您当前的位置：
首页 >
文章列表页 >
基于图层级异构图注意力网络的JavaScript恶意代码检测
计算机科学与技术 | 更新时间：2026-05-15
上一篇|下一篇

    • 基于图层级异构图注意力网络的JavaScript恶意代码检测

    • JavaScript malicious code detection based on graph level heterogeneous graph attention network

    • “针对传统抽象语法树检测方法忽略数据依赖关系等问题，研究人员提出了基于图层级异构图注意力网络的JavaScript恶意代码检测方法，为解决JS恶意代码检测问题提供解决方案。”
    • 高新成 ，张海洋 ，朱城枫
    • 吉林大学学报（工学版） 2026年56卷第4期 页码：1094-1102
    • 作者机构：

      1.东北石油大学 现代教育技术中心，黑龙江 大庆 163318

      2.东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318

    • 作者简介：

      高新成（1979-），男，教授，博士. 研究方向：网络安全，网络管理和大数据应用. E-mail： gxc@nepu.edu.cn

    • 基金信息：
      中国高校产学研创新基金项目(2021ITA02011);黑龙江省教育科学规划2025年度规划课题(GJB1425352)

    • DOI： 10.13229/j.cnki.jdxbgxb.20240962     

      中图分类号：

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 10 ) 表( 4 )

  • 参考文献

  • 出版信息

  • 数据统计

55

浏览量

19

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于密度聚类的多模态多目标优化算法
基于目标锚点驱动的多模态轨迹预测方法
基于动静态和关系特征全局捕获的社交推荐模型
基于黎曼流形的稀疏图保持投影的特征提取
堆叠图嵌入极限学习机算法

相关作者

高新成
张海洋
王莉利
高菲
唐明弘
赵睿
鲍明喜
高镇海

相关机构

吉林大学 汽车底盘集成与仿生全国重点实验室
桂林电子科技大学 信息与通信学院
东北石油大学 电气信息工程学院
中国石油大庆钻探工程公司
大连理工大学 计算机科学与技术学院