[發明專利]一種用于識別惡意軟件的方法及裝置、設備

有效

• 申請號: 202110404930.3
• 申請日: 2021-04-15
• 公開（公告）號: CN112989347B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 周慶;楊盾;葛亮;仲元紅;黃智勇;鐘代笛
• 申請（專利權）人: 重慶大學
• 主分類號: G06F21/56
• 分類號: G06F21/56
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 陶俊潔

本申請涉及人工智能技術領域，公開一種用于識別惡意軟件的方法，包括：獲取待識別軟件的符號化特征圖；將符號化特征圖輸入惡意軟件識別模型，獲得識別指標；惡意軟件識別模型的圖卷積層用于獲取輸入特征圖，并獲取輸入特征圖中各節點的目標節點、流入節點子集、流出節點子集，然后進行卷積操作獲得卷積特征圖；輸入特征圖為符號化特征圖或卷積特征圖；根據識別指標識別待識別軟件是否為惡意軟件。本方案考慮了各節點之間的方向信息，使得根據惡意軟件識別模型獲得的識別指標對待識別軟件進行識別更加準確，從而提高了識別惡意軟件的準確率。本申請還公開一種用于識別惡意軟件的裝置及設備。

技術領域

本申請涉及人工智能技術領域，例如涉及一種用于識別惡意軟件的方法、裝置和設備。

背景技術

目前，平板電腦，智能電視等互聯網設備深入大眾，設備中的軟件更是無時不刻不在影響著大眾的生活。但是惡意代碼編寫者會利用惡意軟件對設備和用戶發起惡意攻擊，造成用戶數據泄漏，威脅互聯網安全，所以，如何識別和防范惡意軟件在目前生活中具有重要意義。

在實現本公開實施例的過程中，發現相關技術中至少存在如下問題：

現有技術中，利用神經網絡模型識別惡意軟件的方法沒有考慮調用信息之間的方向信息，從而使得識別惡意軟件的準確率較低。

發明內容

為了對披露的實施例的一些方面有基本的理解，下面給出了簡單的概括。所述概括不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍，而是作為后面的詳細說明的序言。

本公開實施例提供了一種用于識別惡意軟件的方法、裝置和設備，以能夠提高識別惡意軟件的準確率。

在一些實施例中，用于識別惡意軟件的方法包括：

獲取待識別軟件的調用特征圖；

將所述調用特征圖進行符號化表示，獲得符號化特征圖；

將所述符號化特征圖輸入預設的惡意軟件識別模型，獲得識別指標；其中，所述惡意軟件識別模型包括圖卷積層；所述圖卷積層用于獲取輸入特征圖，并獲取所述輸入特征圖中各節點的節點方向集合，然后根據所述節點方向集合和所述輸入特征圖進行卷積操作獲得卷積特征圖；所述節點方向集合包括目標節點、流入節點子集、流出節點子集；所述輸入特征圖為符號化特征圖或卷積特征圖；

根據所述識別指標識別所述待識別軟件是否為惡意軟件。

在一些實施例中，用于識別惡意軟件的裝置包括：處理器和存儲有程序指令的存儲器，處理器被配置為在執行程序指令時，執行上述的用于識別惡意軟件的方法。

在一些實施例中，設備包括上述的用于識別惡意軟件的裝置。

本公開實施例提供的用于識別惡意軟件的方法、裝置和設備，可以實現以下技術效果：通過將待識別軟件的調用特征圖進行符號化表示，獲得符號化特征圖，并將符號化特征圖輸入預設的惡意軟件識別模型，獲得識別指標，并根據識別指標對待識別軟件進行識別。該惡意軟件識別模型的圖卷積層獲取符號化特征圖或卷積特征圖，并獲取符號化特征圖或卷積特征圖中各節點的節點方向集合，該節點方向集合包括流入節點子集、流出節點子集和目標節點，由于考慮了各節點即調用信息之間的方向信息，使得根據惡意軟件識別模型獲得的識別指標對待識別軟件進行識別更加準確，從而提高了識別惡意軟件的準確率。

以上的總體描述和下文中的描述僅是示例性和解釋性的，不用于限制本申請。

附圖說明

一個或多個實施例通過與之對應的附圖進行示例性說明，這些示例性說明和附圖并不構成對實施例的限定，附圖中具有相同參考數字標號的元件示為類似的元件，附圖不構成比例限制，并且其中：

圖1是本公開實施例提供的一個用于識別惡意軟件的方法的示意圖；