北京軟件cnas檢測認(rèn)證機(jī)構(gòu)

    且4個隱含層中間間隔設(shè)置有dropout層。用于輸入合并抽取的高等特征表示的深度神經(jīng)網(wǎng)絡(luò)包含2個隱含層，其***個隱含層的神經(jīng)元個數(shù)是64，第二個神經(jīng)元的隱含層個數(shù)是10，且2個隱含層中間設(shè)置有dropout層。且所有dropout層的dropout率等于。本次實(shí)驗(yàn)使用了80％的樣本訓(xùn)練，20％的樣本驗(yàn)證，訓(xùn)練50個迭代以便于找到較優(yōu)的epoch值。隨著迭代數(shù)的增加，中間融合模型的準(zhǔn)確率變化曲線如圖17所示，模型的對數(shù)損失變化曲線如圖18所示。從圖17和圖18可以看出，當(dāng)epoch值從0增加到20過程中，模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率快速提高，模型的訓(xùn)練對數(shù)損失和驗(yàn)證對數(shù)損失快速減少；當(dāng)epoch值從30到50的過程中，中間融合模型的訓(xùn)練準(zhǔn)確率和驗(yàn)證準(zhǔn)確率基本保持不變，訓(xùn)練對數(shù)損失緩慢下降；綜合分析圖17和圖18的準(zhǔn)確率和對數(shù)損失變化曲線，選取epoch的較優(yōu)值為30。確定模型的訓(xùn)練迭代數(shù)為30后，進(jìn)行了10折交叉驗(yàn)證實(shí)驗(yàn)。中間融合模型的10折交叉驗(yàn)證的準(zhǔn)確率是％，對數(shù)損失是，混淆矩陣如圖19所示，規(guī)范化后的混淆矩陣如圖20所示。中間融合模型的roc曲線如圖21所示，auc值為，已經(jīng)非常接近auc的**優(yōu)值1。(7)實(shí)驗(yàn)結(jié)果比對為了綜合評估本實(shí)施例提出融合方案的綜合性能。艾策科技案例研究：某跨國企業(yè)的數(shù)字化轉(zhuǎn)型實(shí)踐。北京軟件cnas檢測認(rèn)證機(jī)構(gòu)

    此外格式結(jié)構(gòu)信息具有明顯的語義信息，但基于格式結(jié)構(gòu)信息的檢測方法沒有提取決定軟件行為的代碼節(jié)和數(shù)據(jù)節(jié)信息作為特征。某一種類型的特征都從不同的視角反映刻畫了可執(zhí)行文件的一些性質(zhì)，字節(jié)碼n-grams、dll和api信息、格式結(jié)構(gòu)信息都部分捕捉到了惡意軟件和良性軟件間的可區(qū)分信息，但都存在著一定的局限性，不能充分、綜合、整體的表示可執(zhí)行文件的本質(zhì)，使得檢測結(jié)果準(zhǔn)確率不高、可靠性低、泛化性和魯棒性不佳。此外，惡意軟件通常偽造出和良性軟件相似的特征，逃避反**軟件的檢測。技術(shù)實(shí)現(xiàn)要素：本發(fā)明實(shí)施例的目的在于提供一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測方法，以解決現(xiàn)有采用二進(jìn)制可執(zhí)行文件的單一特征類型進(jìn)行惡意軟件檢測的檢測方法檢測準(zhǔn)確率不高、檢測可靠性低、泛化性和魯棒性不佳的問題，以及其難以檢測出偽造良性軟件特征的惡意軟件的問題。本發(fā)明實(shí)施例所采用的技術(shù)方案是，基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測方法，按照以下步驟進(jìn)行：步驟s1、提取軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息、pe格式結(jié)構(gòu)信息以及字節(jié)碼n-grams的特征表示，生成軟件樣本的dll和api信息特征視圖、格式信息特征視圖以及字節(jié)碼n-grams特征視圖。軟件開發(fā)測試報(bào)告用戶隱私測評確認(rèn)數(shù)據(jù)采集范圍超出聲明條款3項(xiàng)。

