一种基于双表征融合嵌入的物联网恶意代码检测方法、检测系统及可读介质

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于双表征融合嵌入的物联网恶意代码检测方法、检测系统及可读介质
申请号:CN202410967932
申请日期:2024-07-18
公开号:CN118898070B
公开日期:2025-10-28
类型:发明专利
摘要
本发明涉及一种基于双表征融合嵌入的物联网恶意代码检测方法、检测系统及可读介质,解决现有技术存在的物联网恶意代码检测准确性和可靠性不够理想的问题。本发明技术方案包括的步骤:1)基于高可靠性插桩动态分析技术,获得物联网的汇编代码;2)基于CodeBert模型获取汇编代码段语义表征;3)基于传递神经网络模型获取函数调用图表征;4)基于双表征(汇编代码段语义表征和函数调用图表征)融合嵌入识别恶意代码。本发明能够在源代码未知条件下,利用汇编代码段语义表征和函数调用图表征构建高置信度和高可靠度的双重表征,通过双表征融合嵌入实现恶意代码的分类检测,实现可靠、准确的物联网恶意代码检测,对恶意代码。
技术关键词
恶意代码检测方法 依赖特征 语义特征 节点特征 动态分析技术 指令间数据依赖 恶意代码检测系统 神经网络模型 LSTM模型 函数调用关系 跨度 软件执行效率 编码器 数据依赖关系 多头注意力机制 标记 模块
系统为您推荐了相关专利信息
通用特征 分支 卷积模块 语义特征 编码器
机械臂关节 智能抓取 语言编码器 语义向量 多模态
分类方法 LSTM模型 文本 注意力 语义特征
管道检测方法 特征提取模块 关键点 坐标点 图像
光学遥感图像 道路交叉口 语义向量 匈牙利匹配算法 前馈神经网络