基于机器码字节流的端到端的深度学习恶意软件分类方法

    公开(公告)号:CN115987580A

    公开(公告)日:2023-04-18

    申请号:CN202211566609.6

    申请日:2022-12-07

    Abstract: 本发明公开了一种基于机器码字节流的端到端的深度学习恶意软件分类方法,以恶意软件机器码字节流为输入,经过恶意软件领域表示向量编码、恶意软件全区信息抽取模块、残差链接模块、分类输出模块的处理,从而给出该恶意软件的分类结果。本发明在准确表征原恶意软件特征的同时尽可能减少特征向量长度,进而减少计算量,解决恶意软件检测时对专家知识强依赖的问题,提高恶意软件分类模型的泛化能力,降低人力消耗,提高安全应急响应速度,给出了实现的技术细节,提供了可以解释的分类判断理由,提高了恶意软件分类准确率和分类精度,使恶意软件即使经过修饰之后也能够被正确检测和分类,保证计算机系统的安全稳定运行,满足日益严峻的网络安全态势。

Patent Agency Ranking