一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法技术

本发明专利技术公开了一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法，构建恶意代码生成模型。采用群智能算法计算恶意代码的可接受最佳初始样本比例。生成各家族恶意代码，构建相对均衡的恶意代码数据集。本发明专利技术利用群智能算法获得各恶意代码家族的可接受最佳样本比例，同时引入cGAN对恶意代码不同家族的数据分布进行学习并进行样本生成，最后对不平衡数据集进行处理，构建各类样本相对均衡的恶意代码数据集，使不同种类的恶意代码在选取时达到一个理想的比例，使正负样本在训练过程中具有相同的地位，更有效的解决了数据不均衡的问题。题。题。

【技术实现步骤摘要】
一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法


[0001]本专利技术属于信息安全领域，尤其涉及一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法，属于恶意代码分类问题中的数据均衡策略。

技术介绍

[0002]随着信息技术的快速发展，互联网已成为我们日常生活的重要组成部分，其为我们的生活、学习、工作带来诸多利处，但同时隐藏着如木马病毒、钓鱼网站和恶意软件等众多安全问题，其中恶意代码是主要安全威胁之一。在经济利益的驱使下，新的恶意软件样本数量呈爆炸式增长，反恶意软件供应商每年面临数百万个潜在的恶意代码样本，为了继续对抗恶意代码样本的增加，研究需要依靠大量的、高质量的样本来构建高效的恶意软件检测模型。
[0003]在分类应用中，数据不均衡对分类模型的训练有显著不利影响，既表现在训练模型的收敛性，又表现在测试阶段模型的泛化性。高质量的数据是机器学习和深度学习的关键所在，数据的稀缺性可以阻碍一个模型的发展，使用高质量的数据训练后的模型往往会更健壮(防止过拟合)，甚至可以因为数据集的原因使训练变得简单和快速。而在恶意代码的检测问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法，其特征在于：包括以下步骤，步骤1，构建恶意代码生成模型；生成对抗网络GAN由生成网络G和判别网络D两部分构成，G和D动态博弈：G用生成样本欺骗D从而以假乱真，而D不断提高判别能力以区分真实数据和G合成的数据，直到最后二者达到纳什平衡，即理论上G生成的数据分布P
g
和真实的数据分布P
data
相等；条件式生成对抗网络cGAN通过参数的控制来指导数据的生成，即在原有的网络结构下，对判别器和生成器的输入都加上一个额外的辅助信息y，这个y是各数据的分类标签，辅助信息y即为恶意代码的家族标签；在生成网络与判别网络不断对抗、迭代优化后，生成器做为恶意代码的生成模型；步骤1.1，在生成网络中，从前置随机分布p
z
(z)中取出随机输入z，再与恶意代码家族标签y进行拼接组合，形成一个全新的隐含表示；步骤1.2，在判别网络中，真实恶意代码样本或生成的恶意代码都会和家族标签y共同输入以进行判别；步骤1.3，判别网络D通过多次迭代学习来提高自己的判别真假样本能力，生成网络G又通过多次迭代学习来提高自己的仿造能力；二者动态对抗、在迭代过程中不断优化，当D最后无法区别出真实数据和生成数据时，即D已经将生成的数据G(z)当成了真实的数据时，则认为模型达到了最优，并且认为G已经得到了真实样本数据完整的分布；此时的生成网络即为恶意代码的生成模型，生成数据已经被看作新的恶意代码样本数据；步骤2，采用群智能算法计算恶意代码的可接受最佳初始样本比例；采用典型的群智能算法PSO算法来寻找不同类别恶意代码家族的可接受最佳初始权重；假设恶意代码家族数目为M，重采样权重为W
i
，采样权重的组合可看作群智能算法中个体的位置，由下式给出：position＝(W1,W2,...,W
n
)将训练模型的准确性作为目标函数；步骤3，生成各家族恶意代码，构建相对均衡的恶意代码数据集；根据PSO算法计算的恶意代码家族...

【专利技术属性】
技术研发人员：梁军淼，宁振虎，曹东芝，公备，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：