CN105975852A - 一种基于标签传播的样本关联性检测方法及系统 - Google Patents

一种基于标签传播的样本关联性检测方法及系统 Download PDF

Info

Publication number
CN105975852A
CN105975852A CN201511015286.1A CN201511015286A CN105975852A CN 105975852 A CN105975852 A CN 105975852A CN 201511015286 A CN201511015286 A CN 201511015286A CN 105975852 A CN105975852 A CN 105975852A
Authority
CN
China
Prior art keywords
sample
samples
dimension
feature
relatedness
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.)
Pending
Application number
CN201511015286.1A
Other languages
English (en)
Inventor
张路
潘宣辰
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.)
Wuhan Antian Information Technology Co Ltd
Original Assignee
Wuhan Antian Information 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 Wuhan Antian Information Technology Co Ltd filed Critical Wuhan Antian Information Technology Co Ltd
Priority to CN201511015286.1A priority Critical patent/CN105975852A/zh
Publication of CN105975852A publication Critical patent/CN105975852A/zh
Priority to CN201611199242.3A priority patent/CN106815521B/zh
Priority to PCT/CN2016/111566 priority patent/WO2017114290A1/zh
Pending legal-status Critical Current

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
    • 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
    • G06F21/554—Detecting local intrusion or implementing counter-measures involving event detection and direct action

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer And Data Communications (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出一种基于标签传播的样本关联性检测方法及系统，包括：获取样本集，并计算样本集在各维度的特征及关联度，以样本及样本特征为节点，以具有关联度的样本及节点的连线围边构建关联网络图，获取待检测样本的特征，并将其嵌入关联网络图，计算待检测样本在新关联网络图中与各连线上样本的权值乘积，若大于预设值，则输出对应连线上的样本。通过本发明的方法，能够利用代码及样本属性进行更多信息的判断，关联关系更准确，启发性更强。能够有效的输出具有关联性的样本，用于进一步判断待检测样本是否为仿冒文件，对恶意代码的检测具有辅助作用。

