[发明专利]一种基于卷积神经网络的恶意软件识别方法及系统有效
| 申请号： | 201810730246.2 | 申请日： | 2018-07-05 |
| 公开（公告）号： | CN109002715B | 公开（公告）日： | 2020-09-15 |
| 发明（设计）人： | 赵立超;史闻博;李丹;黄涛 | 申请（专利权）人： | 东北大学秦皇岛分校 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56 |
| 代理公司： | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人： | 汤东凤 |
| 地址： | 066004 河北*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的恶意软件识别方法及系统。该方法包括：获取样本软件的操作码和权限信息；将操作码转换为十进制数；将转换后的操作码进行预处理；将预处理后的操作码与权限信息混合；将混合后的数据作为特征矩阵输入卷积神经网络，对卷积神经网络进行训练；判断卷积神经网络输出的恶意概率或非恶意概率的准确度是否达到设定值；如果是，则停止训练卷积神经网络，采用训练好的卷积神经网络对待识别软件进行识别；如果否，则根据卷积神经网络输出的恶意概率或非恶意概率的准确度调整训练过程中的权重参数，继续训练卷积神经网络。本发明提供的基于卷积神经网络的恶意软件识别方法及系统具有识别精度高、操作简便的特点。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 恶意 软件 识别 方法 系统 | ||
【主权项】：
1.一种基于卷积神经网络的恶意软件识别方法，其特征在于，所述方法包括：获取样本软件的操作码和权限信息，所述样本软件为已知类型的软件，所述类型包括恶意软件和非恶意软件；将所述操作码转换为十进制数；将转换后的操作码进行预处理；将预处理后的操作码与所述权限信息混合；将混合后的数据作为特征矩阵输入卷积神经网络，对所述卷积神经网络进行训练，所述卷积神经网络的输出为所述样本软件的恶意概率和非恶意概率；判断所述卷积神经网络输出的恶意概率或非恶意概率的准确度是否达到设定值；如果是，则停止训练卷积神经网络，采用训练好的卷积神经网络对待识别软件进行识别；如果否，则根据所述卷积神经网络输出的恶意概率或非恶意概率的准确度调整训练过程中的权重参数，继续训练卷积神经网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北大学秦皇岛分校，未经东北大学秦皇岛分校许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810730246.2/，转载请声明来源钻瓜专利网。
