生成取值表。3把取值表與選擇的正交表進行映射控件數(shù)Ln(取值數(shù))3個控件5個取值5的3次冪混合正交表當控件的取值數(shù)目水平不一致時候,，使用allp**rs工具生成1等價類劃分法劃分值2邊界值分析法邊界值3錯誤推斷法經(jīng)驗4因果圖分析法關(guān)系5判定表法條件和結(jié)果6流程圖法流程路徑梳理7場景法主要功能和業(yè)務(wù)的事件8正交表先關(guān)注主要功能和業(yè)務(wù)流程,，業(yè)務(wù)邏輯是否正確實現(xiàn)，考慮場景法需要輸入數(shù)據(jù)的地方,，考慮等價類劃分法+邊界值分析法,，發(fā)現(xiàn)程序錯誤的能力**強存在輸入條件的組合情況，考慮因果圖判定表法多種參數(shù)配置組合情況,，正交表排列法采用錯誤推斷法再追加測試用例,。需求分析場景法分析主要功能輸入的等價類邊界值輸入的各種組合因果圖判定表多種參數(shù)配置正交表錯誤推斷法經(jīng)驗軟件缺陷軟件產(chǎn)品中存在的問題，用戶所需要的功能沒有完全實現(xiàn),。隱私合規(guī)檢測確認用戶數(shù)據(jù)加密符合GDPR標準要求,。18401檢測報告

    2）軟件產(chǎn)品登記測試流程材料準備并遞交------實驗室受理------環(huán)境準備------測試實施------輸出報告------通知客戶------繳費并取報告服務(wù)區(qū)域北京、上海,、廣州,、深圳、重慶,、杭州,、南京、蘇州等**各地軟件測試報告|軟件檢測報告以“軟件質(zhì)量為目標,，貫穿整個軟件生命周期,、覆蓋軟件測試生命周期”的**測試服務(wù)模式，真正做到了“軟件測試應(yīng)該越早介入越好的原則”,，從軟件生命周期的每一個環(huán)節(jié)把控軟件產(chǎn)品質(zhì)量,；提供軟件產(chǎn)品質(zhì)量度量依據(jù)，提供軟件可靠性分析依據(jù),。軟件成果鑒定測試結(jié)果可以作為軟件類科技成果鑒定的依據(jù),。提供功能、性能,、標準符合性,、易用性,、安全性、可靠性等專項測試服務(wù),?？萍柬椖框炇諟y試報告及鑒定結(jié)論,可以真實反映指標的技術(shù)水平和市場價值,有助于項目成交和產(chǎn)品營銷。江蘇軟件評測機構(gòu)可靠性評估連續(xù)運行72小時出現(xiàn)2次非致命錯誤,。

    先將訓(xùn)練樣本的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特征視圖分別輸入至一個深度神經(jīng)網(wǎng)絡(luò)中抽取高等特征表示，然后合并抽取的高等特征表示并將其作為下一個深度神經(jīng)網(wǎng)絡(luò)的輸入進行模型訓(xùn)練,，得到多模態(tài)深度集成模型,。進一步的，所述多模態(tài)深度集成模型的隱藏層的***函數(shù)采用relu,，輸出層的***函數(shù)采用sigmoid,，中間使用dropout層進行正則化，優(yōu)化器采用adagrad,。進一步的,，所述訓(xùn)練得到的多模態(tài)深度集成模型中，用于抽取dll和api信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含3個隱含層,，且3個隱含層中間間隔設(shè)置有dropout層,；用于抽取格式信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含2個隱含層，且2個隱含層中間設(shè)置有dropout層,；用于抽取字節(jié)碼n-grams特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含4個隱含層,，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,，且2個隱含層中間設(shè)置有dropout層,；所述dropout層的dropout率均等于。本發(fā)明實施例的有益效果是,，提出了一種基于多模態(tài)深度學(xué)習的惡意軟件檢測方法,，應(yīng)用了多模態(tài)深度學(xué)習方法來融合dll和api、格式結(jié)構(gòu)信息,、字節(jié)碼n-grams特征,。

    嘗試了前端融合、后端融合和中間融合三種融合方法對進行有效融合,，有效提高了惡意軟件的準確率,，具備較好的泛化性能和魯棒性。實驗結(jié)果顯示,，相對**且互補的特征視圖和不同深度學(xué)習融合機制的使用明顯提高了檢測方法的檢測能力和泛化性能,，其中較優(yōu)的中間融合方法取得了％的準確率，對數(shù)損失為，auc值為,。有效解決了現(xiàn)有采用二進制可執(zhí)行文件的單一特征類型進行惡意軟件檢測的檢測方法檢測結(jié)果準確率不高,、可靠性低、泛化性和魯棒性不佳的問題,。另外,，惡意軟件很難同時偽造良性軟件的多個抽象層次的特征以逃避檢測，本發(fā)明實施例同時融合軟件的二進制可執(zhí)行文件的多個抽象層次的特征,，可準確檢測出偽造良性軟件特征的惡意軟件,，解決了現(xiàn)有采用二進制可執(zhí)行文件的單一特征類型進行惡意軟件檢測的檢測方法難以檢測出偽造良性軟件特征的惡意軟件的問題。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案,，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,，顯而易見地，下面描述中的附圖**是本發(fā)明的一些實施例,，對于本領(lǐng)域普通技術(shù)人員來講,，在不付出創(chuàng)造性勞動的前提下,，還可以根據(jù)這些附圖獲得其他的附圖,。圖1是前端融合方法的流程圖。滲透測試報告暴露2個高危API接口需緊急加固,。

    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)計有偏，使用∑knk,j進行歸一化處理,。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,，可以由總樣本實施例件數(shù)目除以包含該短序列特征之樣本實施例件的數(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,，是因為字節(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)計三種不同方案的多模態(tài)數(shù)據(jù)融合方法,。用戶隱私測評確認數(shù)據(jù)采集范圍超出聲明條款3項,。軟件檢測機構(gòu)有哪些公司可以做

網(wǎng)絡(luò)安全新時代：深圳艾策的防御策略解析。18401檢測報告

    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,，基于多模態(tài)數(shù)據(jù)融合方法，將訓(xùn)練樣本的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特征視圖輸入深度神經(jīng)網(wǎng)絡(luò),，訓(xùn)練多模態(tài)深度集成模型；步驟s3,、將軟件樣本中的類別未知的軟件樣本作為測試樣本,，并將測試樣本的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特征視圖輸入步驟s2訓(xùn)練得到的多模態(tài)深度集成模型中,，對測試樣本進行檢測并得出檢測結(jié)果,。進一步的，所述提取軟件樣本的二進制可執(zhí)行文件的dll和api信息的特征表示,，是統(tǒng)計當前軟件樣本的導(dǎo)入節(jié)中引用的dll和api,；所述提取軟件樣本的二進制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示，是先對當前軟件樣本的二進制可執(zhí)行文件進行格式結(jié)構(gòu)解析,，然后按照格式規(guī)范提取**該軟件樣本的格式結(jié)構(gòu)信息,；所述提取軟件樣本的二進制可執(zhí)行文件的字節(jié)碼n-grams的特征表示，是先將當前軟件樣本件的二進制可執(zhí)行文件轉(zhuǎn)換為十六進制字節(jié)碼序列,，然后采用n-grams方法在十六進制字節(jié)碼序列中滑動,，產(chǎn)生大量的連續(xù)部分重疊的短序列特征。進一步的,，采用3-grams方法在十六進制字節(jié)碼序列中滑動產(chǎn)生連續(xù)部分重疊的短序列特征,。進一步的,。18401檢測報告