CN103902894B - 基于用户行为差异化的病毒防御方法及系统 - Google Patents

基于用户行为差异化的病毒防御方法及系统 Download PDF

Info

Publication number
CN103902894B
CN103902894B CN201210568110.9A CN201210568110A CN103902894B CN 103902894 B CN103902894 B CN 103902894B CN 201210568110 A CN201210568110 A CN 201210568110A CN 103902894 B CN103902894 B CN 103902894B
Authority
CN
China
Prior art keywords
ratio
default
file
grey file
hazard index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201210568110.9A
Other languages
English (en)
Other versions
CN103902894A (zh
Inventor
陈章群
赵闽
傅盛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Baoqu Technology Co Ltd
Original Assignee
Beijing Kingsoft Internet Security Software Co Ltd
Shell Internet Beijing Security Technology Co Ltd
Zhuhai Juntian Electronic Technology Co Ltd
Beijing Kingsoft Internet Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Kingsoft Internet Security Software Co Ltd, Shell Internet Beijing Security Technology Co Ltd, Zhuhai Juntian Electronic Technology Co Ltd, Beijing Kingsoft Internet Science and Technology Co Ltd filed Critical Beijing Kingsoft Internet Security Software Co Ltd
Priority to CN201210568110.9A priority Critical patent/CN103902894B/zh
Publication of CN103902894A publication Critical patent/CN103902894A/zh
Application granted granted Critical
Publication of CN103902894B publication Critical patent/CN103902894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/562—Static detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Virology (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Storage Device Security (AREA)
  • Document Processing Apparatus (AREA)

Abstract

本发明属于病毒防御技术领域，具体公开了一种基于用户行为差异化的病毒防御方法及系统。它包括获取包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端的第一比值，获取代表该灰文件广度的第二比值，获取所述灰文件的执行行为与预设病毒行为相似度的第三比值，根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数，并根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质。本发明从三个维度判断灰文件性质，能够更加快速和准确的判定灰文件的安全性质。

Description

基于用户行为差异化的病毒防御方法及系统
技术领域
本发明属于病毒防御技术领域，具体涉及一种基于用户行为差异化的病毒防御方法及系统。
背景技术
编制或者在计算机程序中插入的破坏计算机功能或者破坏数据，影响计算机使用并且能够自我复制的一组计算机指令或者程序代码被称为计算机病毒（Computer Virus）。它具有破坏性，复制性和传染性。
现有的病毒防御方法仅仅是基于文件内容和行为的判定方法，其大致是：
1、客户端根据病毒数据库进行扫描，以鉴别病毒文件和安全文件；
2、针对客户端无法鉴别的灰文件，上传至云端服务器；
3、云端服务器基于文件内容和行为进行鉴定，并将鉴定结果反馈给客户端；
4、客户端按照反馈结果采取对应的防御措施。
申请人通过研究发现，现有的病毒制作者为了绕过上述防御系统，采用了一种伪装的方法，如盗号软件伪装成刷Q币软件，目前这种单一维度（仅仅基于文件内容和行为）的判断方法，很难对新出现的灰文件进行快速鉴定。
发明内容
针对现有病毒系统很难鉴定的灰文件，本发明的目的在于提供一种快速鉴定此类文件的基于用户行为差异化的病毒防御方法及系统。
通过申请人研究发现，通常情况下经常浏览色情网站和下载外挂等非正常浏览行为用户中毒频率就较高，可能三两天中一次毒，我们称之为危险客户端；然而，正常浏览常规网站的中毒频率相对就较低，可能几个月才中一次毒。当该灰文件主要集中在高频率中毒的客户端时，是病毒的可能性较高，反之该灰文件主要集中在中毒频率较低的客户端时，是病毒的可能性较低。所谓的中毒频率就是平均多少天中一次毒，比如：平均3天中一次病毒，则中毒频率为3天每次，又比如：平均每天中毒4次，则其中毒频率为1/4天每次，即是平均每次中毒之间的间隔越小，表明中毒频率越高，反之则越低。
通过申请人研究还发现，一般情况下一个文件如果在大多数用户都出现时，那么该文件是病毒的可能性相对较小，一个文件如果在少数用户中出现，为病毒文件的概率就相对更高，也即是该文件的分布广度。该灰文件的分布越广为病毒的概率越小，因为同一病毒感染用户的数量相对比所有用户的量应该是极少数的。
通过申请人研究还发现，一般情况下其执行行为和病毒行为相似度越高，是病毒的可能性就越大，比如：修改系统参数、上传客户资料等等。虽然它们与病毒行为相似，但它也不一定就是病毒，比如游戏外挂，它就会修改游戏参数等，显然不能将其当作病毒，正是因为这点病毒就经常利用他们来迷惑用户，进而逃过查杀。
为了实现上述发明目的，基于上述研究发现，得到了以下技术方案：
一种基于用户行为差异化的病毒防御方法，用于鉴别现有病毒防御系统很难鉴别的灰文件，包括以下步骤：
获取包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端的第一比值，所述危险客户端为中毒频率超过预设阈值的客户端；
根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值；
获取所述灰文件的执行行为与预设病毒行为相似度的第三比值；
根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数；
根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质。
进一步的，根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质，具体是：
所述危险指数大于等于所述预设的危险指数阈值时，判定为病毒文件；
所述危险指数小于所述预设的危险指数阈值时，判定为安全文件。
进一步的，所述中毒频率预设的阈值为4天每次。
进一步的，所述第一比值预设的权重为20分，所述第二比值预设的权重为10分，所述第三比值预设的权重为70分，所述预设的危险指数阈值为70分。
进一步的，根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值，具体是：获取包含有该灰文件的客户端数与所有数客户端的比值，并将所述广度比值与预设的广度阈值范围进行比较以获取所述广度阈值范围对应的预设的第二比值。
一种基于用户行为差异化的病毒防御系统，用于鉴别现有病毒防御系统很难鉴别的灰文件，包括以下模块：
第一比值获取模块，获取包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端的第一比值，所述危险客户端为中毒频率超过预设阈值的客户端；
第二比值获取模块，根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值；
第三比值获取模块，获取所述灰文件的执行行为与预设病毒行为相似度的第三比值；
危险指数获取模块，根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数；
安全性质判定模块，根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质。
进一步的，所述安全性质判定模块根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质，具体是：
所述危险指数大于等于所述预设的危险指数阈值时，判定为病毒文件；
所述危险指数小于所述预设的危险指数阈值时，判定为安全文件。
进一步的，所述中毒频率预设的阈值为4天每次。
进一步的，所述第一比值预设的权重为20分，所述第二比值预设的权重为10分，所述第三比值预设的权重为70分，所述预设的危险指数阈值为70分。
进一步的，所述第二比值获取模块根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值，具体是：获取包含有该灰文件的客户端数与所有数客户端的比值，并将所述广度比值与预设的广度阈值范围进行比较以获取所述广度阈值范围对应的预设的第二比值。
本发明从该灰文件在危险客户端中出现概率（第一比值）、该灰文件的分布广度（第二比值）、以及该文件与病毒行为相似度的第三比值三个维度出发，根据它们的各自的情况设置一定的权重，从而加权获得该灰文件的危险指数，并据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质。
因此，本发明相对现有技术判断灰文件的维度更加贴近病毒出现的情况，进而能够更加快速和准确的判定灰文件的安全性质。
附图说明
此附图说明所提供的图片用来辅助对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的不当限定，在附图中：
图1是本发明方法对应的流程图；
图2是本发明系统对应的框图。
具体实施方式
如图1所示，本实施例公开了一种基于用户行为差异化的病毒防御方法，用于鉴别现有病毒防御系统很难鉴别的灰文件，包括以下步骤：
Step1：获取包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端的第一比值，所述危险客户端为中毒频率超过预设阈值的客户端；本步骤具体实施时，需要云端服务器统计各客户端的每次中毒数据，将其分为危险客户端和一般客户端，其中危险客户端预设的中毒频率阈值为4天每次，即是平均小于等于4天就中毒一次的客户为危险客户端，其具体可以根据现有病毒防御系统病毒扫描统计数据获得；
Step2：根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值，具体可以是：获取包含有该灰文件的客户端数与所有数客户端的比值，并将所述广度比值与预设的广度阈值范围进行比较以获取所述广度阈值范围对应的预设的第二比值；由于灰文件是经过现有病毒防御系统检测后无法识别的文件，该文件已经通过现有病毒防御系统进行了检测，那么利用现有病毒防御系统就可以快速的收集和统计包含有该灰文件的客户端数目，至于所有客户端的数量就等于该病毒防御系统的所有用户量，那么就可以很快得到所述广度比值；其中，所述预设的广度阈值范围和与其对应的预设的第二比值，意思就是将广度比值分段给予不同的比值，比如：广度比值在：1%到100%之间预设的第二比值为10%、千分之一到百分之一之间预设第二比值为30%、万分之一到千分之一之间预设的比值为50%、十万分之一到万分之一之间预设的比值为70%、百万分之一到十万分之一之间为90%、小于百万分之一则为100%；
Step3：获取所述灰文件的执行行为与预设病毒行为相似度的第三比值，具体可以是在预设一系列病毒行为比如：修改系统某个参数、上传某项数据等等，该灰文件的所有执行行为包括第一行为、第二行为、第三行为，如果其中第一和第二行为就为预设的病毒行为，那么其相似度为三分之二；如果第一至三行为都为预设的病毒行为，那么其相似度就为百分之百；
Step4：根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数，其中所述第一比值预设的权重为20分，所述第二比值预设的权重为10分，所述第三比值预设的权重为70分；所谓的加权就是用各自的比重乘以各自的比值相加；比如：第一比值为A，第二比值为B，第三比值为C，则危险指数=30%A+20%B+50%C；
Step5：根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质，所述预设的危险指数阈值为70分，具体是：所述危险指数大于等于70分时，判定为病毒文件；所述危险指数小于70分时，判定为安全文件。
本实施例还公开了一种基于用户行为差异化的病毒防御系统，用于鉴别现有病毒防御系统很难鉴别的灰文件，包括以下模块：
第一比值获取模块1，获取包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端的第一比值，所述危险客户端为中毒频率超过预设阈值的客户端，所述中毒频率预设的阈值为4天每次；
第二比值获取模块2，根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值，具体可以是：获取包含有该灰文件的客户端数与所有数客户端的比值，并将所述广度比值与预设的广度阈值范围进行比较以获取所述广度阈值范围对应的预设的第二比值；
第三比值获取模块3，获取所述灰文件的执行行为与预设病毒行为相似度的第三比值；
危险指数获取模块4，根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数；其中，所述第一比值预设的权重为20分，所述第二比值预设的权重为10分，所述第三比值预设的权重为70分；
安全性质判定模块5，根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质，具体是：所述危险指数大于等于所述预设的危险指数阈值时，判定为病毒文件；所述危险指数小于所述预设的危险指数阈值时，判定为安全文件；其中，所述预设的危险指数阈值为70分。
根据上述方法和系统，再进一步举例说明：
比如：包含有所述灰文件的危险客户端X=980，包含有该灰文件的所有客户端Y=20，总共的客户端为100万，该灰度文件的5个执行行为中的4个为预设的病毒行为；
那么，第一比值=980/1000=98%，第二比值=50%（20/100万=十分分之二，位于万分之一到千分之一之间，则其预设的比值为50%），第三比值=4/5=80%;
那么，危险指数=30*98%+20*50%+50*80%=29.4+10+40=89.4；
由于，89.4大于预设的危险指数阈值，则判定该灰文件为病毒文件。
需要说明的是，本实施例所列举的一些数据，并不代表对本发明的任何限制，具体实施时还可以根据病毒样本的分析或者病毒的发展，设定不同的数值，但是所有根据本发明方法按照这三个维度去判定灰文件性质的做法都是本发明的保护范围。
以上详细描述了本发明的较佳具体实施例，应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明构思在现有技术基础上通过逻辑分析、推理或者根据有限的实验可以得到的技术方案，均应该在由本权利要求书所确定的保护范围之中。

Claims (10)

1.一种基于用户行为差异化的病毒防御方法，用于鉴别现有病毒防御系统很难鉴别的灰文件，其特征在于包括以下步骤：
根据包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端数量，获取表示该灰文件在危险客户端中出现概率的第一比值，所述危险客户端为中毒频率超过预设阈值的客户端；
根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值；
获取所述灰文件的执行行为与预设病毒行为相似度的第三比值；
根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数；
根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质。
2.根据权利要求1所述的基于用户行为差异化的病毒防御方法，其特在于，根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质，具体是：
所述危险指数大于等于所述预设的危险指数阈值时，判定为病毒文件；
所述危险指数小于所述预设的危险指数阈值时，判定为安全文件。
3.根据权利要求1或2所述的基于用户行为差异化的病毒防御方法，其特在于：
所述中毒频率预设的阈值为4天每次。
4.根据权利要求1或2所述的基于用户行为差异化的病毒防御方法，其特征在于：
所述第一比值预设的权重为20分，所述第二比值预设的权重为10分，所述第三比值预设的权重为70分，所述预设的危险指数阈值为70分。
5.根据权利要求1或2所述的基于用户行为差异化的病毒防御方法，其特征在于：根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值，具体是：
获取包含有该灰文件的客户端数与所有数客户端的比值，并将所述广度比值与预设的广度阈值范围进行比较以获取所述广度阈值范围对应的预设的第二比值。
6.一种基于用户行为差异化的病毒防御系统，用于鉴别现有病毒防御系统很难鉴别的灰文件，其特征在于包括以下模块：
第一比值获取模块，根据包含有所述灰文件的危险客户端与包含有该灰文件的所有客户端数量，获取表示该灰文件在危险客户端中出现概率的第一比值，所述危险客户端为中毒频率超过预设阈值的客户端；
第二比值获取模块，根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值；
第三比值获取模块，获取所述灰文件的执行行为与预设病毒行为相似度的第三比值；
危险指数获取模块，根据所述第一比值、第二比值、以及第三比值三者的预设权重，加权获得该灰文件的危险指数；
安全性质判定模块，根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质。
7.根据权利要求6所述的基于用户行为差异化的病毒防御系统，其特在于，所述安全性质判定模块根据所述危险指数与预设的危险指数阈值大小关系判定该灰文件的安全性质，具体是：
所述危险指数大于等于所述预设的危险指数阈值时，判定为病毒文件；
所述危险指数小于所述预设的危险指数阈值时，判定为安全文件。
8.根据权利要求6或7所述的基于用户行为差异化的病毒防御系统，其特在于：
所述中毒频率预设的阈值为4天每次。
9.根据权利要求6或7所述的基于用户行为差异化的病毒防御系统，其特征在于：
所述第一比值预设的权重为20分，所述第二比值预设的权重为10分，所述第三比值预设的权重为70分，所述预设的危险指数阈值为70分。
10.根据权利要求6或7所述的基于用户行为差异化的病毒防御系统，其特征在于：所述第二比值获取模块，根据包含有所述灰文件的客户端和云系统中包含的所有客户端数量，获取表示该灰文件分布广度的第二比值，具体是：
获取包含有该灰文件的客户端数与所有数客户端的比值，并将所述广度比值与预设的广度阈值范围进行比较以获取所述广度阈值范围对应的预设的第二比值。
CN201210568110.9A 2012-12-24 2012-12-24 基于用户行为差异化的病毒防御方法及系统 Active CN103902894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210568110.9A CN103902894B (zh) 2012-12-24 2012-12-24 基于用户行为差异化的病毒防御方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210568110.9A CN103902894B (zh) 2012-12-24 2012-12-24 基于用户行为差异化的病毒防御方法及系统

Publications (2)

Publication Number Publication Date
CN103902894A CN103902894A (zh) 2014-07-02
CN103902894B true CN103902894B (zh) 2017-12-22

Family

ID=50994206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210568110.9A Active CN103902894B (zh) 2012-12-24 2012-12-24 基于用户行为差异化的病毒防御方法及系统

Country Status (1)

Country Link
CN (1) CN103902894B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430001A (zh) * 2015-12-18 2016-03-23 北京奇虎科技有限公司 Apt攻击的检测方法、终端设备、服务器及系统
CN105915556B (zh) * 2016-06-29 2019-02-12 北京奇虎科技有限公司 一种终端的攻击面的确定方法及设备
CN106778136B (zh) * 2016-12-19 2018-09-04 广州市申迪计算机系统有限公司 一种甄别绕行登录事件的审计方法
CN112181908A (zh) * 2020-09-04 2021-01-05 北京灵汇数融科技有限公司 基于统计的电子文件鉴定方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034044A (zh) * 2010-12-14 2011-04-27 华中科技大学 计算机病毒的毒性暨危害性分析系统
CN101587527B (zh) * 2009-07-08 2011-12-28 北京东方微点信息技术有限责任公司 病毒程序扫描方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101645125B (zh) * 2008-08-05 2011-07-20 珠海金山软件有限公司 过滤以及监控程序的行为的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101587527B (zh) * 2009-07-08 2011-12-28 北京东方微点信息技术有限责任公司 病毒程序扫描方法及装置
CN102034044A (zh) * 2010-12-14 2011-04-27 华中科技大学 计算机病毒的毒性暨危害性分析系统

Also Published As

Publication number Publication date
CN103902894A (zh) 2014-07-02

Similar Documents

Publication Publication Date Title
Susilo et al. Intrusion detection in IoT networks using deep learning algorithm
CN107395590B (zh) 一种基于pca和随机森林分类的入侵检测方法
Pacheco et al. Uncovering coordinated networks on social media
Chan et al. Spam filtering for short messages in adversarial environment
Zhang et al. HHT–SVM: An online method for detecting profile injection attacks in collaborative recommender systems
CN104866763B (zh) 基于权限的Android恶意软件混合检测方法
CN107888571A (zh) 一种基于HTTP日志的多维度webshell入侵检测方法及检测系统
CN107368856B (zh) 恶意软件的聚类方法及装置、计算机装置及可读存储介质
CN103902894B (zh) 基于用户行为差异化的病毒防御方法及系统
Ahmed et al. A weighted minimum redundancy maximum relevance technique for ransomware early detection in industrial IoT
CN105488406B (zh) 一种基于特征向量的相似恶意样本匹配方法及系统
CN104504334B (zh) 用于评估分类规则选择性的系统及方法
CN108197474A (zh) 移动终端应用的分类和检测方法
Čeponis et al. Investigation of dual-flow deep learning models LSTM-FCN and GRU-FCN efficiency against single-flow CNN models for the host-based intrusion and malware detection task on univariate times series data
CN110020532B (zh) 一种信息过滤方法、系统、设备及计算机可读存储介质
CN112347474A (zh) 一种安全威胁情报的构建方法、装置、设备和存储介质
Wu et al. MinerGuard: A solution to detect browser-based cryptocurrency mining through machine learning
Wijayanto Fighting cyber crime in email spamming: An evaluation of fuzzy clustering approach to classify spam messages
Agghey et al. Detection of username enumeration attack on ssh protocol: Machine learning approach
Kozik et al. Packets tokenization methods for web layer cyber security
CN101950334A (zh) 基于计算机免疫的信息系统危险感知方法及系统
Zhang et al. A Network Intrusion Detection Model Based on BiLSTM with Multi-Head Attention Mechanism
Kumar et al. Detection of malware using deep learning techniques
Zwang et al. Detecting bot activity in the Ethereum blockchain network
Kaur et al. Spam detection in online social networks using feed forward neural network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 519015 8 Lanshan lane, Jida Jingshan Hill Road, Zhuhai, Guangdong

Co-patentee after: BEIJING KINGSOFT INTERNET SECURITY SOFTWARE Co.,Ltd.

Patentee after: ZHUHAI JUNTIAN ELECTRONIC TECHNOLOGY Co.,Ltd.

Co-patentee after: Beijing Cheetah Mobile Technology Co.,Ltd.

Co-patentee after: Beijing Cheetah Network Technology Co.,Ltd.

Address before: 519015 8 Lanshan lane, Jida Jingshan Hill Road, Zhuhai, Guangdong

Co-patentee before: BEIJING KINGSOFT INTERNET SECURITY SOFTWARE Co.,Ltd.

Patentee before: Zhuhai Juntian Electronic Technology Co.,Ltd.

Co-patentee before: SHELL INTERNET (BEIJING) SECURITY TECHNOLOGY Co.,Ltd.

Co-patentee before: BEIJING KINGSOFT NETWORK TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191202

Address after: 519031 Room 105-53811, No. 6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province

Patentee after: Zhuhai Leopard Technology Co.,Ltd.

Address before: Jingshan Hill Road, Lane 519015 Lianshan Jida Guangdong province Zhuhai City No. 8

Co-patentee before: BEIJING KINGSOFT INTERNET SECURITY SOFTWARE Co.,Ltd.

Patentee before: Zhuhai Juntian Electronic Technology Co.,Ltd.

Co-patentee before: Beijing Cheetah Mobile Technology Co.,Ltd.

Co-patentee before: Beijing Cheetah Network Technology Co.,Ltd.