[发明专利]一种基于深度学习的恶意代码同源判定系统及其判定方法

摘要

本发明公开了一种基于深度学习的恶意代码同源判定系统及其判定方法，涉及信息安全技术领域。同源判定系统包括同源数据库模块、自动化脱壳模块、可视化模块、深度学习模块和报告生成模块。判定方法为，同源数据库模块自动从网络空间收集恶意代码，提取同源信息，更新数据库；自动化脱壳模块对恶意代码样本进行查壳和自动化脱壳，重构可执行的无壳样本；可视化模块生成表征恶意代码全局特征的灰度图序列；深度学习模块由提取抽象特征的卷积神经网络和进行序列学习的门循环单元神经网络组成。报告生成模块结合同源数据库中信息和深度学习模块的结果生成同源报告。本发明提高了系统的通用性、合理性和对随机恶意代码的同源判定能力。

主权项

1.一种基于深度学习的恶意代码同源判定系统，其特征在于，包括服务器端和浏览器端，所述服务器端包括同源数据库模块、自动化脱壳模块、可视化模块、深度学习模块和报告生成模块；所述同源数据库模块包括同源数据库，被配置成自动从网络空间收集恶意代码，进行分析，提取恶意代码同源信息，保存所述自动化脱壳模块、所述可视化模块、所述深度学习模块的分析结果；所述自动化脱壳模块包括查壳子模块和脱壳子模块，所述自动化脱壳模块被配置成对加壳的恶意代码样本进行自动化脱壳，重构可执行的无壳样本，并更新所述同源数据库；所述可视化模块被配置成对无壳恶意代码样本进行可视化处理，生成表征恶意代码全局特征的灰度图序列，并更新所述同源数据库；所述深度学习模块包括提取抽象特征的卷积神经网络和进行序列学习的门循环单元神经网络，通过同源数据中的有监督值恶意代码样本进行训练学习，得到成熟模型，将恶意代码灰度图序列输入到所述成熟模型，得到恶意代码的同源判定结果；所述报告生成模块被配置成结合所述同源数据库中的信息和所述深度学习模块的同源判定结果生成同源判定报告；所述浏览器端被配置为面向用户上传恶意代码可执行文件和呈现生成的所述同源判定报告。