申请/专利权人:湖北大学
申请日:2024-01-15
公开(公告)日:2024-04-16
公开(公告)号:CN117892301A
主分类号:G06F21/56
分类号:G06F21/56;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明涉及一种少样本恶意软件的分类方法、装置、设备及介质,属于网络安全的技术领域,所述方法包括:获取的待分类恶意软件;所述待分类恶意软件为对计算机系统的运行造成危害的软件;将所述待分类恶意软件转换为多个Lab色彩空间对照图;将所述多个Lab色彩空间对照图输入至预设的神经网络分类模型中,得到所述待分类恶意软件的分类结果,其中,所述预设的神经网络分类模型是基于不同的恶意软件各自对应的多个Lab色彩空间对照图进行训练得到的。本申请具有对于小样本量和高动态变化的恶意软件,提高分类性能和泛化能力的效果。
主权项:1.一种少样本恶意软件的分类方法,其特征在于,包括:获取的待分类恶意软件;所述待分类恶意软件为对计算机系统的运行造成危害的软件;将所述待分类恶意软件转换为多个Lab色彩空间对照图;将所述多个Lab色彩空间对照图输入至预设的神经网络分类模型中,得到所述待分类恶意软件的分类结果,其中,所述预设的神经网络分类模型是基于不同的恶意软件各自对应的多个Lab色彩空间对照图进行训练得到的。
全文数据:
权利要求:
百度查询: 湖北大学 少样本恶意软件的分类方法、装置、设备及介质
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。