Description

一种基于标签传播的样本关联性检测方法及系统
技术领域
本发明涉及网络安全领域，特别涉及一种基于标签传播的样本关联性检测方法及系统。
背景技术
目前样本关联性的检测方面大多都需要通过深入的代码分析，具有一定难度，而且仅仅基于代码层面，启发性不高，因为某些仿冒应用可能并未直接从代码层面进行仿冒，而是利用了正版应用的资源文件，例如图标，程序名，包名等；又例如同一犯罪团伙编写了两种功能完全不同的恶意代码，但均使用了同一邮箱上传用户隐私信息，我们可以通过该邮箱发现两类应用的关联性，而通过代码分析其关联性则比较困难。
发明内容
本发明提出了一种基于标签传播的样本关联性检测方法及系统，通过对样本间关联性权值的计算，得到待检测样本与已知样本的关联性，从而为恶意代码判断提供辅助判断的信息。
一种基于标签传播的样本关联性检测方法，包括：
收集已知白样本文件及黑样本文件，组成样本集；
对样本集在多个维度进行特征提取；
分别计算样本集中两样本间的关联度，如果相似度大于预设值，则两样本间具有关联性，否则两样本间不具有关联性；
分别判断样本集中各样本在各维度上特征是否相同；如果是，则认为样本在对应维度上的特征具有关联性，并给出各关联特征间的权值；否则样本在对应维度上不具有关联性；
根据样本间及样本在对应维度上特征的关联性，以样本及特征为节点，以具有关联性的样本及特征的连线为边，构建关联网络图；
获取待检测样本在各维度上的特征，并计算待检测样本与样本集中样本的关联度，将所述特征及样本嵌入构建的关联网络图，连线构成新关联网络图；
计算待检测样本在新关联网络图中与各连线上样本的权值乘积，并判断所述权值乘积是否超过预设值，如果超过预设值，则向用户输出对应连线上的特征所对应的样本。
所述的方法中，所述分别计算样本集中两样本间的关联度具体为：遍历获取各样本的代码中的类名及方法名，比较两样本间类名，如类名相同，则进一步计算两样本在对应类名中的所有方法名交集个数，依次累加各相同类名中方法名交集数量，除以两样本所有方法名并集数量，即为两样本间的关联度。
所述方法中，所述各关联特征间的权值相同。
所述的方法中，所述对样本集在多个维度进行特征提取，至少包括：样本来源维度、样本标识维度及样本名称维度；
所述样本来源维度包括：ip、sp、email、url或域名的whois信息；
所述样本标识维度包括：样本资源文件或图标的MD5值；
所述样本名称维度包括：样本包名、程序名、文件签名或证书。
一种基于标签传播的样本关联性检测系统，包括：
样本收集模块，用于收集已知白样本文件及黑样本文件，组成样本集；
特征提取模块，用于对样本集在多个维度进行特征提取；
样本关联度计算模块，用于分别计算样本集中两样本间的关联度，如果相似度大于预设值，则两样本间具有关联性，否则两样本间不具有关联性；
特征判断模块，用于分别判断样本集中各样本在各维度上特征是否相同；如果是，则认为样本在对应维度上的特征具有关联性，并给出各关联特征间的权值；否则样本在对应维度上不具有关联性；
关联网络图构建模块，用于根据样本间及样本在对应维度上特征的关联性，以样本及特征为节点，以具有关联性的样本及特征的连线为边，构建关联网络图；
待检测样本关联模块，用于获取待检测样本在各维度上的特征，并计算待检测样本与样本集中样本的关联度，将所述特征及样本嵌入构建的关联网络图，连线构成新关联网络图；
结果输出模块，用于计算待检测样本在新关联网络图中与各连线上样本的权值乘积，并判断所述权值乘积是否超过预设值，如果超过预设值，则向用户输出对应连线上的特征所对应的样本。
所述的系统中，所述分别计算样本集中两样本间的关联度具体为：遍历获取各样本的代码中的类名及方法名，比较两样本间类名，如类名相同，则进一步计算两样本在对应类名中的所有方法名交集个数，依次累加各相同类名中方法名交集数量，除以两样本所有方法名并集数量，即为两样本间的关联度。
所述系统中，所述各关联特征间的权值相同。
所述的系统中，所述对样本集在多个维度进行特征提取，至少包括：样本来源维度、样本标识维度及样本名称维度；
所述样本来源维度包括：ip、sp、email、url或域名的whois信息；
所述样本标识维度包括：样本资源文件或图标的MD5值；
所述样本名称维度包括：样本包名、程序名、文件签名或证书。
本发明的优势在于，通过样本及特征等多信息的关联，给出待检测样本与已知各样本间的关联性，提供给用户，用于进一步判断待检测样本是否为恶意或仿冒样本，同时，如果在关联过程中发现大量恶意样本具有相同的特征，则可以考虑将该特征加入反病毒引擎的规则库。
本发明提出一种基于标签传播的样本关联性检测方法及系统，包括：获取样本集，并计算样本集在各维度的特征及关联度，以样本及样本特征为节点，以具有关联度的的样本及节点的连线围边构建关联网络图，获取待检测样本的特征，并将其嵌入关联网络图，计算待检测样本在新关联网络图中与各连线上样本的权值乘积，若大于预设值，则输出对应连线上的样本。通过本发明的方法，能够利用代码及样本属性进行更多信息的判断，关联关系更准确，启发性更强。能够有效的输出具有关联性的样本，用于进一步判断待检测样本是否为仿冒文件，对恶意代码的检测具有辅助作用。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于标签传播的样本关联性检测方法流程图；
图2为依据本发明方法构建关联网络图示意图；
图3为依据本发明方法构建新关联网络图示意图；
图4为本发明一种基于标签传播的样本关联性检测系统结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明中技术方案作进一步详细的说明。
