一种基于元路径的恶意软件检测方法技术

本发明专利技术涉及恶意软件检测技术领域，且公开了一种基于元路径的恶意软件检测方法，包括以下步骤：S1、收集足够多恶意软件和良性软件样本，抽取各个软件特征构建异质信息网络；S2、根据算法获得异质信息网络各个顶点的向量表示；S3、根据算法生成各个恶意软件和良性软件的图片表示，并输入进神经网络进行训练得到检测模型；S4.按算法生成待检测软件的图片表示，输入进检测模型进行检测，本发明专利技术使用异质信息网络描述应用程序关系之间丰富的语义特征，并使用基于专家先验知识定义的meta

A method of malware detection based on meta path

【技术实现步骤摘要】
一种基于元路径的恶意软件检测方法


[0001]本专利技术涉及恶意软件检测
，尤其涉及一种基于元路径的恶意软件检测方法。

技术介绍

[0002]恶意软件(Malware)泛指所有以危害计算机或计算机上运行的软件为企图的软件，其设计目的是创建系统漏洞，并借以造成后门、安全隐患、信息和数据盗窃、以及其他对文件和计算机系统的潜在破坏。常见的恶意代码包括计算机病毒、计算机蠕虫、特洛伊木马等。特洛伊木马是一类看起来具有正常功能，但实际上隐藏着很多用户不希望功能的程序。
[0003]据卡巴斯基公布的2020年安全公告显示，2019年11月至2020年 10月间，平均每天检测到36万个新的恶意文件，比2019年增长5.2％， 10.18％的联网电脑使用者遭受过至少一次恶意软件攻击。仅2021年上半年，捕获恶意程序样本数量约2,307万个，日均传播次数达582万余次，涉及恶意程序家族约20.8万个。
[0004]现有的恶意软件检测方法，主要分为传统检测和机器学习两种检测类型。传统检测需要依赖大量专家经验，不断更新特征库，因此只能检测已知恶意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于元路径的恶意软件检测方法，其特征在于，包括以下步骤：S1、收集足够多恶意软件和良性软件样本，抽取各个软件特征构建异质信息网络；S2、根据算法获得异质信息网络各个顶点的向量表示；S3、根据算法生成各个恶意软件和良性软件的图片表示，并输入进神经网络进行训练得到检测模型；S4.按算法生成待检测软件的图片表示，输入进检测模型进行检测。2.根据权利要求1所述的一种基于元路径的恶意软件检测方法，其特征在于，所述S1中，异质信息网络(Heterogeneous Information Network)是一种包含多类型对象和表示不同关系的多类型链接的有向图，定义为G＝(V,E)，其中V为顶点集合，E为边集合，顶点为实体，边表示各实体之间的关系。3.根据权利要求1所述的一种基于元路径的恶意软件检测方法，其特征在于，所述S1中，异质信息网络模式，算法定义如下五种实体：应用程序(APP)、文件(File)、应用程序接口(API)、动态链接库(DLL)、IP地址(IP)；基于以上五种实体定义了如下五种关系：APP创建(Create)File、APP包含(Involve)API、API属于(Belong)DLL、APP发送数据(Send)至IP地址、APP调用(Invoke)DLL。4.根据权利要求1所述的一种基于元路径的恶意软件检测方法，其特征在于，所述S2中，表示...

【专利技术属性】
技术研发人员：李树栋，喻卓成，吴晓波，韩伟红，
申请(专利权)人：广州大学，
类型：发明
国别省市：