[发明专利]一种基于卷积神经网络CNN的恶意软件检测方法在审
| 申请号： | 201910854560.6 | 申请日： | 2019-09-10 |
| 公开（公告）号： | CN110704840A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 芦天亮;杜彦辉;李国友;傅依娴;吴警;张翼翔;暴雨轩 | 申请（专利权）人： | 中国人民公安大学 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56;G06N3/04 |
| 代理公司： | 11399 北京冠和权律师事务所 | 代理人： | 李建华 |
| 地址： | 100038 北京市西*** | 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： | 本发明提出一种基于卷积神经网络CNN的恶意软件检测方法，包括：步骤1：收集训练集并进行分析，通过Cuckoo沙箱生成json格式的报告文件；步骤2：对所述json格式的报告进行向量化的处理，得到特征向量；步骤3：将所述步骤2处理后的所述特征向量作为输入传入到未训练的CNN中进行训练学习，得到训练CNN；步骤4：将待测试的软件经过和所述步骤1和所述步骤2相同的处理后，得到待测试软件的特征向量，投入所述步骤3训练好的CNN中，通过CNN模型检测，判断所述待测试软件为恶意软件或者正常软件。本申请的方法相较与其他机器学习算法和杀毒软件在检测率和精确度上都能获得更好的技术效果。 | ||
| 搜索关键词： | 特征向量 待测试软件 恶意软件检测 卷积神经网络 报告文件 恶意软件 技术效果 模型检测 其他机器 杀毒软件 学习算法 训练学习 正常软件 检测率 向量化 训练集 沙箱 测试 申请 分析 | ||
【主权项】：
1.一种基于卷积神经网络CNN的恶意软件检测方法，所述方法包括以下步骤：/n步骤1：收集训练集并进行分析，所述训练集由正常软件样本和恶意软件样本构成，所述分析包括将所述训练集通过Cuckoo沙箱生成json格式的报告文件；/n步骤2：对所述json格式的报告进行动态API序列提取，并对所述提取出的软件特征进行向量化的处理，得到特征向量；/n步骤3：构建卷积神经网络CNN模型，将所述步骤2处理后的所述特征向量作为输入传入到未训练的卷积神经网络模型CNN中进行训练学习，通过调整参数，将所述卷积神经网络训练至最佳状态，最后得到训练好的CNN模型；/n步骤4：将待测试的软件经过和所述步骤1和所述步骤2相同的处理后，得到待测试软件的特征向量，将所述特征向量投入所述步骤3训练好的卷积神经网络模型CNN中，通过所述CNN模型检测，最终判断所述待测试软件为恶意软件或者正常软件。/n
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中国人民公安大学，未经中国人民公安大学许可，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/201910854560.6/，转载请声明来源钻瓜专利网。
