[發明專利]基于深度學習模型壓縮的漏洞檢測方法、系統及移動設備

在審

• 申請號: 202110361497.X
• 申請日: 2021-04-02
• 公開（公告）號: CN113076544A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 胡玉鵬;馮小博;曠文鑫;唐斌;李丹
• 申請（專利權）人: 湖南大學
• 主分類號: G06F21/57
• 分類號: G06F21/57;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 長沙正奇專利事務所有限責任公司 43113
• 代理人: 馬強;王娟

1.一種基于深度學習模型壓縮的漏洞檢測方法，其特征在于，包括以下步驟：

S1、對數據進行預處理，生成訓練數據集和測試數據集；所述數據為灰度圖像數據；

S2、利用所述訓練數據集訓練卷積神經網絡，得到預訓練模型；

S3、利用麻雀搜索算法壓縮所述預訓練模型，得到最終的檢測模型。

2.根據權利要求1所述的基于深度學習模型壓縮的漏洞檢測方法，其特征在于，步驟S1的實現過程包括：

1)將采集到的包含漏洞的二進制文件轉化為灰度圖像；根據采集到的包含漏洞的二進制文件的漏洞類型、存儲路徑，生成標簽文件；

2)基于所述標簽文件和灰度圖像，生成hdf5文件，得到訓練數據集和測試數據集。

3.根據權利要求2所述的基于深度學習模型壓縮的漏洞檢測方法，其特征在于，步驟1)的具體實現過程包括：將一個包含漏洞的二進制文件按位讀取為一維數組，其中每Mbit的數據作為該數組其中一個元素，所述數據的取值范圍為0-255，固定行寬為256，將上述一維數組按照行寬生成一個二維數組，利用cv2庫將該二維數據映射為灰度圖像。

4.根據權利要求2所述的基于深度學習模型壓縮的漏洞檢測方法，其特征在于，步驟2)的具體實現過程包括：所述標簽文件包括訓練標簽文件和測試標簽文件；所述標簽文件的內容以鍵值對(key,value)的形式存在；對于訓練標簽文件，key表示包含漏洞的二進制文件映射為灰度圖像后的存儲路徑，value為包含漏洞的二進制文件的漏洞類型編號；對于測試標簽文件，key為包含漏洞的二進制文件對應的漏洞類型編號，value為該漏洞類型標號的解釋說明。

5.根據權利要求1所述的基于深度學習模型壓縮的漏洞檢測方法，其特征在于，所述卷積神經網絡為VGG16網絡模型；所述VGG16網絡模型包括N個級聯的卷積層，最后一個卷積層與至少一個全連接層連接；所述VGG16網絡模型的輸入層通道數為1，最后一層輸出的分類數量與漏洞類型總數匹配。