多模态特征线性加权融合的安卓恶意程序检测方法及系统

本发明提供了一种多模态特征线性加权融合的安卓恶意程序检测方法及系统，属于恶意程序分析技术领域。将安卓应用程序的Dalvik字节流数据可视化为“矢量”彩色图像；构建动态权限信息表对安卓应用程序的权限信息进行独热编码处理；分别对上述两种模态表征的特征信息进行处理和分析，构建轻量级的卷积神经网络模型对图像数据进行特征提取和学习，并构建轻量级的前馈神经网络模型对文本数据进行特征提取和学习；使用线性加权的方式对上述提取和学习到的两种不同模态数据的特征进行融合，将融合后的特征向量输入到分类器中进行分类，得到分类结果，以此提高对安卓恶意应用程序检测的准确率及效率。

《多模态特征线性加权融合的安卓恶意程序检测方法及系统》是一发明专利，专利号为 2024114546236，当前法律状态为已下证，由重庆科技大学提出申请，发明人为葛继科;何明坤;陈宗成;刘翰;黄登婕;陈升国;于希南;凌劲;刘金源;陈国荣;葛红瑞;向瑜，申请日期为2024-10-17，公开（公告）日期为2026-02-17，国际专利分类号（IPC）为 G06F 21/56 (2013.01)，高新资质：未报高企，所属技术领域包括：移动终端 恶意程序分析 数据安全 互联网安全 运用程序 网络安全。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提供了一种多模态特征线性加权融合的安卓恶意程序检测方法及系统，属于恶意程序分析技术领域。将安卓应用程序的Dalvik字节流数据可视化为“矢量”彩色图像；构建动态权限信息表对安卓应用程序的权限信息进行独热编码处理；分别对上述两种模态表征的特征信息进行处理和分析，构建轻量级的卷积神经网络模型对图像数据进行特征提取和学习，并构建轻量级的前馈神经网络模型对文本数据进行特征提取和学习；使用线性加权的方式对上述提取和学习到的两种不同模态数据的特征进行融合，将融合后的特征向量输入到分类器中进行分类，得到分类结果，以此提高对安卓恶意应用程序检测的准确率及效率。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！