公开(公告)号：CN117725581A

公开(公告)日：2024-03-19

申请号：CN202311751138.0

申请日：2023-12-19

Applicant: 桂林电子科技大学

Inventor： 张红梅 ,  严俊翔

IPC: G06F21/56 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明涉及网络安全技术领域，具体涉及一种基于DCGAN‑GP的数据增强及可视化恶意软件检测方法，首先通过动态分析的方法得到恶意软件API序列，并利用其频率、时间、种类三种特征可视化为彩色图像，有效地保留了动态分析的优势和更多的特征信息，使模型检测的准确率更高，同时构建了一种融合梯度惩罚机制的生成对抗网络模型，通过在判别器中引入惩罚项来约束判别器损失，使得在生成器和判别器不断对抗学习的过程中G_total_loss和D_total_loss趋于一个相对稳定的值，解决了梯度消失问题，稳定了模型训练的过程。此外针对某些种类恶意软件样本数量少而影响分类精度的问题，利用训练好的生成对抗网络进行数据增强后再进行恶意软件检测，使检测模型的效果提高。