APT恶意软件组织的开集识别方法、装置、设备和介质（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开APT恶意软件组织的开集识别方法、装置、设备和介质，首先获取训练样本，将多粒度扫描结构的输出分别作为级联森林分类结构和卷积神经网络的输入，通过训练样本训练得到多粒度扫描模型、级联森林分类模型和卷积神经网络模型；将测试样本的特征向量输入到多粒度扫描模型，多粒度扫描模型输出的一次表征向量分别输入级联森林分类模型以及卷积神经网络模型，得到测试样本的预分类组织结果和二次表征向量，结合测试样本的预分类组织和二次表征向量，得到测试样本开集识别结果。本发明能够在开集环境中即对隶属于之前出现过的组织类别的恶意样本进行准确分类到旧组织中，对从未出现过的组织类别的样本，也能够准确的识别出来。

《APT恶意软件组织的开集识别方法、装置、设备和介质（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 202010741373X，当前法律状态为已下证，由暨南大学提出申请，发明人为孙玉霞;陈雁佳;翁健;陈钊，申请日期为2020-07-29，公开（公告）日期为2023-11-07，国际专利分类号（IPC）为 G06F 21/56 (2013.01)，高新资质：未报高企。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：本发明公开APT恶意软件组织的开集识别方法、装置、设备和介质，首先获取训练样本，将多粒度扫描结构的输出分别作为级联森林分类结构和卷积神经网络的输入，通过训练样本训练得到多粒度扫描模型、级联森林分类模型和卷积神经网络模型；将测试样本的特征向量输入到多粒度扫描模型，多粒度扫描模型输出的一次表征向量分别输入级联森林分类模型以及卷积神经网络模型，得到测试样本的预分类组织结果和二次表征向量，结合测试样本的预分类组织和二次表征向量，得到测试样本开集识别结果。本发明能够在开集环境中即对隶属于之前出现过的组织类别的恶意样本进行准确分类到旧组织中，对从未出现过的组织类别的样本，也能够准确的识别出来。

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！