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！

龙图腾网获悉河北师范大学申请的专利一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法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：CN115600202B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211304675.6，技术领域涉及：G06F21/56；该发明授权一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法是由王方伟;史锡朋;李青茹;王长广;黄文艳设计研发完成，并于2022-10-24向国家知识产权局提交的专利申请。

本一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法在说明书摘要公布了：本发明涉及一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法，采用：将恶意软件彩色图像x放入多裁剪模块中生成恶意软件局部图像xj的步骤；搭建基于深度卷积生成对抗网络的恶意软件检测和家族分类模型的步骤；训练恶意软件检测和家族分类模型；所述恶意软件检测和家族分类模型包括生成器G、打分判别器D1和分类判别器D2的步骤；利用保存的分类判别器D2对恶意软件进行检测和分类的步骤；本发明方法有效解决了恶意软件检测和家族分类中样本不足和样本不平衡的问题，提高了恶意软件检测和家族分类模型参数的利用率，提高了恶意软件变体的检测和分类的准确率，更好的保证网络的安全。

本发明授权一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法在权利要求书中公布了：1.一种基于多裁剪策略和深度卷积生成对抗网络的恶意软件检测和家族分类方法，其特征在于采用如下步骤： 步骤一.将恶意软件彩色图像x放入多裁剪模块中生成恶意软件局部图像xj； 利用多裁剪模块生成恶意软件局部图像xj的步骤如下： S101.将恶意软件彩色图像x的亮度、对比度、饱和度和明度的值设置为原来的12； S102.分别从每一个恶意软件彩色图像x的左上角、左下角、右上角、右下角和中心截取64×64像素大小的5张恶意软件局部图像xj； 步骤二.搭建基于深度卷积生成对抗网络的恶意软件检测和家族分类模型； 基于深度卷积生成对抗网络构造了生成器G、打分判别器D1和分类判别器D2，其中分类判别器D2在训练过程中使用打分判别器D1和生成器G的对抗损失函数和分类判别器D2对输入图像的交叉熵损失函数来更新参数，并在对抗损失函数收敛后对分类判别器D2的平均池化层进行微调； 步骤三.训练恶意软件检测和家族分类模型；所述恶意软件检测和家族分类模型包括生成器G、打分判别器D1和分类判别器D2； 训练分类判别器D2的具体步骤如下： 4.2.1.将原始的恶意软件局部图像xj和生成器G生成的假图像xfake以及标签Txj和Txfake作为输入一并传递给分类判别器D2中，并计算分类判别器D2的损失函数，其公式如下： 公式1中：xfake为生成器G生成的假图像，Txfake表示生成器G生成的假图像的伪标签，Txj表示恶意软件局部图像的真实标签，表示分类判别器D2的恶意软件检测和家族分类模型参数，表示分类判别器D2对于xfake的预测标签结果，表示分类判别器D2对于xj预测标签结果，Entropya,b表示a与b的交叉熵损失函数，即分类判别器D2对于给定的样本的真实标签和预测的标签的损失，β为训练的权重，表示打分判别器D1和生成器G的对抗损失函数，μ表示损失所占的权重比例； 4.2.2.当打分判别器D1和生成器G的对抗损失函数收敛时，对分类判别器D2的最后一层平局池化层进行微调，并将平局池化层前面的所有层进行冻结，并采用如下公式更新分类判别器D2： 公式2中：表示第i次迭代后得到的分类判别器D2的参数，表示第i+1次迭代后得到的分类判别器D2的参数，为分类判别器D2的学习率，为损失函数关于参数的梯度； 步骤四、利用保存的分类判别器D2对恶意软件进行检测和分类。

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河北师范大学，其通讯地址为：050024 河北省石家庄市南二环东路20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”。

以上内容由龙图腾AI智能生成。