CN103324888A - 基于家族样本的病毒特征自动提取方法及*** - Google Patents

基于家族样本的病毒特征自动提取方法及*** Download PDF

Info

Publication number
CN103324888A
CN103324888A CN2012100723726A CN201210072372A CN103324888A CN 103324888 A CN103324888 A CN 103324888A CN 2012100723726 A CN2012100723726 A CN 2012100723726A CN 201210072372 A CN201210072372 A CN 201210072372A CN 103324888 A CN103324888 A CN 103324888A
Authority
CN
China
Prior art keywords
sample
numbers
family
ordered series
length
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012100723726A
Other languages
English (en)
Other versions
CN103324888B (zh
Inventor
童志明
董雷
田彻
张栗伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Antiy Technology Group Co Ltd
Original Assignee
Harbin Antiy Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Antiy Technology Co Ltd filed Critical Harbin Antiy Technology Co Ltd
Priority to CN201210072372.6A priority Critical patent/CN103324888B/zh
Publication of CN103324888A publication Critical patent/CN103324888A/zh
Application granted granted Critical
Publication of CN103324888B publication Critical patent/CN103324888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明提供一种基于家族样本的病毒特征自动提取方法及***，本发明对最长公共子序列算法进行改进，利用家族样本集中的样本，建立数列A、B，通过预设特征码长度，分别计算数列A、B中长度为预设值的子序列的哈希值，并通过红黑树方式对A、B数列中的子序列的哈希值匹配，若哈希值相同，则该哈希值所对应的子序列为数列A及数列B的公共子序列，则该公共子序列为家族样本特征码，当剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集，根据建立的特征码质量评价加权模型，判断特征码质量，确定家族样本特征码。通过本发明的方法，简化了算法的时间复杂度，提高了特征码提取效率及准确度。

