[發明專利]一種基于輕量級深度網絡模型的計算機病毒檢測方法

在審

• 申請號: 202110596599.X
• 申請日: 2021-05-31
• 公開（公告）號: CN113190852A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 吳戀;趙建川;左欣;徐文博;崔忠偉;于國龍;禹振;馬敏耀
• 申請（專利權）人: 貴州師范學院
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06N3/08
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 黃公安

1.一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，具體包括如下步驟：

步驟一：對待檢測的文件進行預處理；

步驟二：將預處理后的文件映射為可視化的二進制灰度圖像并計算灰度共生矩陣；

步驟三：將得到的灰度共生矩陣輸入到SqueezeNet網絡結構中進行檢測識別。

2.根據權利要求1所述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，所述步驟一的預處理包括對待檢測的文件進行查殼，如果查到待檢測的文件進行了加殼，對加殼的待檢測文件進行脫殼。

3.根據權利要求1所述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，步驟二具體包括如下步驟：

步驟2.1：將預處理后的文件映射為灰度圖像；

步驟2.2：提取灰度圖像中的灰度共生矩陣。

4.根據權利要求3所述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，步驟2.1具有包括如下步驟：

步驟2.1.1：將預處理后的文件作為可執行二進制文件；

步驟2.1.2：以每8位為一組將所述二進制文件轉換成一個無符號的整數，所述整數的取值范圍為0-255，設定固定的行寬，將所述整數生成為一個二維數組；

步驟2.1.3：將所述二維數組映射為一個灰度圖像，其中所述二維數組中的每個元素對應圖像中的一個像素值。

5.根據權利要求3所述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，步驟2.2具體包括如下步驟：

步驟2.2.1：取所述灰度圖像中任意一像素點i，其位置為(x，y)、該點的灰度值記為g_i，另取偏離i點的另一像素點j，其位置為(x+Δx,y+Δy)、該點灰度值記為g_j，則該像素對的灰度值為(g_i,g_j)；

步驟2.2.2：令點i在整個畫面上移動，點j保持與點i之間的空間關系隨之移動，得到多個像素對的灰度值(g_i,g_j)，其中g_i和g_j的取值范圍為0-255，即，g_i和g_j有256種取值，則(g_i,g_j)的組合共有256*256種可能；

步驟2.2.3：統計出所述灰度圖像中每一種(g_i,g_j)組合值出現的次數，然后排列成一個256*256的方陣A，方陣A的元素對應的是一種(g_i,g_j)出現的總的次數；

步驟2.2.4將方陣A里的每一元素除以(g_i,g_j)所有組合出現的總次數之和，將方陣里的每個元素歸一化為出現的概率p(g_i,g_j)，得到灰度共生矩陣G，所述灰度共生矩陣G表示的是所述灰度圖像中滿足(i，j)兩點相對空間位置關系的兩點灰度值出現的聯合概率分布，可用如下公式來表示：

其中S表示一張圖片中滿足(i，j)兩點空間位置關系的兩點的集合，N{…}表示集合中的點對的數目。

6.根據權利要求5所述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，所述灰度共生矩陣選取水平灰度共生矩陣、垂直灰度共生矩、45度灰度共生矩陣和135度灰度共生矩陣，將這四個度灰度共生矩陣的平均值作為最終的度灰度共生矩陣。

7.根據權利要求1述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，SqueezeNet網絡結構中的卷積操作采用深度可分離卷積對卷積操作進行優化。

8.根據權利要求7所述的一種基于輕量級深度網絡模型的計算機病毒檢測方法，其特征在于，SqueezeNet網絡結構將的最后一層卷積層采用基于多分支膨脹卷積結構的特征增強結構，所述膨脹卷積結構的膨脹比率采用1、3、5，并將這三種比率膨脹卷積結構進行通道融合，并采用殘差單元的方式進行連接。