本发明提出了一种基于标签传播的样本关联性检测方法及系统，通过对样本间关联性权值的计算，得到待检测样本与已知样本的关联性，从而为恶意代码判断提供辅助判断的信息。
一种基于标签传播的样本关联性检测方法，如图1所示，包括：
S101收集已知白样本文件及黑样本文件，组成样本集；
S102对样本集在多个维度进行特征提取；
S103分别计算样本集中两样本间的关联度，如果相似度大于预设值，则两样本间具有关联性，否则两样本间不具有关联性；相似度根据关联需求，可设置为0.5等；
S104分别判断样本集中各样本在各维度上特征是否相同；如果是，则认为样本在对应维度上的特征具有关联性，并给出各关联特征间的权值；否则样本在对应维度上不具有关联性；如ip相同，或email相同，或url相同，或具有相同资源文件，或图标相同等。
S105根据样本间及样本在对应维度上特征的关联性，以样本及特征为节点，以具有关联性的样本及特征的连线为边，构建关联网络图；
举例来说，如图2所示，如经计算后，样本1与样本4的关联度为0.7，样本2与样本3的关联度为0.85，样本1具有特征图标1及ip1，样本2具有特征sp1及图标1，样本3具有特征包名1及图标1，样本4具有图标图标1，则构建关联网络图，各关联特征间的权值为0.5；
S106获取待检测样本在各维度上的特征，并计算待检测样本与样本集中样本的关联度，将所述特征及样本嵌入构建的关联网络图，连线构成新关联网络图；
举例来说，如图3所示，经计算，待检测样本与样本2之间的关联度为0.95，与其他样本的关联度均小于0.5，且待检测样本具有特征sp1，则嵌入构建的关联网络图后，连线构成的新关联网络图；
S107计算待检测样本在新关联网络图中与各连线上样本的权值乘积，并判断所述权值乘积是否超过预设值，如0.2，如果超过预设值，则向用户输出对应连线上的特征所对应的样本，否则放弃所述连线上的样本。
经计算得到，待检测样本与样本3之间的权值乘积为0.95*0.85=0.8075，大于0.2，则待检测样本与样本2及样本3均存在关联。将样本2及样本3输出给用户。
所述的方法中，所述分别计算样本集中两样本间的关联度具体为：遍历获取各样本的代码中的类名及方法名，比较两样本间类名，如类名相同，则进一步计算两样本在对应类名中的所有方法名交集个数，依次累加各相同类名中方法名交集数量，除以两样本所有方法名并集数量，即为两样本间的关联度。
所述方法中，所述各关联特征间的权值相同。
所述的方法中，所述对样本集在多个维度进行特征提取，至少包括：样本来源维度、样本标识维度及样本名称维度；
所述样本来源维度包括：ip、sp、email、url或域名的whois信息；
所述样本标识维度包括：样本资源文件或图标的MD5值；
所述样本名称维度包括：样本包名、程序名、文件签名或证书。
一种基于标签传播的样本关联性检测系统，如图4所示，包括：
样本收集模块401，用于收集已知白样本文件及黑样本文件，组成样本集；
特征提取模块402，用于对样本集在多个维度进行特征提取；
样本关联度计算模块403，用于分别计算样本集中两样本间的关联度，如果相似度大于预设值，则两样本间具有关联性，否则两样本间不具有关联性；
特征判断模块404，用于分别判断样本集中各样本在各维度上特征是否相同；如果是，则认为样本在对应维度上的特征具有关联性，并给出各关联特征间的权值；否则样本在对应维度上不具有关联性；
关联网络图构建模块405，用于根据样本间及样本在对应维度上特征的关联性，以样本及特征为节点，以具有关联性的样本及特征的连线为边，构建关联网络图；
待检测样本关联模块406，用于获取待检测样本在各维度上的特征，并计算待检测样本与样本集中样本的关联度，将所述特征及样本嵌入构建的关联网络图，连线构成新关联网络图；
结果输出模块407，用于计算待检测样本在新关联网络图中与各连线上样本的权值乘积，并判断所述权值乘积是否超过预设值，如果超过预设值，则向用户输出对应连线上的特征所对应的样本。
所述的系统中，所述分别计算样本集中两样本间的关联度具体为：遍历获取各样本的代码中的类名及方法名，比较两样本间类名，如类名相同，则进一步计算两样本在对应类名中的所有方法名交集个数，依次累加各相同类名中方法名交集数量，除以两样本所有方法名并集数量，即为两样本间的关联度。
所述系统中，所述各关联特征间的权值相同。
所述的系统中，所述对样本集在多个维度进行特征提取，至少包括：样本来源维度、样本标识维度及样本名称维度；
所述样本来源维度包括：ip、sp、email、url或域名的whois信息；
所述样本标识维度包括：样本资源文件或图标的MD5值；
所述样本名称维度包括：样本包名、程序名、文件签名或证书。
本发明的优势在于，通过样本及特征等多信息的关联，给出待检测样本与已知各样本间的关联性，提供给用户，用于进一步判断待检测样本是否为恶意或仿冒样本，同时，如果在关联过程中发现大量恶意样本具有相同的特征，则可以考虑将该特征加入反病毒引擎的规则库。
本发明提出一种基于标签传播的样本关联性检测方法及系统，包括：获取样本集，并计算样本集在各维度的特征及关联度，以样本及样本特征为节点，以具有关联度的的样本及节点的连线围边构建关联网络图，获取待检测样本的特征，并将其嵌入关联网络图，计算待检测样本在新关联网络图中与各连线上样本的权值乘积，若大于预设值，则输出对应连线上的样本。通过本发明的方法，能够利用代码及样本属性进行更多信息的判断，关联关系更准确，启发性更强。能够有效的输出具有关联性的样本，用于进一步判断待检测样本是否为仿冒文件，对恶意代码的检测具有辅助作用。
虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。

Claims (8)

1.一种基于标签传播的样本关联性检测方法，其特征在于，包括：
收集已知白样本文件及黑样本文件，组成样本集；
对样本集在多个维度进行特征提取；
分别计算样本集中两样本间的关联度，如果相似度大于预设值，则两样本间具有关联性，否则两样本间不具有关联性；
分别判断样本集中各样本在各维度上特征是否相同；如果是，则认为样本在对应维度上的特征具有关联性，并给出各关联特征间的权值；否则样本在对应维度上不具有关联性；
根据样本间及样本在对应维度上特征的关联性，以样本及特征为节点，以具有关联性的样本及特征的连线为边，构建关联网络图；
获取待检测样本在各维度上的特征，并计算待检测样本与样本集中样本的关联度，将所述特征及样本嵌入构建的关联网络图，连线构成新关联网络图；
计算待检测样本在新关联网络图中与各连线上样本的权值乘积，并判断所述权值乘积是否超过预设值，如果超过预设值，则向用户输出对应连线上的特征所对应的样本。
2.如权利要求1所述的方法，其特征在于，所述分别计算样本集中两样本间的关联度具体为：遍历获取各样本的代码中的类名及方法名，比较两样本间类名，如类名相同，则进一步计算两样本在对应类名中的所有方法名交集个数，依次累加各相同类名中方法名交集数量，除以两样本所有方法名并集数量，即为两样本间的关联度。
3.如权利要求1或2所述的方法，其特征在于，所述各关联特征间的权值相同。
4.如权利要求3所述的方法，其特征在于，所述对样本集在多个维度进行特征提取，至少包括：样本来源维度、样本标识维度及样本名称维度；
所述样本来源维度包括：ip、sp、email、url或域名的whois信息；
所述样本标识维度包括：样本资源文件或图标的MD5值；
所述样本名称维度包括：样本包名、程序名、文件签名或证书。
5.一种基于标签传播的样本关联性检测系统，其特征在于，包括：
样本收集模块，用于收集已知白样本文件及黑样本文件，组成样本集；
特征提取模块，用于对样本集在多个维度进行特征提取；
样本关联度计算模块，用于分别计算样本集中两样本间的关联度，如果相似度大于预设值，则两样本间具有关联性，否则两样本间不具有关联性；
特征判断模块，用于分别判断样本集中各样本在各维度上特征是否相同；如果是，则认为样本在对应维度上的特征具有关联性，并给出各关联特征间的权值；否则样本在对应维度上不具有关联性；
关联网络图构建模块，用于根据样本间及样本在对应维度上特征的关联性，以样本及特征为节点，以具有关联性的样本及特征的连线为边，构建关联网络图；
待检测样本关联模块，用于获取待检测样本在各维度上的特征，并计算待检测样本与样本集中样本的关联度，将所述特征及样本嵌入构建的关联网络图，连线构成新关联网络图；
结果输出模块，用于计算待检测样本在新关联网络图中与各连线上样本的权值乘积，并判断所述权值乘积是否超过预设值，如果超过预设值，则向用户输出对应连线上的特征所对应的样本。
6.如权利要求5所述的系统，其特征在于，所述分别计算样本集中两样本间的关联度具体为：遍历获取各样本的代码中的类名及方法名，比较两样本间类名，如类名相同，则进一步计算两样本在对应类名中的所有方法名交集个数，依次累加各相同类名中方法名交集数量，除以两样本所有方法名并集数量，即为两样本间的关联度。
7.如权利要求5或6所述的系统，其特征在于，所述各关联特征间的权值相同。
8.如权利要求7所述的系统，其特征在于，所述对样本集在多个维度进行特征提取，至少包括：样本来源维度、样本标识维度及样本名称维度；
所述样本来源维度包括：ip、sp、email、url或域名的whois信息；
所述样本标识维度包括：样本资源文件或图标的MD5值；
所述样本名称维度包括：样本包名、程序名、文件签名或证书。
CN201511015286.1A 2015-12-31 2015-12-31 一种基于标签传播的样本关联性检测方法及系统 Pending CN105975852A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201511015286.1A CN105975852A (zh) 2015-12-31 2015-12-31 一种基于标签传播的样本关联性检测方法及系统
CN201611199242.3A CN106815521B (zh) 2015-12-31 2016-12-22 一种样本关联性检测方法、系统及电子设备
PCT/CN2016/111566 WO2017114290A1 (zh) 2015-12-31 2016-12-22 一种样本关联性检测方法、系统、电子设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511015286.1A CN105975852A (zh) 2015-12-31 2015-12-31 一种基于标签传播的样本关联性检测方法及系统