Description

基于家族样本的病毒特征自动提取方法及***
技术领域
本发明涉及网络安全领域，特别涉及一种基于家族样本的病毒特征自动提取方法及***。
背景技术
当前已知的最长公共子序列算法的时间复杂度为O（m*n），m、n为数列长度，如果将其应用在基于家族样本的病毒特征码提取上，在面临大量样本的情况下，该算法的时间复杂度，所产生的代价将会对病毒特征码的提取效率产生巨大的负面影响；同时，现有的最长公共子序列算法只能够得出两个已知数列的唯一最长公共子序列，应用在家族样本提取中，就会面临所提取的特征码过少，不足以提供给人工分析、特征码质量难以保证的问题，并且特征码的选取，根据家族样本的实现特点不同，特征出现的位置也不同，同样影响样本的特征码质量。
发明内容
本发明提供一种基于家族样本的病毒特征自动提取方法及***，解决了最长公共子序列算法提取家族样本特征码效率低、提取特征码过少及特征码准确性低的问题。
一种基于家族样本的病毒特征自动提取方法，包括：
利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；
选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；所述的剩余样本为，除数列A所选取的样本外，家族样本集中的全部样本；
设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；
根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；
特征码提取，将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；
所述的方法中，所述的预设特征码长度k小于或等于数列A及数列B的长度。
所述的方法中，所述的建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。
一种基于家族样本的病毒特征自动提取***，包括：
样本选取模块，利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；
选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；
计算模块，用于设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；
根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；
特征码提取模块，用于将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；
质量评价模块，用于建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。
所述的***中，所述的预设特征码长度k小于或等于数列A及数列B的长度。
所述的***中，所述的质量评价模块建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。
本发明通过对最长公共子序列算法进行改进，并应用到家族样本的特征码提取中，大幅提高了特征码提取的效率及数量，并且根据特征码质量评价加权模型，对所提取的特征码进行按特征码出现位置评价质量，提高了家族样本特征码提取的准确度。
本发明提供一种基于家族样本的病毒特征自动提取方法及***，本发明对最长公共子序列算法进行改进，利用家族样本集中的样本，建立数列A、B，通过预设特征码长度，分别计算数列A、B中长度为预设值的子序列的哈希值，并通过红黑树方式对A、B数列中的子序列的哈希值匹配，若哈希值相同，则该哈希值所对应的子序列为数列A及数列B的公共子序列，则该公共子序列为家族样本特征码，当剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集，根据建立的特征码质量评价加权模型，判断特征码质量，确定家族样本特征码。通过本发明的方法，简化了算法的时间复杂度，提高了特征码提取效率及准确度。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为基于家族样本的病毒特征自动提取方法流程图；
图2为基于家族样本的病毒特征自动提取***结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明中技术方案作进一步详细的说明。
本发明提供一种基于家族样本的病毒特征自动提取方法及***，解决了最长公共子序列算法提取家族样本特征码效率低、提取特征码过少及特征码准确性低的问题。
本发明的方法对最长公共子序列算法进行了改进，然后利用改进后的最长公共子序列算法通过程序自动化的形式对某一家族样本进行特征码提取，为更好理解对最长公共子序列算法的改进，针对改进方法进行举例。
例如，现有长度为m的数列A和长度为n的数列B，要计算数列A和B的长度为128的公共子序列（m和n均大于128）。首先对数列A中所有长度为128的子序列进行哈希值计算，得到m-127个哈希值，利用得到的m-127个哈希值构建一个红黑树；同样对数列B中所有长度为128的子序列进行哈希值计算，得到n-187个哈希值；用B数列得到的n-127个哈希值分别到数列A的哈希值红黑树中进行查找，如果查找到相同的哈希值，即认为该哈希值所对应的子序列为数列A、B的公共子序列之一。通过此方法改进的最长公共子序列算法能够实现获取两数列的若干公共子序列。由数列A的子序列哈希值构建的红黑树查找的时间复杂度为O（log2m），因此经改进后的最长公共子序列算法的时间复杂度为O（nlog2m）。
基于上述算法的改进，本发明提供了一种基于家族样本的病毒特征自动提取方法，如图1所示，包括：
S101：利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；
由改进后的最长公共子序列算法的时间复杂度为O（nlog2m）可知，尽量选取大的文件作为数列A，能够最大程度发挥改进后的最长公共子序列算法在效率上的优势；
S102：选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；所述的剩余样本为除数列A所选取的样本外，家族样本集中的全部样本；
S103：设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；
S104：根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；
S105：特征码提取，将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；
S106：建立特征码质量评价加权模型，计算各家族样本特征码实际权值；
S107：比较家族样本特征码预设权值与实际权值，保留大于或等于预设权值的家族样本特征码，抛弃小于预设权值的家族样本特征码。
对于特征码长度的选取，可以根据文件大小等因素确定。
所述的方法中，所述的预设特征码长度k小于或等于数列A及数列B的长度。
所述的方法中，所述的建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。
结合家族样本的实现方式构建一个以特征码出现为止、特征码出现数量等作为权重的特征码质量加权模型，根据特征码所出现位置的重要程度，预设特征码权值，举例来说，对于大多数家族样本，根据特征码出现位置进行权值构建时，PE文件代码节的权重应该相对最高，而对于想Trojan-Dropper.Win32.xxx这类家族样本，根据特征码出现位置进行权值构建时，PE文件资源节的权重应该相对最高。
本发明还提供了一种基于家族样本的病毒特征自动提取***，如图2所示，包括：
样本选取模块201，利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；
选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；
计算模块202，用于设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；
根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；
特征码提取模块203，用于将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则哈希值所对应的子序列为数列A及数列B的公共子序列，则该公共子序列为家族样本特征码，当剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；
质量评价模块204，用于建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。
所述的***中，所述的预设特征码长度k小于或等于数列A及数列B的长度。
所述的***中，所述的质量评价模块建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。
本发明通过对最长公共子序列算法进行改进，并应用到家族样本的特征码提取中，大幅提高了特征码提取的效率及数量，并且根据特征码质量评价加权模型，对所提取的特征码进行按特征码出现位置评价质量，提高了家族样本特征码提取的准确度。
本发明提供一种基于家族样本的病毒特征自动提取方法及***，本发明对最长公共子序列算法进行改进，利用家族样本集中的样本，建立数列A、B，通过预设特征码长度，分别计算数列A、B中长度为预设值的子序列的哈希值，并通过红黑树方式对A、B数列中的子序列的哈希值匹配，若哈希值相同，则该哈希值所对应的子序列为数列A及数列B的公共子序列，则该公共子序列为家族样本特征码，当剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集，根据建立的特征码质量评价加权模型，判断特征码质量，确定家族样本特征码。通过本发明的方法，简化了算法的时间复杂度，提高了特征码提取效率及准确度。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。

Claims (6)

