[發明專利]一種基于對抗式網絡的物聯網Android惡意軟件檢測方法

有效

• 申請號: 202110352283.6
• 申請日: 2021-03-31
• 公開（公告）號: CN112966272B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 楊文;呂卓;張錚;郭志民;李暖暖;陳岑;蔡軍飛;李鳴巖;常昊
• 申請（專利權）人: 國網河南省電力公司電力科學研究院;國家電網有限公司
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06N3/04
• 代理公司: 鄭州知己知識產權代理有限公司 41132
• 代理人: 季發軍

1.一種基于對抗式網絡的物聯網Android惡意軟件檢測方法，其特征在于，

包括如下步驟：

S1.原始數據集的獲取；

S2.對原始數據集進行處理，從獲取的原始RAM數據對數據進行處理整合；

S3.對數據進行標簽標定，并對數據進行處理轉換為圖像數據，將處理好的數據進行劃分，選用在惡意軟件安裝后幾分鐘內捕捉的內存數據，提取出對應的PID以及特征值，對數據進行清洗，去掉捕捉不完全的數據，并將提取出來的特征值轉化成圖像，并對圖像進行標定，將處理好的數據進行劃分，按照3：7的比例劃分為測試集和訓練集；

S4.訓練和測試得到基礎檢測模型，利用處理好的測試集和訓練集，對構建的殘差網絡模型進行訓練和測試，使用卷積神經網絡從原始RAM數據中獲取整合信息，基于獲取的進程ID和其他相關內存特征轉化成灰度圖像的形式來訓練卷積神經網絡得到基礎檢測模型，并得到測試結果；

S5.數據擴充和基礎檢測模型魯棒性測試，使用生成式對抗網絡對數據進行擴展，它由生成網絡和判別網絡兩部分組成，使用生成式對抗網絡進行對抗訓練100輪，選取每輪中測試準確率在95％以上的生成圖片，利用生成的圖片對原有基礎檢測模型進行魯棒性測試得到測試結果；

S6.進行二次訓練并測試，利用上一步驟中生成的圖片與原有的圖片進行隨機混合，將混合后的數據重新按照3：7的比例劃分測試集和訓練集，將劃分好的訓練集和測試集對基礎檢測模型進行二次訓練，得到測試結果，并將訓練后的模型進行保存，得到惡意軟件分類模型；

所述的原始數據集獲取的方法是采用轉化程序和開源工具對文本進行分詞提取，并且對提取的數據進行標簽標定；然后將提取并標定的數據轉換為向量進行轉置之后生成灰度圖像，將由開源工具對內存數據中的PID和相關的特征值生成的灰度圖像進行銳化并采用卷積神經網絡中的殘差網絡對數據訓練和測試得到基礎檢測模型。

2.根據權利要求1所述基于對抗式網絡的物聯網Android惡意軟件檢測方法，其特征在于，步驟S3中在原始數據的基礎上利用文本提取的方式，從內存數據中對數據進行清洗，去掉捕捉不完全的數據，并將提取出來的特征值進行標定轉化成圖像，考慮到特征值的數量，最終把數據轉化成28*28大小的圖像。