Publications (1)

Publication Number Publication Date
CN105975852A true CN105975852A (zh) 2016-09-28

Family

ID=56988207

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201511015286.1A Pending CN105975852A (zh) 2015-12-31 2015-12-31 一种基于标签传播的样本关联性检测方法及系统
CN201611199242.3A Active CN106815521B (zh) 2015-12-31 2016-12-22 一种样本关联性检测方法、系统及电子设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201611199242.3A Active CN106815521B (zh) 2015-12-31 2016-12-22 一种样本关联性检测方法、系统及电子设备

Country Status (2)

Country Link
CN (2) CN105975852A (zh)
WO (1) WO2017114290A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106446687A (zh) * 2016-10-14 2017-02-22 北京奇虎科技有限公司 恶意样本的检测方法及装置
WO2017114290A1 (zh) * 2015-12-31 2017-07-06 武汉安天信息技术有限责任公司 一种样本关联性检测方法、系统、电子设备以及存储介质
CN108268772A (zh) * 2016-12-30 2018-07-10 武汉安天信息技术有限责任公司 恶意样本的筛选方法及系统
CN108537654A (zh) * 2018-03-09 2018-09-14 平安普惠企业管理有限公司 客户关系网络图的渲染方法、装置、终端设备及介质
CN109033834A (zh) * 2018-07-17 2018-12-18 南京邮电大学盐城大数据研究院有限公司 一种基于文件关联关系的恶意软件检测方法
CN109325280A (zh) * 2018-09-13 2019-02-12 广西科技大学 一种惯性测试转台模块划分方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609400A (zh) * 2017-09-28 2018-01-19 深信服科技股份有限公司 计算机病毒分类方法、系统、设备及计算机可读存储介质
CN109995605B (zh) * 2018-01-02 2021-04-13 中国移动通信有限公司研究院 一种流量识别方法、装置以及计算机可读存储介质
CN110457359B (zh) * 2018-05-04 2024-03-08 拉萨经济技术开发区凯航科技开发有限公司 一种关联性分析方法
CN110264333B (zh) * 2019-05-09 2023-12-08 创新先进技术有限公司 一种风险规则确定方法和装置
CN110458394B (zh) * 2019-07-05 2023-08-22 创新先进技术有限公司 一种基于对象关联度的指标测算方法及装置
CN110336838B (zh) * 2019-08-07 2022-07-08 腾讯科技（武汉）有限公司 账号异常检测方法、装置、终端及存储介质
CN112487421B (zh) * 2020-10-26 2024-06-11 中国科学院信息工程研究所 基于异质网络的安卓恶意应用检测方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1000500A4 (en) * 1997-02-03 2002-02-05 Mci Worldcom Inc COMMUNICATION SYSTEM ARCHITECTURE
US7769851B1 (en) * 2005-01-27 2010-08-03 Juniper Networks, Inc. Application-layer monitoring and profiling network traffic
US8295198B2 (en) * 2007-12-18 2012-10-23 Solarwinds Worldwide Llc Method for configuring ACLs on network device based on flow information
CN102034042B (zh) * 2010-12-13 2012-10-03 四川大学 基于函数调用关系图特征的恶意代码检测新方法
CN102821002B (zh) * 2011-06-09 2015-08-26 中国移动通信集团河南有限公司信阳分公司 网络流量异常检测方法和系统
CN103530367B (zh) * 2013-10-12 2017-07-18 深圳先进技术研究院 一种钓鱼网站鉴别系统和方法
CN103984920B (zh) * 2014-04-25 2017-04-12 同济大学 一种基于稀疏表示与多特征点的三维人脸识别方法
CN104537303B (zh) * 2014-12-30 2017-10-24 中国科学院深圳先进技术研究院 一种钓鱼网站鉴别系统及鉴别方法
CN104899253B (zh) * 2015-05-13 2018-06-26 复旦大学 面向社会图像的跨模态图像-标签相关度学习方法
CN105205397B (zh) * 2015-10-13 2018-10-16 北京奇安信科技有限公司 恶意程序样本分类方法及装置
CN105975852A (zh) * 2015-12-31 2016-09-28 武汉安天信息技术有限责任公司 一种基于标签传播的样本关联性检测方法及系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017114290A1 (zh) * 2015-12-31 2017-07-06 武汉安天信息技术有限责任公司 一种样本关联性检测方法、系统、电子设备以及存储介质
CN106446687A (zh) * 2016-10-14 2017-02-22 北京奇虎科技有限公司 恶意样本的检测方法及装置
CN106446687B (zh) * 2016-10-14 2020-11-03 北京奇虎科技有限公司 恶意样本的检测方法及装置
CN108268772A (zh) * 2016-12-30 2018-07-10 武汉安天信息技术有限责任公司 恶意样本的筛选方法及系统
CN108268772B (zh) * 2016-12-30 2021-10-22 武汉安天信息技术有限责任公司 恶意样本的筛选方法及系统
CN108537654A (zh) * 2018-03-09 2018-09-14 平安普惠企业管理有限公司 客户关系网络图的渲染方法、装置、终端设备及介质
CN108537654B (zh) * 2018-03-09 2021-04-30 平安普惠企业管理有限公司 客户关系网络图的渲染方法、装置、终端设备及介质
CN109033834A (zh) * 2018-07-17 2018-12-18 南京邮电大学盐城大数据研究院有限公司 一种基于文件关联关系的恶意软件检测方法
CN109325280A (zh) * 2018-09-13 2019-02-12 广西科技大学 一种惯性测试转台模块划分方法

