族样本特征，则反向修正生成器模型，返回步骤S02，否则输出当前合成的恶意代码样本。本发明能够快速、精准的自动合成所需类型的恶意样本，具有实现方法简单、复杂程度低、合成精度以及效率高等优点。

主权项：1.一种基于反馈式深度对抗网络的恶意代码样本合成方法，其特征在于，步骤包括：S01.网络构建：基于深度反卷积模型构造用于生成伪样本的生成器模型、以及基于深度卷积模型构造用于识别伪样本的判别器模型，构建形成深度对抗网络；S02.模型训练：使用噪声样本作为输入，对构造的所述生成器模型、所述判别器模型进行训练，得到训练完成后的所述生成器模型、判别器模型；S03.样本合成：使用当前得到的所述生成器模型作为恶意样本合成模型进行恶意代码样本的合成；S04.多分类反馈识别：对步骤S03合成得到的恶意代码样本进行识别分类，若识别到不符合目标家族样本特征，则根据分类结果反向修正所述生成器模型，返回执行步骤S02，否则输出当前合成的恶意代码样本。

全文数据：

权利要求：

百度查询： 宿迁学院 基于反馈式深度对抗网络的恶意代码样本合成方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD