本發(fā)明公開了一種基于深度學(xué)習(xí)的惡意軟件行為檢測與分類系統(tǒng),基于沙箱捕獲的惡意軟件動態(tài)行為數(shù)據(jù),包含API調(diào)用序列特征工程和模型構(gòu)建兩大核心組成部分,其中特征工程部分?jǐn)[脫了以往研究中只注重屬性特征而忽視結(jié)構(gòu)特征以及主要基于N?gram采集屬性特征進而缺乏語義理解能力的缺陷,模型構(gòu)建部分利用集成學(xué)習(xí)思想構(gòu)建綜合檢測與分類模型,子模型分別基于有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)進行選擇和設(shè)計,以實現(xiàn)對常規(guī)惡意軟件高精確率檢測和對未知APT惡意軟件較高精確率檢測;采用對抗訓(xùn)練的方法,將對抗攻擊方法生成的對抗樣本加入模型數(shù)據(jù)集,提高檢測與分類模型抵御對抗樣本攻擊和魯棒性的能力。
聲明:
“基于深度學(xué)習(xí)的惡意軟件行為檢測與分類系統(tǒng)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)