1.一种基于家族样本的病毒特征自动提取方法，其特征在于，包括：
利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；
选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；
设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；
根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；
特征码提取，将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；
建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。
2.如权利要求1所述的方法，其特征在于，所述的预设特征码长度k小于或等于数列A及数列B的长度。
3.如权利要求1所述的方法，其特征在于，所述的建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。
4.一种基于家族样本的病毒特征自动提取***，其特征在于，包括：
样本选取模块，利用家族样本集中的样本，建立数列：选取家族样本集中的任一样本作为数列A，样本长度即为数列A长度；
选取家族样本集中的剩余样本，分别作为数列B，样本长度即为数列B长度；
计算模块，用于设定特征码长度，根据预设的特征码长度k，计算数列A中所有长度为k的子序列的哈希值，并用得到的哈希值构建红黑树；
根据预设的特征码长度k，计算数列B中所有长度为k的子序列的哈希值；
特征码提取模块，用于将数列B得到的哈希值分别在红黑树中查找，如果查找到相同的哈希值，则将所述相同哈希值所对应的数列A及数列B的公共子序列作为所述家族样本特征码，将所述剩余样本分别作为数列B并在红黑树中查找后，得到的所有家族样本特征码组成家族样本特征集；
质量评价模块，用于建立特征码质量评价加权模型，计算各家族样本特征码实际权值，保留大于或等于预设权值的家族样本特征码。
5.如权利要求4所述的***，其特征在于，所述的预设特征码长度k小于或等于数列A及数列B的长度。
6.如权利要求4所述的***，其特征在于，所述的质量评价模块建立特征码质量评价加权模型，计算各家族样本特征码实际权值包括：根据特征码的位置，预设特征码权值，通过特征码权值及特征码出现的数量，计算各家族样本特征码实际权值。
CN201210072372.6A 2012-03-19 2012-03-19 基于家族样本的病毒特征自动提取方法及*** Active CN103324888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210072372.6A CN103324888B (zh) 2012-03-19 2012-03-19 基于家族样本的病毒特征自动提取方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210072372.6A CN103324888B (zh) 2012-03-19 2012-03-19 基于家族样本的病毒特征自动提取方法及***

Publications (2)

Publication Number Publication Date
CN103324888A true CN103324888A (zh) 2013-09-25
CN103324888B CN103324888B (zh) 2016-04-27

Family

ID=49193623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210072372.6A Active CN103324888B (zh) 2012-03-19 2012-03-19 基于家族样本的病毒特征自动提取方法及***

Country Status (1)

Country Link
CN (1) CN103324888B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902904A (zh) * 2013-12-11 2014-07-02 哈尔滨安天科技股份有限公司 一种基于统计的反病毒引擎特征码评价方法及***
CN105488406A (zh) * 2014-12-29 2016-04-13 哈尔滨安天科技股份有限公司 一种基于特征向量的相似恶意样本匹配方法及***
CN103902911B (zh) * 2014-04-16 2016-09-14 南京大学 一种基于程序结构特征的恶意程序检测方法
CN108319853A (zh) * 2017-01-18 2018-07-24 腾讯科技（深圳）有限公司 病毒特征码处理方法及装置
CN113704762A (zh) * 2021-09-02 2021-11-26 广州大学 基于集成学习的恶意软件加密流量检测方法
CN114021116A (zh) * 2022-01-05 2022-02-08 北京微步在线科技有限公司 一种同源分析知识库的构建方法、同源分析方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101604363A (zh) * 2009-07-10 2009-12-16 珠海金山软件股份有限公司 基于文件指令频度的计算机恶意程序分类***及分类方法
US7873947B1 (en) * 2005-03-17 2011-01-18 Arun Lakhotia Phylogeny generation
CN101976318A (zh) * 2010-11-15 2011-02-16 北京理工大学 一种基于数字指纹的代码相似度检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7873947B1 (en) * 2005-03-17 2011-01-18 Arun Lakhotia Phylogeny generation
CN101604363A (zh) * 2009-07-10 2009-12-16 珠海金山软件股份有限公司 基于文件指令频度的计算机恶意程序分类***及分类方法
CN101976318A (zh) * 2010-11-15 2011-02-16 北京理工大学 一种基于数字指纹的代码相似度检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯林等: "基于最长公共子序列距离的主旨模式挖掘算法", 《计算机工程》 *
朱扬勇等: "序列数据相似性查询技术研究综述", 《计算机研究与发展》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902904A (zh) * 2013-12-11 2014-07-02 哈尔滨安天科技股份有限公司 一种基于统计的反病毒引擎特征码评价方法及***
CN103902904B (zh) * 2013-12-11 2017-01-04 哈尔滨安天科技股份有限公司 一种基于统计的反病毒引擎特征码评价方法及***
CN103902911B (zh) * 2014-04-16 2016-09-14 南京大学 一种基于程序结构特征的恶意程序检测方法
CN105488406A (zh) * 2014-12-29 2016-04-13 哈尔滨安天科技股份有限公司 一种基于特征向量的相似恶意样本匹配方法及***
CN105488406B (zh) * 2014-12-29 2019-02-26 哈尔滨安天科技股份有限公司 一种基于特征向量的相似恶意样本匹配方法及***
CN108319853A (zh) * 2017-01-18 2018-07-24 腾讯科技（深圳）有限公司 病毒特征码处理方法及装置
CN108319853B (zh) * 2017-01-18 2021-01-15 腾讯科技（深圳）有限公司 病毒特征码处理方法及装置
CN113704762A (zh) * 2021-09-02 2021-11-26 广州大学 基于集成学习的恶意软件加密流量检测方法
CN113704762B (zh) * 2021-09-02 2022-06-21 广州大学 基于集成学习的恶意软件加密流量检测方法
CN114021116A (zh) * 2022-01-05 2022-02-08 北京微步在线科技有限公司 一种同源分析知识库的构建方法、同源分析方法及装置
CN114021116B (zh) * 2022-01-05 2022-03-29 北京微步在线科技有限公司 一种同源分析知识库的构建方法、同源分析方法及装置

