圖2是后端融合方法的流程圖。圖3是中間融合方法的流程圖。圖4是前端融合模型的架構(gòu)圖,。圖5是前端融合模型的準(zhǔn)確率變化曲線(xiàn)圖,。圖6是前端融合模型的對(duì)數(shù)損失變化曲線(xiàn)圖。圖7是前端融合模型的檢測(cè)混淆矩陣示意圖,。圖8是規(guī)范化前端融合模型的檢測(cè)混淆矩陣示意圖。圖9是前端融合模型的roc曲線(xiàn)圖。圖10是后端融合模型的架構(gòu)圖,。圖11是后端融合模型的準(zhǔn)確率變化曲線(xiàn)圖,。圖12是后端融合模型的對(duì)數(shù)損失變化曲線(xiàn)圖。圖13是后端融合模型的檢測(cè)混淆矩陣示意圖,。圖14是規(guī)范化后端融合模型的檢測(cè)混淆矩陣示意圖,。圖15是后端融合模型的roc曲線(xiàn)圖。圖16是中間融合模型的架構(gòu)圖,。圖17是中間融合模型的準(zhǔn)確率變化曲線(xiàn)圖,。圖18是中間融合模型的對(duì)數(shù)損失變化曲線(xiàn)圖。圖19是中間融合模型的檢測(cè)混淆矩陣示意圖,。圖20是規(guī)范化中間融合模型的檢測(cè)混淆矩陣示意圖,。圖21是中間融合模型的roc曲線(xiàn)圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖,，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚,、完整地描述，顯然,，所描述的實(shí)施例**是本發(fā)明一部分實(shí)施例,，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例,，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍,。代碼質(zhì)量評(píng)估顯示注釋覆蓋率不足30%需加強(qiáng),。電力軟件系統(tǒng)評(píng)測(cè)價(jià)格

    特征之間存在部分重疊，但特征類(lèi)型間存在著互補(bǔ),，融合這些不同抽象層次的特征可更好的識(shí)別軟件的真正性質(zhì),。且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(cè),，但惡意軟件很難同時(shí)偽造多個(gè)抽象層次的特征逃避檢測(cè),。基于該觀(guān)點(diǎn),，本發(fā)明實(shí)施例提出一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測(cè)方法,，以實(shí)現(xiàn)對(duì)惡意軟件的有效檢測(cè)，提取了三種模態(tài)的特征(dll和api信息,、pe格式結(jié)構(gòu)信息和字節(jié)碼3-grams),，提出了通過(guò)前端融合、后端融合和中間融合這三種融合方式集成三種模態(tài)的特征,，有效提高惡意軟件檢測(cè)的準(zhǔn)確率和魯棒性,，具體步驟如下：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；統(tǒng)計(jì)當(dāng)前軟件樣本的導(dǎo)入節(jié)中引用的dll和api,，提取得到當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息的特征表示,。對(duì)當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件進(jìn)行格式結(jié)構(gòu)解析，并按照格式規(guī)范提取**該軟件樣本的格式結(jié)構(gòu)信息,，得到該軟件樣本的二進(jìn)制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示,。第三方軟件檢測(cè)收費(fèi)深圳艾策信息科技：賦能中小企業(yè)的數(shù)字化未來(lái)。

    k為短序列特征總數(shù),，1≤i≤k,。可執(zhí)行文件長(zhǎng)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(gè)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(duì)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(shuō)明短序列特征i具有很好的類(lèi)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(wú)效特征,，或者效果非常一般的特征,，保持這些特征會(huì)影響檢測(cè)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(lèi)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,。

    對(duì)一些質(zhì)量要求和可靠性要求較高的模塊,，一般要滿(mǎn)足所需條件的組合覆蓋或者路徑覆蓋標(biāo)準(zhǔn)。[2]軟件測(cè)試方法集成測(cè)試集成測(cè)試是軟件測(cè)試的第二階段,，在這個(gè)階段,，通常要對(duì)已經(jīng)嚴(yán)格按照程序設(shè)計(jì)要求和標(biāo)準(zhǔn)組裝起來(lái)的模塊同時(shí)進(jìn)行測(cè)試，明確該程序結(jié)構(gòu)組裝的正確性,，發(fā)現(xiàn)和接口有關(guān)的問(wèn)題,，比如模塊接口的數(shù)據(jù)是否會(huì)在穿越接口時(shí)發(fā)生丟失；各個(gè)模塊之間因某種疏忽而產(chǎn)生不利的影響,；將模塊各個(gè)子功能組合起來(lái)后產(chǎn)生的功能要求達(dá)不到預(yù)期的功能要求,；一些在誤差范圍內(nèi)且可接受的誤差由于長(zhǎng)時(shí)間的積累進(jìn)而到達(dá)了不能接受的程度；數(shù)據(jù)庫(kù)因單個(gè)模塊發(fā)生錯(cuò)誤造成自身出現(xiàn)錯(cuò)誤等等,。同時(shí)因集成測(cè)試是界于單元測(cè)試和系統(tǒng)測(cè)試之間的,，所以，集成測(cè)試具有承上啟下的作用,。因此有關(guān)測(cè)試人員必須做好集成測(cè)試工作,。在這一階段，一般采用的是白盒和黑盒結(jié)合的方法進(jìn)行測(cè)試,，驗(yàn)證這一階段設(shè)計(jì)的合理性以及需求功能的實(shí)現(xiàn)性,。[2]軟件測(cè)試方法系統(tǒng)測(cè)試一般情況下，系統(tǒng)測(cè)試采用黑盒法來(lái)進(jìn)行測(cè)試的,，以此來(lái)檢查該系統(tǒng)是否符合軟件需求,。本階段的主要測(cè)試內(nèi)容包括健壯性測(cè)試、性能測(cè)試,、功能測(cè)試,、安裝或反安裝測(cè)試、用戶(hù)界面測(cè)試,、壓力測(cè)試,、可靠性及安全性測(cè)試等。無(wú)障礙測(cè)評(píng)認(rèn)定視覺(jué)障礙用戶(hù)支持功能缺失4項(xiàng),。

