一种基于生成对抗网络的恶意软件检测器抗概念漂移方法技术

本发明专利技术属于网络安全技术领域，公开一种基于生成对抗网络的恶意软件检测器抗概念漂移方法，包括：从沙箱提取恶意代码的API调用序列，并通过word2vec将API调用序列转换为特征向量；基于所述特征向量训练辅助分类生成对抗网络；利用训练好的辅助分类生成对抗网络生成恶意代码API调用序列，同时加入实际的恶意代码API调用序列，通过GRU网络进行训练得出恶意软件检测器；将恶意软件检测器的检测结果作为训练集，重新训练辅助分类生成对抗网络，重新训练恶意软件检测器，以提高恶意软件检测器的抗概念漂移性能。本发明专利技术可有效抵抗检测器的老化。

An anti concept drift method of malware detector based on generative anti network

【技术实现步骤摘要】
一种基于生成对抗网络的恶意软件检测器抗概念漂移方法
本专利技术属于网络安全
，尤其涉及一种基于生成对抗网络的恶意软件检测器抗概念漂移方法。
技术介绍
网络环境日趋复杂，各种攻击手段层出不穷，恶意软件作为网络攻击的重要载体，具有破坏、窃取、勒索等多种功能。据卡巴斯基2019年度报告称(https://securelist.com/ksb-2019/“KasperskySecurityBulletin2019”)，2019年度检测到新的恶意软件数量达到约两千四百万，为全世界网络安全带来了严重威胁。因此，能够有效检测恶意软件具有重要意义。现阶段常规的防御恶意软件的手段，通常是使用商业反病毒软件。商业反病毒软件使用基于签名的方法或者基于启发式的方法，其优点是精度高，速度快。但是遇到新的恶意软件则无法有效检测，并且签名库需要线上实时更新，在一些应用场景下无法及时且有效防御恶意软件。检测恶意软件有动态检测与静态检测两大类方法，这些方法都能够在检测性能上获得良好的检测率，同时也有研究者考虑到了一些变种恶意软件和一些难以检测类型的恶意软件。但是，本文档来自技高网...

【技术保护点】
1.一种基于生成对抗网络的恶意软件检测器抗概念漂移方法，其特征在于，包括：/n步骤1：从沙箱提取恶意代码的API调用序列，并通过word2vec将API调用序列转换为特征向量；/n步骤2：基于所述特征向量训练辅助分类生成对抗网络；/n步骤3：利用训练好的辅助分类生成对抗网络生成恶意代码API调用序列，同时加入实际的恶意代码API调用序列，通过GRU网络进行训练得出恶意软件检测器；/n步骤4：将恶意软件检测器的检测结果作为训练集，重新训练辅助分类生成对抗网络，按照步骤3方式重新训练恶意软件检测器，以提高恶意软件检测器的抗概念漂移性能。/n

【技术特征摘要】
1.一种基于生成对抗网络的恶意软件检测器抗概念漂移方法，其特征在于，包括：
步骤1：从沙箱提取恶意代码的API调用序列，并通过word2vec将API调用序列转换为特征向量；
步骤2：基于所述特征向量训练辅助分类生成对抗网络；
步骤3：利用训练好的辅助分类生成对抗网络生成恶意代码API调用序列，同时加入实际的恶意代码API调用序列，通过GRU网络进行训练得出恶意软件检测器；
步骤4：将恶意软件检测器的检测结果作为训练集，重新训练辅助分类生成对抗网络，按照步骤3方式重新训练恶意软件检测器，以提高恶意软件检测器的抗概念漂移性能。


2.根据权利要求1所述的一种基于生成对抗网络的恶意软件检测器抗概念漂移方法，其特征在于，所述步骤1包括：
步骤1.1：将提取到的API调用序列排列为一组；
步骤1.2：针对API调用序列中每个函数，对每个函数周围2a个函数取平均值，a为上下文常量；
步骤1.3：设置训练迭代次数，对每个函数对应的平均值进行更新，将各函数对应的平均值与当前API调用序列的标签合并，作为API调用序列对应的特征向量。


3.根据权利要求1所述的一种基于生成对抗网络的恶意软件检测器抗概念漂移方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：戴裕昇，黄长江，戴青，
申请(专利权)人：河南信息安全研究院有限公司，
类型：发明
国别省市：河南;41