[發明專利]惡意代碼的檢測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201911417213.3
• 申請日: 2019-12-31
• 公開（公告）號: CN113127863A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 劉凱;王占一;吳萌;張勇
• 申請（專利權）人: 奇安信科技集團股份有限公司;網神信息技術（北京）股份有限公司
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06K9/62
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

1.一種惡意代碼的檢測方法，其特征在于，包括：

將待檢測代碼劃分為多個代碼段，其中，所述代碼段與預設模板圖像上的一個像素組相對應，所述像素組包括若干像素；

獲取所述代碼段預定位置的字符；

按照預設的映射規則確定所述字符對應的顏色值；

按照所述字符對應的顏色值、所述字符所在代碼段與所述像素組的對應關系為所述像素賦值，得到所述待檢測代碼對應的待檢測圖片；

將所述待檢測圖片輸入至預設的圖片分類模型，其中，所述圖片分類模型用于對惡意代碼對應的圖片和非惡意代碼對應的圖片進行分類；

當所述圖片分類模型輸出表征所述待檢測圖片屬于惡意代碼對應圖片的類別信息時，確定所述待檢測代碼為惡意代碼。

2.根據權利要求1所述的惡意代碼的檢測方法，其特征在于，按照預設的映射規則確定所述字符對應的顏色值的步驟包括：

確定所述字符對應的ASCII碼類別；以及

根據所述字符對應的ASCII碼類別、預設的ASCII碼類別與顏色的對應關系，確定所述字符對應的顏色值。

3.根據權利要求2所述的惡意代碼的檢測方法，其特征在于，根據所述字符對應的ASCII類別、預設的ASCII碼類別與顏色的對應關系，確定所述字符對應的顏色值的步驟包括：

當所述字符大于0且對應的ASCII類別屬于不可見ASCII碼時，確定所述字符對應第一顏色；

當所述字符對應的ASCII類別屬于可見ASCII碼時，確定所述字符對應第二顏色；

當所述字符小于255且不屬于ASCII碼時，確定所述字符對應第三顏色；

當所述字符等于0時，確定所述字符對應第四顏色；以及

當所述字符等于255時，確定所述字符對應第五顏色，其中，所述第一顏色、所述第二顏色、所述第三顏色、所述第四顏色和所述第五顏色不同。

4.根據權利要求3所述的惡意代碼的檢測方法，其特征在于，所述第一顏色、所述第二顏色、所述第三顏色、所述第四顏色和所述第五顏色分別為紅色、黃色、藍色、白色和黑色中的一種。

5.根據權利要求1所述的惡意代碼的檢測方法，其特征在于，所述像素組包括一個像素。

6.根據權利要求1所述的惡意代碼的檢測方法，其特征在于，在將所述待檢測圖片輸入至預設的分類模型的步驟之前，所述惡意代碼的檢測方法還包括：

獲取模型訓練代碼樣本集，其中，所述模型訓練代碼樣本集包括多個代碼樣本，所述代碼樣本包括惡意樣本和非惡意樣本；

將所述代碼樣本劃分為多個訓練代碼段，其中，所述訓練代碼段與所述像素組相對應；

獲取所述訓練代碼段預定位置的訓練字符；

確定所述訓練字符對應的顏色值；

按照所述訓練字符對應的顏色值、所述訓練字符所在訓練代碼段與所述像素組的對應關系為所述像素賦值，得到所述代碼樣本對應的待訓練圖片；

將所述待訓練圖片作為初始分類模型的輸入，將所述代碼樣對應的代碼類別作為所述初始分類模型的輸出，對所述初始分類模型進行訓練，以得到所述圖片分類模型。

7.根據權利要求6所述的惡意代碼的檢測方法，其特征在于，將所述待訓練圖片作為初始分類模型的輸入，將所述代碼樣對應的代碼類別作為所述初始分類模型的輸出，對所述初始分類模型進行訓練的步驟包括：

設置所述初始分類模型包括依次連接的M個卷積塊，每個所述卷積塊包括若干所述卷積層；

利用由ImageNet數據集訓練得到的預訓練模型的參數來初始化所述初始分類模型的參數，得到中間分類模型；

將所述待訓練圖片作為所述中間分類模型的輸入，將所述代碼樣本對應的代碼類別作為所述中間分類模型的輸出，凍結所述中間分類模型中第1至第M-1個所述卷積塊的參數，來對所述中間分類模型進行訓練。