期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于静态特征组合的图神经网络Android恶意软件检测方法
1
作者
韦昊东
万良
《计算机工程》
北大核心
2026年第3期190-200,共11页
安卓(Android)是目前移动智能终端使用最广泛的操作系统,但层出不穷的Android恶意软件给用户带来重大威胁。一些方法对静态分析提取的特征进行处理,以实现Android恶意软件检测,这些方法能够反映软件的一部分属性,但无法捕捉软件潜在恶...
安卓(Android)是目前移动智能终端使用最广泛的操作系统,但层出不穷的Android恶意软件给用户带来重大威胁。一些方法对静态分析提取的特征进行处理,以实现Android恶意软件检测,这些方法能够反映软件的一部分属性,但无法捕捉软件潜在恶意行为意图的特征,使得在面对具备逃避能力的Android恶意软件时难以取得良好的检测性能。为解决该问题,提出一种基于静态特征组合的图神经网络Android恶意软件检测方法。从反编译文件中提取函数调用图,采用node2vec构建每个节点的局部结构特征,同时分析每个节点函数,提取操作码并进行分类,使用Katz算法计算节点重要程度,并根据TF-IDF算法计算图中每个应用程序接口(API)节点对于该Android恶意软件以及所属恶意家族的重要系数,将这些特征相结合作为节点特征,对重要节点进行特征自环,以增强节点间的特征差异。在此基础上,设计基于有向图神经网络(DGCN)与图注意力网络(GAT)的分类器DAg_MAL,该分类器采用gPool层,能有效捕获软件行为的关键调用关系,并筛除不重要的节点。实验结果表明,该方法在二分类与多分类任务中都取得了良好的性能表现,总体检测性能优于其他同类方法。
展开更多
关键词
安卓
恶意软件检测
静态分析
图神经网络
特征嵌入
有向图
在线阅读
下载PDF
职称材料
一类含有偶数个顶点的双色有向图本原指数集
被引量:
2
2
作者
罗美金
《内蒙古师范大学学报(自然科学汉文版)》
CAS
北大核心
2014年第1期13-18,共6页
双色有向图与非负矩阵对可建立一一对应关系,从而将矩阵对的问题转化为图的问题进行研究.借助图论知识,考虑一类含有偶数个顶点的双色有向图,给出本原条件、指数界、指数集,并对极图进行了刻画.
关键词
双色有向图
矩阵对
本原条件
指数界
指数集
在线阅读
下载PDF
职称材料
局部半完全有向图中的王
3
作者
张彬
《太原师范学院学报(自然科学版)》
2007年第2期18-21,共4页
局部半完全有向图是图论研究中一类很重要的图,它是半完全有向图的推广.圆可分解的有向图是局部半完全有向图中的一类图.文章通过研究局部半完全有向图的结构定理,分类讨论了它中的王.其中,主要讨论了不包含内度为零的顶点的半完全有向...
局部半完全有向图是图论研究中一类很重要的图,它是半完全有向图的推广.圆可分解的有向图是局部半完全有向图中的一类图.文章通过研究局部半完全有向图的结构定理,分类讨论了它中的王.其中,主要讨论了不包含内度为零的顶点的半完全有向图和满足若干条件下的局部半完全有向图中王的问题.
展开更多
关键词
内度
外度
强连通有向图
局部半完全有向图
王
在线阅读
下载PDF
职称材料
一类双色有向图的本原指数集
被引量:
6
4
作者
罗美金
《数学的实践与认识》
CSCD
北大核心
2012年第24期253-258,共6页
研究了一类双色有向图的本原指数集,它的未着色图中包含3n+1个顶点,一个(2n+3)-圈和一个(n+1)-圈.