    [1]中文名軟件測試方法外文名SoftwareTestingMethod目的測試軟件性能所屬行業(yè)計(jì)算機(jī)作用選擇合適的軟件目錄1概述2原則3分類?靜態(tài)測試和動態(tài)測試?黑盒測試、白盒測試和灰盒測試?手動測試和自動化測試4不同階段測試?單元測試?集成測試?系統(tǒng)測試?驗(yàn)收測試5重要性軟件測試方法概述編輯軟件測試方法的目的包括：發(fā)現(xiàn)軟件程序中的錯誤、對軟件是否符合設(shè)計(jì)要求，以及是否符合合同中所要達(dá)到的技術(shù)要求，進(jìn)行有關(guān)驗(yàn)證以及評估軟件的質(zhì)量。**終實(shí)現(xiàn)將高質(zhì)量的軟件系統(tǒng)交給用戶的目的。而軟件的基本測試方法主要有靜態(tài)測試和動態(tài)測試、功能測試、性能測試、黑盒測試和白盒測試等等。[2]軟件測試方法眾多，比較常用到的測試方法有等價(jià)類劃分、場景法，偶爾會使用到的測試方法有邊界值和判定表，還有包括不經(jīng)常使用到的正交排列法和測試大綱法。其中等價(jià)類劃分、邊界值分析、判定表等屬于黑盒測試方法；只對功能是否可以滿足規(guī)定要求進(jìn)行檢查，主要用于軟件的確認(rèn)測試階段。白盒測試也叫做結(jié)構(gòu)測試或邏輯驅(qū)動測試，是基于覆蓋的全部代碼和路徑、條件的測試，通過測試檢測產(chǎn)品內(nèi)部性能，檢驗(yàn)程序中的路徑是否可以按照要求完成工作，但是并不對功能進(jìn)行測試，主要用于軟件的驗(yàn)證。

    軟件測試技術(shù)測試分類編輯軟件測試的狹義論和廣義論——靜態(tài)和動態(tài)的測試軟件測試技術(shù)軟件測試的辨證論——正向思維和反向思維軟件測試的風(fēng)險(xiǎn)論——測試是評估軟件測試的經(jīng)濟(jì)學(xué)觀點(diǎn)——為盈利而測試軟件測試的標(biāo)準(zhǔn)論——驗(yàn)證和確認(rèn)軟件測試技術(shù)測試工具編輯幾種常用的測試工具：1、軟件錯誤管理工具Bugzilla2、功能測試工具WinRunner3、負(fù)載測試工具LoadRunner4、測試管理工具TestDirector軟件測試技術(shù)同名圖書編輯軟件測試技術(shù)圖書1書名:軟件測試技術(shù)軟件測試技術(shù)作者：曲朝陽出版社：**水利水電出版社出版時(shí)間：2006ISBN:97開本：16定價(jià):元內(nèi)容簡介本書詳盡地闡述了軟件測試領(lǐng)域中的一些基本理論和實(shí)用技術(shù)。首先從軟件測試的基本原則，以及常用的軟件測試技術(shù)入手，介紹了與軟件測試領(lǐng)域相關(guān)的基礎(chǔ)知識。然后，分別從單元測試、集成測試和系統(tǒng)測試3個層面深入分析了如何選擇和設(shè)計(jì)有效的測試用例，制定合適的測試策略等主題。**后，討論了面向?qū)ο蟮能浖y試和軟件測試自動化技術(shù)。附錄中還附錄了常見的軟件錯誤，供讀者參閱。本書作為軟件測試的實(shí)際應(yīng)用參考書，除了力求突出基本知識和基本概念的表述外，更注重軟件測試技術(shù)的運(yùn)用。專業(yè)機(jī)構(gòu)認(rèn)證該程序內(nèi)存管理效率優(yōu)于行業(yè)平均水平23%。

