[发明专利]一种用于识别恶意软件的方法及装置、设备

说明书

本申请涉及人工智能技术领域，公开一种用于识别恶意软件的方法，包括：获取待识别软件的符号化特征图；将符号化特征图输入恶意软件识别模型，获得识别指标；恶意软件识别模型的图卷积层用于获取输入特征图，并获取输入特征图中各节点的目标节点、流入节点子集、流出节点子集，然后进行卷积操作获得卷积特征图；输入特征图为符号化特征图或卷积特征图；根据识别指标识别待识别软件是否为恶意软件。本方案考虑了各节点之间的方向信息，使得根据恶意软件识别模型获得的识别指标对待识别软件进行识别更加准确，从而提高了识别恶意软件的准确率。本申请还公开一种用于识别恶意软件的装置及设备。

技术领域

本申请涉及人工智能技术领域，例如涉及一种用于识别恶意软件的方法、装置和设备。

背景技术

目前，平板电脑，智能电视等互联网设备深入大众，设备中的软件更是无时不刻不在影响着大众的生活。但是恶意代码编写者会利用恶意软件对设备和用户发起恶意攻击，造成用户数据泄漏，威胁互联网安全，所以，如何识别和防范恶意软件在目前生活中具有重要意义。

在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

现有技术中，利用神经网络模型识别恶意软件的方法没有考虑调用信息之间的方向信息，从而使得识别恶意软件的准确率较低。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种用于识别恶意软件的方法、装置和设备，以能够提高识别恶意软件的准确率。

在一些实施例中，用于识别恶意软件的方法包括：

获取待识别软件的调用特征图；

将所述调用特征图进行符号化表示，获得符号化特征图；

将所述符号化特征图输入预设的恶意软件识别模型，获得识别指标；其中，所述恶意软件识别模型包括图卷积层；所述图卷积层用于获取输入特征图，并获取所述输入特征图中各节点的节点方向集合，然后根据所述节点方向集合和所述输入特征图进行卷积操作获得卷积特征图；所述节点方向集合包括目标节点、流入节点子集、流出节点子集；所述输入特征图为符号化特征图或卷积特征图；

根据所述识别指标识别所述待识别软件是否为恶意软件。

在一些实施例中，用于识别恶意软件的装置包括：处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行上述的用于识别恶意软件的方法。

在一些实施例中，设备包括上述的用于识别恶意软件的装置。

本公开实施例提供的用于识别恶意软件的方法、装置和设备，可以实现以下技术效果：通过将待识别软件的调用特征图进行符号化表示，获得符号化特征图，并将符号化特征图输入预设的恶意软件识别模型，获得识别指标，并根据识别指标对待识别软件进行识别。该恶意软件识别模型的图卷积层获取符号化特征图或卷积特征图，并获取符号化特征图或卷积特征图中各节点的节点方向集合，该节点方向集合包括流入节点子集、流出节点子集和目标节点，由于考虑了各节点即调用信息之间的方向信息，使得根据恶意软件识别模型获得的识别指标对待识别软件进行识别更加准确，从而提高了识别恶意软件的准确率。

以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

附图说明

一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：

图1是本公开实施例提供的一个用于识别恶意软件的方法的示意图；