Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022088972 - MALICIOUS BEHAVIOR IDENTIFICATION METHOD AND SYSTEM FOR WEIGHTED HETEROGENEOUS GRAPH, AND STORAGE MEDIUM

Publication Number WO/2022/088972
Publication Date 05.05.2022
International Application No. PCT/CN2021/116161
International Filing Date 02.09.2021
IPC
G06F 21/56 2013.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
50Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
55Detecting local intrusion or implementing counter-measures
56Computer malware detection or handling, e.g. anti-virus arrangements
G06N 3/04 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architecture, e.g. interconnection topology
CPC
G06F 21/562
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
21Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
50Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
55Detecting local intrusion or implementing counter-measures
56Computer malware detection or handling, e.g. anti-virus arrangements
562Static detection
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
Applicants
  • 广州大学 GUANGZHOU UNIVERSITY [CN]/[CN]
Inventors
  • 李树栋 LI, Shudong
  • 吴晓波 WU, Xiaobo
  • 韩伟红 HAN, Weihong
  • 方滨兴 FANG, Binxing
  • 田志宏 TIAN, Zhihong
  • 殷丽华 YIN, Lihua
  • 顾钊铨 GU, Zhaoquan
Agents
  • 广州市华学知识产权代理有限公司 GUANGZHOU HUAXUE INTELLECTUAL PROPERTY AGENCY CO., LTD.
Priority Data
202011188125.330.10.2020CN
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) MALICIOUS BEHAVIOR IDENTIFICATION METHOD AND SYSTEM FOR WEIGHTED HETEROGENEOUS GRAPH, AND STORAGE MEDIUM
(FR) PROCÉDÉ ET SYSTÈME D'IDENTIFICATION DE COMPORTEMENT MALVEILLANT POUR GRAPHE HÉTÉROGÈNE PONDÉRÉ, ET SUPPORT D'ENREGISTREMENT
(ZH) 面向带权异质图的恶意行为识别方法、系统和存储介质
Abstract
(EN) A malicious behavior identification method and system for a weighted heterogeneous graph, and a storage medium. The method comprises the following steps: constructing an inductive graph neural network model, wherein the inductive graph neural network model comprises a sub-graph extraction module, a plurality of feature vector generation and fusion modules and a classified learning module; training and learning the inductive graph neural network model, involving sub-graph extraction, learning potential vector representations of nodes in sub-graphs, so as to obtain a plurality of sub-graph feature vectors corresponding to the sub-graphs, and fusing the plurality of sub-graph feature vectors, and performing, in the classified learning module, classified learning on the node feature vectors obtained by means of fusion; and performing malicious behavior identification by utilizing the inductive graph neural network model, the training of which is completed. Rich topological feature information and attribute information included in a heterogeneous graph are fully combined and utilized, a graph neural network model of inductive learning is designed on this basis to complete feature extraction and representation learning in the heterogeneous graph, and malicious behavior identification is finally realized.
(FR) Procédé et système d'identification de comportement malveillant pour graphe hétérogène pondéré, et support d'enregistrement. Le procédé comprend les étapes suivantes : la construction d'un modèle de réseau de neurones artificiels de graphe inductif, le modèle de réseau de neurones artificiels de graphe inductif comprenant un module d'extraction de sous-graphe, une pluralité de modules de génération et de fusion de vecteurs de caractéristiques et un module d'apprentissage classé ; l'entraînement et l'apprentissage du modèle de réseau de neurones artificiels de graphe inductif, impliquant l'extraction de sous-graphe, l'apprentissage de représentations vectorielles potentielles de nœuds dans des sous-graphes, de manière à obtenir une pluralité de vecteurs de caractéristiques de sous-graphe correspondant aux sous-graphes, et la fusion de la pluralité de vecteurs de caractéristiques de sous-graphe, et la réalisation, dans le module d'apprentissage classé, d'un apprentissage classé sur les vecteurs de caractéristiques de nœuds obtenus par fusion ; et la réalisation d'une identification de comportement malveillant en utilisant le modèle de réseau de neurones artificiels de graphe inductif, dont l'entraînement est achevé. Des informations de caractéristique topologique riche et des informations d'attribut incluses dans un graphique hétérogène sont complètement combinées et utilisées, un modèle de réseau de neurones artificiels de graphe d'apprentissage inductif est conçu sur cette base pour réaliser une extraction de caractéristique complète et un apprentissage de représentation dans le graphique hétérogène, et une identification de comportement malveillant est finalement réalisée.
(ZH) 一种面向带权异质图的恶意行为识别方法、系统和存储介质,该方法包括以下步骤:构建归纳式图神经网络模型,所述归纳式图神经网络模型包括子图抽取模块、多个特征向量生成融合模块以及分类学习模块;对归纳式图神经网络模型进行训练学习,子图抽取,学习子图中节点的潜在向量表示,得到子图对应的多个子图特征向量,多个子图特征向量融合,融合获得的节点特征向量在分类学习模块进行分类学习;利用训练完成的归纳式图神经网络模型进行恶意行为识别。充分结合和利用异质图所包含的丰富的拓扑特征信息和属性信息,在此基础上设计归纳式学习的图神经网络模型完成异质图中的特征抽取和表示学习,最终实现恶意行为的识别。
Related patent documents
Latest bibliographic data on file with the International Bureau