[發(fā)明專利]行為推論模型生成裝置及其行為推論模型生成方法

有效

• 申請?zhí)枺?/td>: 201711320002.9
• 申請日: 2017-12-12
• 公開（公告）號: CN109918905B
• 公開（公告）日: 2022-05-10
• 發(fā)明（設計）人: 賴家民;盧嘉昱
• 申請（專利權）人: 財團法人資訊工業(yè)策進會
• 主分類號: G06F21/56
• 分類號: G06F21/56
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 王俠

一種行為推論模型生成裝置及其行為推論模型生成方法。行為推論模型生成裝置利用詞嵌入模型將多個程序操作序列數(shù)據(jù)的多個程序操作序列轉換成多個詞向量，并將各程序操作序列數(shù)據(jù)所對應的詞向量中的前M個詞向量輸入至生成式對抗網(wǎng)絡模型，以訓練并優(yōu)化生成式對抗網(wǎng)絡模型。行為推論模型生成裝置整合詞嵌入模型及優(yōu)化的生成式對抗網(wǎng)絡模型的產生器，生成行為推論模型。

【技術領域】

本發(fā)明是關于行為推論模型生成裝置及其行為推論模型生成方法。具體而言，本發(fā)明的行為推論模型生成裝置基于詞嵌入模型及優(yōu)化后的生成式對抗網(wǎng)絡模型的產生器，生成行為推論模型。

【背景技術】

隨著科技的發(fā)展，用戶可自網(wǎng)絡獲得的應用程序也越來越多樣化，某些應用程序于執(zhí)行時可能會破壞用戶的計算機系統(tǒng)，造成計算機中的檔案被損毀或用戶的個人信息被竊取。

目前惡意程序的偵測機制主要是利用規(guī)則式特征比對，來判斷應用程序是否為惡意程序，并抵御該多個惡意程序的攻擊。然而，規(guī)則式特征比對的偵測機制僅基于已知樣本特征進行偵測，且需在應用程序執(zhí)行過程中擷取到一定數(shù)量的特征才有機會判斷出目前被執(zhí)行的應用程序是否為惡意程序。在此情況下，當惡意程序被偵測到時，此惡意程序可能已經(jīng)造成計算機中的檔案被損毀或用戶的個人信息被竊取。

有鑒于此，如何建立一種行為推論模型，其在應用程序被執(zhí)行的初期，即可準確地推論后續(xù)的程序操作，以確實地預防計算機中的檔案被損毀或用戶的個人信息被竊取，乃是業(yè)界亟待解決的問題。

【發(fā)明內容】

本發(fā)明的目的在于提供一種行為推論模型(behavior inference model)，其在應用程序被執(zhí)行的初期，即可準確地推論后續(xù)的程序操作，以確實地預防計算機中的檔案被損毀或用戶的個人信息被竊取。

為達上述目的，本發(fā)明揭露一種行為推論模型生成裝置，其包含一存儲器及一處理器。該存儲器用以存儲多個程序操作序列數(shù)據(jù)。各該程序操作序列數(shù)據(jù)記載多個程序操作序列。該處理器電性連接至該存儲器，并用以執(zhí)行下列步驟：(a)通過一詞嵌入(wordembedding)模型，將各該程序操作序列數(shù)據(jù)的該多個程序操作序列轉換成多個詞向量；(b)針對各該程序操作序列數(shù)據(jù)，擷取該多個詞向量的前M個詞向量作為一生成式對抗網(wǎng)絡(Generative Adversarial Network；GAN)模型的M個輸入向量，M為一正整數(shù)；(c)針對各該程序操作序列數(shù)據(jù)，經(jīng)由該GAN模型的一產生器(generator)運算該M個輸入向量，以產生多個推論詞向量；(d)針對各該程序操作序列數(shù)據(jù)，經(jīng)由該GAN模型的一判別器(discriminator)，對該多個詞向量及該多個推論詞向量進行一真?zhèn)闻袆e；(e)將該真?zhèn)闻袆e的一判別結果反饋至該產生器，以調整該產生器的一參數(shù)設定；(f)重復該步驟(c)至該步驟(e)，訓練該GAN模型，以優(yōu)化該GAN模型；以及(g)整合該詞嵌入模型及優(yōu)化的該GAN模型的該產生器，生成一行為推論模型。

此外，本發(fā)明更揭露一種用于一行為推論模型生成裝置的行為推論模型生成方法。該行為推論模型生成裝置包含一存儲器及一處理器。該存儲器存儲多個程序操作序列數(shù)據(jù)。各該程序操作序列數(shù)據(jù)記載多個程序操作序列。該行為推論模型生成方法由該處理器執(zhí)行且包含下列步驟：(a)通過一詞嵌入模型，將各該程序操作序列數(shù)據(jù)的該多個程序操作序列轉換成多個詞向量；(b)針對各該程序操作序列數(shù)據(jù)，擷取該多個詞向量的前M個詞向量作為一生成式對抗網(wǎng)絡(GAN)模型的M個輸入向量，M為一正整數(shù)；(c)針對各該程序操作序列數(shù)據(jù)，經(jīng)由該GAN模型的一產生器運算該M個輸入向量，以產生多個推論詞向量；(d)針對各該程序操作序列數(shù)據(jù)，經(jīng)由該GAN模型的一判別器，對該多個詞向量及該多個推論詞向量進行一真?zhèn)闻袆e；(e)將該真?zhèn)闻袆e的一判別結果反饋至該產生器，以調整該產生器的一參數(shù)設定；(f)重復該步驟(c)至該步驟(e)，訓練該GAN模型，以優(yōu)化該GAN模型；以及(g)整合該詞嵌入模型及優(yōu)化的該GAN模型的該產生器，生成一行為推論模型。

在參閱附圖及隨后描述的實施方式后，本領域技術人員便可了解本發(fā)明的其他目的，以及本發(fā)明的技術手段及實施態(tài)樣。