    這樣做的好處是,，融合模型的錯(cuò)誤來(lái)自不同的分類(lèi)器，而來(lái)自不同分類(lèi)器的錯(cuò)誤往往互不相關(guān),、互不影響,，不會(huì)造成錯(cuò)誤的進(jìn)一步累加。常見(jiàn)的后端融合方式包括**大值融合(max-fusion)、平均值融合(averaged-fusion),、貝葉斯規(guī)則融合(bayes’rulebased)以及集成學(xué)習(xí)(ensemblelearning)等,。其中集成學(xué)習(xí)作為后端融合方式的典型**，被廣泛應(yīng)用于通信,、計(jì)算機(jī)識(shí)別,、語(yǔ)音識(shí)別等研究領(lǐng)域。中間融合是指將不同的模態(tài)數(shù)據(jù)先轉(zhuǎn)化為高等特征表達(dá),，再于模型的中間層進(jìn)行融合,，如圖3所示。以深度神經(jīng)網(wǎng)絡(luò)為例,，神經(jīng)網(wǎng)絡(luò)通過(guò)一層一層的管道映射輸入,，將原始輸入轉(zhuǎn)換為更高等的表示。中間融合首先利用神經(jīng)網(wǎng)絡(luò)將原始數(shù)據(jù)轉(zhuǎn)化成高等特征表達(dá),，然后獲取不同模態(tài)數(shù)據(jù)在高等特征空間上的共性,，進(jìn)而學(xué)習(xí)一個(gè)聯(lián)合的多模態(tài)表征。深度多模態(tài)融合的大部分工作都采用了這種中間融合的方法,，其***享表示層是通過(guò)合并來(lái)自多個(gè)模態(tài)特定路徑的連接單元來(lái)構(gòu)建的,。中間融合方法的一大優(yōu)勢(shì)是可以靈活的選擇融合的位置，但設(shè)計(jì)深度多模態(tài)集成結(jié)構(gòu)時(shí),，確定如何融合,、何時(shí)融合以及哪些模式可以融合，是比較有挑戰(zhàn)的問(wèn)題,。字節(jié)碼n-grams,、dll和api信息、格式結(jié)構(gòu)信息這三種類(lèi)型的特征都具有自身的優(yōu)勢(shì),。用戶(hù)隱私測(cè)評(píng)確認(rèn)數(shù)據(jù)采集范圍超出聲明條款3項(xiàng),。軟件產(chǎn)品安全測(cè)試報(bào)告

深圳艾策信息科技：可持續(xù)發(fā)展的 IT 解決方案。電力軟件系統(tǒng)評(píng)測(cè)價(jià)格

    在數(shù)字化轉(zhuǎn)型加速的,，軟件檢測(cè)公司已成為保障各行業(yè)信息化系統(tǒng)穩(wěn)定運(yùn)行的力量,。深圳艾策信息科技有限公司作為國(guó)內(nèi)軟件檢測(cè)公司領(lǐng)域的企業(yè)，始終以技術(shù)創(chuàng)新為驅(qū)動(dòng)力,，深耕電力能源,、科研教育、政企單位,、研發(fā)科技及醫(yī)療機(jī)構(gòu)等垂直場(chǎng)景，為客戶(hù)提供從需求分析到運(yùn)維優(yōu)化的全鏈條質(zhì)量保障服務(wù),。以專(zhuān)業(yè)能力筑牢行業(yè)壁壘作為專(zhuān)注于軟件檢測(cè)的技術(shù)型企業(yè),，艾策科技通過(guò)AI驅(qū)動(dòng)的智能檢測(cè)平臺(tái)，實(shí)現(xiàn)了測(cè)試流程的自動(dòng)化、化與智能化,。其產(chǎn)品——軟件檢測(cè)系統(tǒng),，整合漏洞掃描、壓力測(cè)試,、合規(guī)性驗(yàn)證等20余項(xiàng)功能模塊,，可快速定位代碼缺陷、性能瓶頸及安全風(fēng)險(xiǎn),，幫助客戶(hù)將軟件故障率降低60%以上,。針對(duì)電力能源行業(yè)，艾策科技開(kāi)發(fā)了電網(wǎng)調(diào)度系統(tǒng)專(zhuān)項(xiàng)檢測(cè)方案,，成功保障某省級(jí)電力公司百萬(wàn)級(jí)用戶(hù)數(shù)據(jù)安全,；在科研教育領(lǐng)域，其實(shí)驗(yàn)室管理軟件檢測(cè)服務(wù)覆蓋全國(guó)50余所高校,，助力科研數(shù)據(jù)存儲(chǔ)與分析的合規(guī)性升級(jí),。此外，公司為政企單位政務(wù)云平臺(tái),、研發(fā)科技企業(yè)創(chuàng)新產(chǎn)品,、醫(yī)療機(jī)構(gòu)智慧醫(yī)療系統(tǒng)提供的定制化檢測(cè)服務(wù)，均獲得客戶(hù)高度認(rèn)可,。差異化服務(wù)塑造行業(yè)作為軟件檢測(cè)公司,，艾策科技突破傳統(tǒng)檢測(cè)模式，推出“檢測(cè)+培訓(xùn)+咨詢(xún)”一體化服務(wù)體系,。通過(guò)定期發(fā)布行業(yè)安全白皮書(shū),、舉辦技術(shù)研討會(huì)。電力軟件系統(tǒng)評(píng)測(cè)價(jià)格