[发明专利]一种基于API全局词向量和分层循环神经网络的恶意代码检测方法在审
| 申请号： | 201910123187.7 | 申请日： | 2019-02-19 |
| 公开（公告）号： | CN109886021A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 高雅琪;詹静;樊旭东;范雪;刘一帆 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 沈波 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 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API全局词向量和分层循环神经网络的恶意代码检测方法，该恶意代码检测方法包括两个阶段：(S1)已知样本的训练阶段，本阶段的目的主要为得到使用已知样本训练之后的网络模型。(S2)未知样本的预测阶段，预测阶段的目的主要为使用(S1)中的网络模型预测未知代码是否为恶意代码。由于恶意代码进行远程攻击时会触发一系列系统API，通常有较为频繁出现的序列组合。循环神经网络在处理时序信息方面有独特优势，将此优势与API时序结合，提出一种基于API时序序列的恶意代码检测方法，实现自动化的恶意代码检测，提高检测的正确率和检测速率，并能识别更多的未知恶意代码。 | ||
| 搜索关键词： | 恶意代码检测 恶意代码 分层循环 神经网络 网络模型 词向量 预测 样本 未知恶意代码 循环神经网络 时序 独特优势 时序信息 时序序列 序列组合 训练阶段 样本训练 远程攻击 正确率 检测 触发 全局 自动化 | ||
【主权项】：
1.一种基于API全局词向量和分层循环神经网络的恶意代码检测方法，其特征在于：该恶意代码检测方法包括两个阶段：S1已知样本的训练阶段，本阶段的目的主要为得到使用已知样本训练之后的网络模型；(S2)未知样本的预测阶段，预测阶段的目的主要为使用(S1)中的网络模型预测未知代码是否为恶意代码；其中(S1)已知样本的训练阶段一共包含三个模块：(S1‑1)特征表示模块，(S1‑2)全局词向量生成模块，(S1‑3)S‑LSTM网络训练模块；(S2)未知样本的预测阶段一共包含两个模块：(S2‑1)特征表示模块，此模块运行过程与(S1‑1)相同，(S2‑2)S‑LSTM网络预测模块。
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北京工业大学，未经北京工业大学许可，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/201910123187.7/，转载请声明来源钻瓜专利网。
- 上一篇：基于深度神经网络的软件漏洞自动分类方法
- 下一篇：CMS类型识别方法及装置
