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！

龙图腾网获悉北京邮电大学申请的专利一种基于遗传卷积网络的恶意PE文件检测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：CN116956145B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310725880.8，技术领域涉及：G06F18/241；该发明授权一种基于遗传卷积网络的恶意PE文件检测方法是由吴薇;彭海朋;朱浩田;李丽香设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于遗传卷积网络的恶意PE文件检测方法在说明书摘要公布了：本发明公开了一种基于遗传卷积网络的恶意PE文件检测方法，属于网络安全技术领域。本发明通过构建了一个全局多模态化、多任务量网络，解决固定的专用分类模型分类效果不佳的问题；通过构建局部神经网络结构，利用小卷积核的思想和最大池化层的思想，提取最重要特征，加快了模型的训练速度，并利用金字塔池化层的思想，解决了传统神经网络中必须输入尺寸大小一致图片的问题。

本发明授权一种基于遗传卷积网络的恶意PE文件检测方法在权利要求书中公布了：1.一种基于遗传卷积网络的恶意PE文件检测方法，其特征在于，针对新的恶意PE文件分类任务，采用全局多模态化、多任务量网络和以下步骤： 将图片输入全局多模态化、多任务量网络，依次经过卷积层、池化层、激活函数层之后，所述的全局多模态化、多任务量网络依据遗传算法自动选择和调用先前任务学习到的局部单元神经网络模块进行恶意PE文件检测； 所述的全局多模态化、多任务量网络包括卷积层、池化层、激活函数层和若干个局部单元神经网络模块；所述的全局多模态化、多任务量网络对搜索到的最接近的先前学习任务进行参数调节生成子学习任务，用于训练最新动态添加的局部单元神经网络模块； 所述的局部单元神经网络模块，使用基于残差结构改进的局部网络进行训练，基于残差结构改进的局部网络利用了小卷积核思想和最大池化层来提取最重要的高维度信息，并在全连接层之前使用了金字塔池化层； 所述的全局多模态化、多任务量网络依据遗传算法自动选择和调用先前任务学习到的局部单元神经网络模块的步骤包括： 1自适应函数选择：基于知识划分，将之前学习到的局部单元神经网络模块划分为可以被多个任务调用的组件，自适应函数定义为选择和调用先前任务学到的分类恶意PE文件知识用于新模块时的准确率； 2精英选择：选择局部单元神经网络模块时，遵循先顺序选择、再随机选择、最后均匀选择的步骤； 3交叉算子：将交叉算子作用于已经用局部残差神经网络训练好的局部单元神经网络模块，让不同待迁移局部单元神经网络模块中的参数和优势网络结构以设定的概率两两交换产生新的局部单元神经网络模块，供新添加的多个局部单元神经网络模块通过遗传算法自动选择调用； 4变异算子：采用整体变异和局部变异两种方式产生新的局部单元神经网络模块，供新添加的多个局部单元神经网络模块通过遗传算法自动选择调用； 5训练评价：采样选择到的局部单元神经网络模块在给定数量轮次的新添加的恶意PE文件分类任务上进行训练，并在每个轮次之后的验证集上进行评估； 所述的顺序选择，按照上一轮迭代中恶意PE文件分类准确率由高到低的顺序，进行局部单元神经网络模块选择，若当前任务所有的局部单元神经网络模块都遍历完毕后，仍然没有选择到先前学习任务的局部单元神经网络模块，则采用随机选择； 所述的随机选择，对全局生成的多个局部单元神经网络模块中，除了当前任务以外的其他任务的局部单元神经网络模块进行随机排列，逐一选择，若仍然没有选择到先前学习任务，则采用均匀选择； 所述的整体变异，即选择性调用已有的待迁移局部单元神经网络模块，未被调用的局部单元神经网络模块短暂性被冻结；新添加的恶意PE文件分类任务只能调用未被冻结的局部单元神经网络模块，并获得该局部单元神经网络模块的训练参数和网络结构；冻结的局部单元神经网络模块是暂时性的，在此轮变异结束后自动解冻回到原始状态； 所述的局部变异，即对每一个训练好的局部单元神经网络模块中网络架构的特定参数进行改变，在局部变异中所有被选择到的局部单元神经网络模块均参与新添加的恶意PE文件分类任务的模型训练。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。