[发明专利]恶意代码的检测方法、装置、计算机设备和存储介质

权利要求书

1.一种恶意代码的检测方法，其特征在于，包括：

将待检测代码划分为多个代码段，其中，所述代码段与预设模板图像上的一个像素组相对应，所述像素组包括若干像素；

获取所述代码段预定位置的字符；

按照预设的映射规则确定所述字符对应的颜色值；

按照所述字符对应的颜色值、所述字符所在代码段与所述像素组的对应关系为所述像素赋值，得到所述待检测代码对应的待检测图片；

将所述待检测图片输入至预设的图片分类模型，其中，所述图片分类模型用于对恶意代码对应的图片和非恶意代码对应的图片进行分类；

当所述图片分类模型输出表征所述待检测图片属于恶意代码对应图片的类别信息时，确定所述待检测代码为恶意代码。

2.根据权利要求1所述的恶意代码的检测方法，其特征在于，按照预设的映射规则确定所述字符对应的颜色值的步骤包括：

确定所述字符对应的ASCII码类别；以及

根据所述字符对应的ASCII码类别、预设的ASCII码类别与颜色的对应关系，确定所述字符对应的颜色值。

3.根据权利要求2所述的恶意代码的检测方法，其特征在于，根据所述字符对应的ASCII类别、预设的ASCII码类别与颜色的对应关系，确定所述字符对应的颜色值的步骤包括：

当所述字符大于0且对应的ASCII类别属于不可见ASCII码时，确定所述字符对应第一颜色；

当所述字符对应的ASCII类别属于可见ASCII码时，确定所述字符对应第二颜色；

当所述字符小于255且不属于ASCII码时，确定所述字符对应第三颜色；

当所述字符等于0时，确定所述字符对应第四颜色；以及

当所述字符等于255时，确定所述字符对应第五颜色，其中，所述第一颜色、所述第二颜色、所述第三颜色、所述第四颜色和所述第五颜色不同。

4.根据权利要求3所述的恶意代码的检测方法，其特征在于，所述第一颜色、所述第二颜色、所述第三颜色、所述第四颜色和所述第五颜色分别为红色、黄色、蓝色、白色和黑色中的一种。

5.根据权利要求1所述的恶意代码的检测方法，其特征在于，所述像素组包括一个像素。

6.根据权利要求1所述的恶意代码的检测方法，其特征在于，在将所述待检测图片输入至预设的分类模型的步骤之前，所述恶意代码的检测方法还包括：

获取模型训练代码样本集，其中，所述模型训练代码样本集包括多个代码样本，所述代码样本包括恶意样本和非恶意样本；

将所述代码样本划分为多个训练代码段，其中，所述训练代码段与所述像素组相对应；

获取所述训练代码段预定位置的训练字符；

确定所述训练字符对应的颜色值；

按照所述训练字符对应的颜色值、所述训练字符所在训练代码段与所述像素组的对应关系为所述像素赋值，得到所述代码样本对应的待训练图片；

将所述待训练图片作为初始分类模型的输入，将所述代码样对应的代码类别作为所述初始分类模型的输出，对所述初始分类模型进行训练，以得到所述图片分类模型。

7.根据权利要求6所述的恶意代码的检测方法，其特征在于，将所述待训练图片作为初始分类模型的输入，将所述代码样对应的代码类别作为所述初始分类模型的输出，对所述初始分类模型进行训练的步骤包括：

设置所述初始分类模型包括依次连接的M个卷积块，每个所述卷积块包括若干所述卷积层；

利用由ImageNet数据集训练得到的预训练模型的参数来初始化所述初始分类模型的参数，得到中间分类模型；

将所述待训练图片作为所述中间分类模型的输入，将所述代码样本对应的代码类别作为所述中间分类模型的输出，冻结所述中间分类模型中第1至第M-1个所述卷积块的参数，来对所述中间分类模型进行训练。