Also Published As

Publication number Publication date
WO2017114290A1 (zh) 2017-07-06
CN106815521A (zh) 2017-06-09
CN106815521B (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN105975852A (zh) 一种基于标签传播的样本关联性检测方法及系统
CN103368917B (zh) 一种网络虚拟用户的风险控制方法及系统
CN107294975A (zh) 一种基于信息收集的Web安全漏洞检测系统及检测方法
CN102664878B (zh) 仿冒域名检测方法及设备
CN102567494B (zh) 网站分类方法及装置
CN104699751A (zh) 一种基于搜索词进行搜索推荐的方法和装置
CN105528422A (zh) 一种主题爬虫处理方法及装置
CN105446980B (zh) 一种鉴别图片垃圾文件的方法及装置
CN110781876B (zh) 一种基于视觉特征的仿冒域名轻量级检测方法及系统
CN104732425A (zh) 基于大数据的电商平台客户行为分析方法
CN114499939A (zh) 一种基于知识图谱的最优路径选择方法、系统、可存储介质和电子设备
CN106940711B (zh) 一种url检测方法及检测装置
CN105528357A (zh) 一种基于url和网页文档结构的相似性的网页内容提取方法
CN102523286A (zh) 服务信誉度获取方法及装置
CN108287831B (zh) 一种url分类方法和系统、数据处理方法和系统
CN110555147A (zh) 网站数据抓取方法、装置、设备及其介质
CN104598598A (zh) 一种关系型数据标准性的评估方法
CN114254069A (zh) 域名相似度的检测方法、装置和存储介质
CN105069079A (zh) 筛选兴趣点poi数据的方法及装置
CN112185114A (zh) 一种路谱数据的采集方法、装置、电子设备以及存储介质
CN103729458A (zh) 一种网页请求的区分方法及装置
CN101546327A (zh) 搜索系统、搜索方法及其网页过滤系统和方法
CN109977990A (zh) 一种基于概念格的网络资产相似性度量方法
CN107203561B (zh) 一种数据处理方法和设备
Raheja et al. An efficient code clone detection model on Java byte code using hybrid approach

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160928