基于深度学习的恶意程序可视化检测方法技术

本发明专利技术公开了一种基于深度学习的恶意程序可视化检测方法，包括运行恶意程序并构建恶意程序的数据流图；从数据流图中提取特征子图构成子图语料库；将子图语料库中的子图映射成字符串；采用深度学习算法将子图向量化；采用minHash算法对恶意程序包含的子图向量进行hash计算构建恶意程序可视化的图片矩阵；构建分类模型；针对待检测的程序，构建待检测的程序可视化的图片矩阵，采用分类模型对待检测的程序可视化的图片矩阵进行分类得到分类结果。本发明专利技术方法易于实现，而且可靠性高、实用性好且检测结果准确。

Visual detection of malware based on deep learning

【技术实现步骤摘要】
基于深度学习的恶意程序可视化检测方法
本专利技术属于网络安全领域，具体涉及一种基于深度学习的恶意程序可视化检测方法。
技术介绍
随着经济技术的发展和人们生活水平的提高，以及智能数据时代的来临，数据已经成为了未来最重要的资源之一。恶意程序仍是信息安全的最大威胁之一，每年政府和企业因恶意攻击都遭受了巨大的损失。甚至可以说恶意程序已成为一种可以盈利的商业模式，高额的利润聚集着大量的非法人员，使得恶意程序愈发复杂。目前恶意程序分析方法可以分为静态特征分析方法和动态行为分析。静态特征分析方法主要是利用恶意程序二进制文件进行分析和检测，通过反编译恶意程序提取操作码或系统调用等信息，并以此为特征建立恶意程序分析模型。然而恶意程序可以通过外壳加密，混淆和数据加密来避免反编译操作或者增加样本脱壳难度，这会影响到静态分析特征属性提取，从而造成静态分析方法检测精度的下降。动态行为分析方法弥补了静态特征分析方法的不足，同时也被认为为最具有前景的方法之一。动态行为分析方法通过捕获恶意程序运行时的行为特征，主流方式是使用系统调用或资源依赖来表示行为特征并以本文档来自技高网...

【技术保护点】
1.一种基于深度学习的恶意程序可视化检测方法，包括如下步骤：/nS1.运行恶意程序，并从恶意程序运行时的行为轨迹构建恶意程序的数据流图；/nS2.从步骤S1构建的数据流图中提取特征子图，从而构成子图语料库；/nS3.将步骤S2构建的子图语料库中的子图映射成字符串；/nS4.采用深度学习算法对子图语料库中的子图进行相似性学习，从而将子图向量化；/nS5.采用minHash算法对恶意程序包含的子图向量进行hash计算，从而构建恶意程序可视化的图片矩阵；/nS6.根据步骤S5得到的恶意程序可视化的图片矩阵，构建分类模型；/nS7.针对待检测的程序，构建待检测的程序可视化的图片矩阵，并采用步骤S6得到...

【技术特征摘要】
1.一种基于深度学习的恶意程序可视化检测方法，包括如下步骤：
S1.运行恶意程序，并从恶意程序运行时的行为轨迹构建恶意程序的数据流图；
S2.从步骤S1构建的数据流图中提取特征子图，从而构成子图语料库；
S3.将步骤S2构建的子图语料库中的子图映射成字符串；
S4.采用深度学习算法对子图语料库中的子图进行相似性学习，从而将子图向量化；
S5.采用minHash算法对恶意程序包含的子图向量进行hash计算，从而构建恶意程序可视化的图片矩阵；
S6.根据步骤S5得到的恶意程序可视化的图片矩阵，构建分类模型；
S7.针对待检测的程序，构建待检测的程序可视化的图片矩阵，并采用步骤S6得到的分类模型对待检测的程序可视化的图片矩阵进行分类，从而得到最终的待检测的程序的分类结果。


2.根据权利要求1所述的基于深度学习的恶意程序可视化检测方法，其特征在于步骤S1所述的从恶意程序运行时的行为轨迹构建恶意程序的数据流图，具体为在虚拟机中运行恶意程序，并通过Cuckoo来捕获运行时行为轨迹；数据流图的实体包括进程PROCESS，注册表REGISTRY，文件File和网络地址URL。


3.根据权利要求1所述的基于深度学习的恶意程序可视化检测方法，其特征在于步骤S2所述的从步骤S1构建的数据流图中提取特征子图，从而构成子图语料库，具体为采用TreeWalk(G,v,d)算法提取特征子图并构建子图语料库。


4.根据权利要求3所述的基于深度学习的恶意程序可视化检测方法，其特征在于所述的采用TreeWalk(G,v,d)算法提取特征子图并构建子图语料库，具体为采用如下步骤提取子图：
A.初始化子图内仅包含数据流图G的根节点v，并初始化提取深度d为正数；
B.将数据流图G中节点v的后继节点Nv中未处理的节点作为树根节点的孩子节点，同时d的值减1；
C.若d＞0，则将树中叶子节点在数据流图G中的未处理的邻接节点作为该叶子节点的孩子节点，同时d的值减1；
D.重复步骤C，直至d＝0；此时得到的子图为最终的子图。


5.根据权利要求1所述的基于深度...

【专利技术属性】
技术研发人员：汪洁，王长青，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43