    所述生成軟件樣本的dll和api信息特征視圖，是先統(tǒng)計(jì)所有類別已知的軟件樣本的pe可執(zhí)行文件引用的dll和api信息，從中選取引用頻率**高的多個dll和api信息；然后判斷當(dāng)前的軟件樣本的導(dǎo)入節(jié)里是否存在選擇出的某個引用頻率**高的dll和api信息，如存在，則將當(dāng)前軟件樣本的該dll或api信息以1表示，否則將其以0表示，從而對當(dāng)前軟件樣本的所有dll和api信息進(jìn)行表示形成當(dāng)前軟件樣本的dll和api信息特征視圖。進(jìn)一步的，所述生成軟件樣本的格式信息特征視圖，是從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中選取可能區(qū)分惡意軟件和良性軟件的pe格式結(jié)構(gòu)特征，形成當(dāng)前軟件樣本的格式信息特征視圖。進(jìn)一步的，所述從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中選取可能區(qū)分惡意軟件和良性軟件的pe格式結(jié)構(gòu)特征，是從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中確定存在特定格式異常的pe格式結(jié)構(gòu)特征以及存在明顯的統(tǒng)計(jì)差異的格式結(jié)構(gòu)特征；所述特定格式異常包括：(1)代碼從**后一節(jié)開始執(zhí)行，(2)節(jié)頭部可疑的屬性，(3)pe可選頭部有效尺寸的值不正確，(4)節(jié)之間的“間縫”，(5)可疑的代碼重定向，(6)可疑的代碼節(jié)名稱，(7)可疑的頭部***，(8)來自，(9)導(dǎo)入地址表被修改，(10)多個pe頭部，(11)可疑的重定位信息，。艾策科技發(fā)布產(chǎn)品：智能企業(yè)管理平臺。醫(yī)療軟件檢測報(bào)告

第三方驗(yàn)證實(shí)際啟動速度較廠商宣稱慢0.7秒。北京軟件cnas檢測認(rèn)證機(jī)構(gòu)

    k為短序列特征總數(shù)，1≤i≤k?？蓤?zhí)行文件長短大小不一，為了防止該特征統(tǒng)計(jì)有偏，使用∑knk,j進(jìn)行歸一化處理。逆向文件頻率(inversedocumentfrequency，idf)是一個短序列特征普遍重要性的度量。某一短序列特征的idf，可以由總樣本實(shí)施例件數(shù)目除以包含該短序列特征之樣本實(shí)施例件的數(shù)目，再將得到的商取對數(shù)得到：其中，|d|指軟件樣本j的總數(shù)，|{j:i∈j}|指包含短序列特征i的軟件樣本j的數(shù)目。idf的主要思想是：如果包含短序列特征i的軟件練樣本越少，也就是|{j:i∈j}|越小，idf越大，則說明短序列特征i具有很好的類別區(qū)分能力。：如果某一特征在某樣本中以較高的頻率出現(xiàn)，而包含該特征的樣本數(shù)目較小，可以產(chǎn)生出高權(quán)重的，該特征的。因此，，保留重要的特征。此處選取可能區(qū)分惡意軟件和良性軟件的短序列特征，是因?yàn)樽止?jié)碼n-grams提取的特征很多，很多都是無效特征，或者效果非常一般的特征，保持這些特征會影響檢測方法的性能和效率，所以要選出有效的特征即可能區(qū)分惡意軟件和良性軟件的短序列特征。步驟s2、將軟件樣本中的類別已知的軟件樣本作為訓(xùn)練樣本，然后分別采用前端融合方法、后端融合方法和中間融合方法設(shè)計(jì)三種不同方案的多模態(tài)數(shù)據(jù)融合方法。北京軟件cnas檢測認(rèn)證機(jī)構(gòu)