公开(公告)号：CN113821799B

公开(公告)日：2023-07-28

申请号：CN202111042100.7

申请日：2021-09-07

Applicant: 南京邮电大学

Inventor： 宋玉蓉 ,  白敬华

IPC: G06F21/56 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于图卷积神经网络的恶意软件多标签分类方法，所述分类模型包括如下步骤：S100：函数调用图的特征提取，反汇编原始二进制文件，得到汇编码，提取函数调用图的语义及结构特征，得到样本的图嵌入向量；S200：多标签关系的特征提取，通过标签关系图，构建用于提取标签关系的模型，得到多标签分类器；S300：将所述图嵌入向量和所述多标签分类器进行点乘，并将点乘所得的结果进行结构映射，得到分类结果；S400：构建多标签损失函数，通过计算每个标签的分类结果和真实结果的差值，计算出所述分类模型的损失值。相对于现有技术，本发明对具有多种标签的恶意软件具有很好的多标签分类效果。

公开(公告)号：CN113821799A

公开(公告)日：2021-12-21

申请号：CN202111042100.7

申请日：2021-09-07

Applicant: 南京邮电大学

Inventor： 宋玉蓉 ,  白敬华

IPC: G06F21/56 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于图卷积神经网络的恶意软件多标签分类方法，所述分类模型包括如下步骤：S100：函数调用图的特征提取，反汇编原始二进制文件，得到汇编码，提取函数调用图的语义及结构特征，得到样本的图嵌入向量；S200：多标签关系的特征提取，通过标签关系图，构建用于提取标签关系的模型，得到多标签分类器；S300：将所述图嵌入向量和所述多标签分类器进行点乘，并将点乘所得的结果进行结构映射，得到分类结果；S400：构建多标签损失函数，通过计算每个标签的分类结果和真实结果的差值，计算出所述分类模型的损失值。相对于现有技术，本发明对具有多种标签的恶意软件具有很好的多标签分类效果。