关键词
图
双色图
本原
指数集
原文传递
题名
基于静态特征组合的图神经网络Android恶意软件检测方法
1
作者
韦昊东
万良
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
出处
《计算机工程》
北大核心
2026年第3期190-200,共11页
基金
国家自然科学基金地区科学基金项目(62262004)。
文摘
安卓(Android)是目前移动智能终端使用最广泛的操作系统,但层出不穷的Android恶意软件给用户带来重大威胁。一些方法对静态分析提取的特征进行处理,以实现Android恶意软件检测,这些方法能够反映软件的一部分属性,但无法捕捉软件潜在恶意行为意图的特征,使得在面对具备逃避能力的Android恶意软件时难以取得良好的检测性能。为解决该问题,提出一种基于静态特征组合的图神经网络Android恶意软件检测方法。从反编译文件中提取函数调用图,采用node2vec构建每个节点的局部结构特征,同时分析每个节点函数,提取操作码并进行分类,使用Katz算法计算节点重要程度,并根据TF-IDF算法计算图中每个应用程序接口(API)节点对于该Android恶意软件以及所属恶意家族的重要系数,将这些特征相结合作为节点特征,对重要节点进行特征自环,以增强节点间的特征差异。在此基础上,设计基于有向图神经网络(DGCN)与图注意力网络(GAT)的分类器DAg_MAL,该分类器采用gPool层,能有效捕获软件行为的关键调用关系,并筛除不重要的节点。实验结果表明,该方法在二分类与多分类任务中都取得了良好的性能表现,总体检测性能优于其他同类方法。
关键词
安卓
恶意软件检测
静态分析
图神经网络
特征嵌入
有向图
Keywords
Android
malware detection
static analysis
Graph Neural Network(GNN)
feature embedding
digrap
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
一类含有偶数个顶点的双色有向图本原指数集
被引量:
2
2
作者
罗美金
机构
河池学院数学与统计学院
出处
《内蒙古师范大学学报(自然科学汉文版)》
CAS
北大核心
2014年第1期13-18,共6页
基金
国家自然科学基金资助项目(11071227)
广西自然科学基金资助项目(2013GXNSFBA019022)
广西教育厅项目(201010LX468)
文摘
双色有向图与非负矩阵对可建立一一对应关系,从而将矩阵对的问题转化为图的问题进行研究.借助图论知识,考虑一类含有偶数个顶点的双色有向图,给出本原条件、指数界、指数集,并对极图进行了刻画.
关键词
双色有向图
矩阵对
本原条件
指数界
指数集
Keywords
two-colored
digrap
matrix pairs
primitive condition
exponent bound
exponent set
分类号
O157.5 [理学—基础数学]
在线阅读
下载PDF
职称材料
题名
局部半完全有向图中的王
3
作者
张彬
机构
太原大学外语师范学院数学系
出处
《太原师范学院学报(自然科学版)》
2007年第2期18-21,共4页
文摘
局部半完全有向图是图论研究中一类很重要的图,它是半完全有向图的推广.圆可分解的有向图是局部半完全有向图中的一类图.文章通过研究局部半完全有向图的结构定理,分类讨论了它中的王.其中,主要讨论了不包含内度为零的顶点的半完全有向图和满足若干条件下的局部半完全有向图中王的问题.
关键词
内度
外度
强连通有向图
局部半完全有向图
王
Keywords
in-degree,out-degree
strong
digrap
s
locally semicomplete
digrap
hs
kings
分类号
O157 [理学—基础数学]
在线阅读
下载PDF
职称材料
题名
一类双色有向图的本原指数集
被引量:
6
4
作者
罗美金
机构
河池学院数学系
出处
《数学的实践与认识》
CSCD
北大核心
2012年第24期253-258,共6页
基金
国家自然科学基金(11071227)
广西自治区教育厅项目(201010LX468)
河池学院项目(2010A-N004)
文摘
研究了一类双色有向图的本原指数集,它的未着色图中包含3n+1个顶点,一个(2n+3)-圈和一个(n+1)-圈.
关键词
图
双色图
本原
指数集
Keywords
digrap
two-colored
digrap
h
primitive
the exponent set
分类号
O157.5 [理学—基础数学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于静态特征组合的图神经网络Android恶意软件检测方法
韦昊东
万良
《计算机工程》
北大核心
2026
0
在线阅读
下载PDF
职称材料
2
一类含有偶数个顶点的双色有向图本原指数集
罗美金
《内蒙古师范大学学报(自然科学汉文版)》
CAS
北大核心
2014
2
在线阅读
下载PDF
职称材料
3
局部半完全有向图中的王
张彬
《太原师范学院学报(自然科学版)》
2007
0
在线阅读
下载PDF
职称材料
4
一类双色有向图的本原指数集
罗美金
《数学的实践与认识》
CSCD
北大核心
2012
6
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部