公开(公告)号：CN114896597B

公开(公告)日：2022-11-15

申请号：CN202210496401.5

申请日：2022-05-09

Applicant: 南开大学

Inventor： 许家威 ,  付文轩 ,  布皓羽 ,  王志

IPC: G06F21/56 ,  G06N3/02

Abstract: 基于可执行文件线性序列表示的计算机恶意代码检测方法，属于计算机防病毒技术领域。包括将待检测样本进行线性序列表示；将所述线性序列进行填充，并使用线性插值法放缩到指定长度；根据计算机病毒检测模型检测序列的善恶性，得到检测结果，其中，所述计算机病毒检测模型为根据收集到的样本数据集合训练得到的神经网络模型，所述序列为待检测样本按照所述线性序列表示得到的序列。本发明在线性序列化表示样本文件的基础上使用神经网络提取序列特征并进行检测，从而有效避免以往的使用二维图像表示二进制文件时产生的边缘损失、重采样噪声和填充问题，并且可以有效减小模型参数数量、提升模型更新速度，抵抗模型退化问题。

公开(公告)号：CN114896597A

公开(公告)日：2022-08-12

申请号：CN202210496401.5

申请日：2022-05-09

Applicant: 南开大学

Inventor： 许家威 ,  付文轩 ,  布皓羽 ,  王志

IPC: G06F21/56 ,  G06N3/02

Abstract: 基于可执行文件线性序列表示的计算机恶意代码检测方法，属于计算机防病毒技术领域。包括将待检测样本进行线性序列表示；将所述线性序列进行填充，并使用线性插值法放缩到指定长度；根据计算机病毒检测模型检测序列的善恶性，得到检测结果，其中，所述计算机病毒检测模型为根据收集到的样本数据集合训练得到的神经网络模型，所述序列为待检测样本按照所述线性序列表示得到的序列。本发明在线性序列化表示样本文件的基础上使用神经网络提取序列特征并进行检测，从而有效避免以往的使用二维图像表示二进制文件时产生的边缘损失、重采样噪声和填充问题，并且可以有效减小模型参数数量、提升模型更新速度，抵抗模型退化问题。