Also Published As

Publication number Publication date
CN103324888B (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
CN103324888A (zh) 基于家族样本的病毒特征自动提取方法及***
CN104717124B (zh) 一种好友推荐方法、装置及服务器
CN102346829B (zh) 基于集成分类的病毒检测方法
CN103902591B (zh) 构建决策树分类器的方法及装置
CN103530347A (zh) 一种基于大数据挖掘的互联网资源质量评估方法及***
CN105975852A (zh) 一种基于标签传播的样本关联性检测方法及***
CN109460386A (zh) 基于多维度模糊哈希匹配的恶意文件同源性分析方法及装置
CN107682344A (zh) 一种基于dpi数据互联网身份识别的id图谱建立方法
CN106875278A (zh) 基于随机森林的社交网络用户画像方法
Jiang et al. A feature selection method for malware detection
CN109145605A (zh) 一种基于SinglePass算法的Android恶意软件家族聚类方法
CN103780343A (zh) Td-lte***中sib1译码中的phich资源盲检测装置及方法
CN103902798A (zh) 数据预处理方法
CN110443303B (zh) 基于图像分割和分类的煤岩显微组分智能识别方法
CN105630904A (zh) 一种互联网账户信息挖掘的方法和装置
CN106021474B (zh) 一种确定smiles表达式之间是否具有子结构关系的方法
CN104376261B (zh) 一种在取证场景下自动检测恶意进程的方法
CN105183806A (zh) 一种不同平台间识别同一用户的方法与***
EP2587393A3 (en) Analysis of community structures in environmental samples
CN105992178A (zh) 一种垃圾短信识别方法及装置
CN106326746A (zh) 一种恶意程序行为特征库构建方法及装置
CN105654106A (zh) 一种决策树生成方法及***
CN103186672B (zh) 文件排序方法及其装置
CN105488413A (zh) 一种基于信息增益的恶意代码检测方法及***
CN115508615A (zh) 一种基于感应电动机的负荷暂态特征提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method and system for automatically extracting virus characteristics based on family samples

Effective date of registration: 20170621

Granted publication date: 20160427

Pledgee: Bank of Longjiang, Limited by Share Ltd, Harbin Limin branch

Pledgor: Harbin Antiy Technology Co., Ltd.

Registration number: 2017110000004

PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20190614

Granted publication date: 20160427

Pledgee: Bank of Longjiang, Limited by Share Ltd, Harbin Limin branch

Pledgor: Harbin Antiy Technology Co., Ltd.

Registration number: 2017110000004

PC01 Cancellation of the registration of the contract for pledge of patent right
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 150028 Building 7, Innovation Plaza, Science and Technology Innovation City, Harbin High-tech Industrial Development Zone, Heilongjiang Province (838 Shikun Road)

Patentee after: Harbin antiy Technology Group Limited by Share Ltd

Address before: 150090 room 506, Hongqi Street, Nangang District, Harbin Development Zone, Heilongjiang, China, 162

Patentee before: Harbin Antiy Technology Co., Ltd.

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Method and system for automatically extracting virus characteristics based on family samples

Effective date of registration: 20190828

Granted publication date: 20160427

Pledgee: Bank of Longjiang, Limited by Share Ltd, Harbin Limin branch

Pledgor: Harbin antiy Technology Group Limited by Share Ltd

Registration number: Y2019230000002

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 150028 Building 7, Innovation Plaza, Science and Technology Innovation City, Harbin High-tech Industrial Development Zone, Heilongjiang Province (838 Shikun Road)

Patentee after: Antan Technology Group Co.,Ltd.

Address before: 150028 Building 7, Innovation Plaza, Science and Technology Innovation City, Harbin High-tech Industrial Development Zone, Heilongjiang Province (838 Shikun Road)

Patentee before: Harbin Antian Science and Technology Group Co.,Ltd.

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20211119

Granted publication date: 20160427

Pledgee: Bank of Longjiang Limited by Share Ltd. Harbin Limin branch

Pledgor: Harbin Antian Science and Technology Group Co.,Ltd.

Registration number: Y2019230000002