恶意代码检测方法、装置、设备和介质制造方法及图纸

本公开提供了一种恶意代码检测方法，涉及信息安全领域或人工智能领域。该方法包括：获取待检测代码数据的特征信息，所述待检测代码数据包括至少一段代码语句和/或所述至少一段代码语句执行后产生的运行信息；将所述特征信息进行词编码和位置编码，得到第一经典表示向量；将所述第一经典表示向量输入至量子注意力层进行处理，其中包括将所述第一经典表示向量转换为第一量子态向量后，基于量子注意力机制得到第二量子态向量；基于所述第二量子态向量得到分类器的输入后，获得所述分类器根据所述输入而输出的恶意代码检测结果。本公开还提供了一种恶意代码检测装置、设备、存储介质和程序产品。序产品。序产品。

【技术实现步骤摘要】
恶意代码检测方法、装置、设备和介质


[0001]本公开涉及信息安全领域或人工智能领域，更具体地，涉及一种恶意代码检测方法、装置、设备、介质和程序产品。

技术介绍

[0002]随着当前网络的高速发展以及开发技术的成熟，越来越多的企业不断开发多样化应用为用户提供服务，许多不法分子可能利用各种类型的恶意代码对应用服务器发起攻击，严重影响了企业业务的正常运行，同时也导致企业及用户面临严重的数据安全风险。相关技术中，出现使用机器学习和深度学习算法进行恶意代码检测的方式。
[0003]在实现本公开专利技术构思的过程中，专利技术人发现，传统的神经网络算法模型存在可扩展性较差和记忆容量小，由此可能出现鲁棒性差和灾变性失忆等问题。因此，针对层出不穷的恶意代码，提出一种能够高效准确检测恶意代码的方法是当前亟待解决的问题。

技术实现思路

[0004]鉴于上述问题，本公开提供了一种恶意代码检测方法、装置、设备、介质和程序产品。
[0005]本公开实施例的一个方面，提供了一种恶意代码检测方法，包括：获取待检测代码数据的特征信息，所述待检测代码数据包括至少一段代码语句和/或所述至少一段代码语句执行后产生的运行信息；将所述特征信息进行词编码和位置编码，得到第一经典表示向量；将所述第一经典表示向量输入至量子注意力层进行处理，其中包括将所述第一经典表示向量转换为第一量子态向量后，基于量子注意力机制得到第二量子态向量；基于所述第二量子态向量得到分类器的输入后，获得所述分类器根据所述输入而输出的恶意代码检测结果。
[0006]根据本公开的实施例，所述分类器包括前馈神经网络，所述前馈神经网络包括隐藏层和基于变分量子分类器实现的输出层，获得所述分类器根据所述输入而输出的恶意代码检测结果包括：利用所述隐藏层处理所述输入；将所述隐藏层的输出经由所述变分量子分类器处理，获得所述恶意代码检测结果。
[0007]根据本公开的实施例，获取待检测代码数据的特征信息包括：提取所述至少一段代码语句中的元数据和/或原始特征数据；根据所述元数据/或原始特征数据获得所述特征信息中的第一特征信息。
[0008]根据本公开的实施例，所述原始特征数据包括N个函数，N大于或等于1，获得所述第一特征信息包括：解析所述N个函数的内部代码信息，获得至少部分所述第一特征信息；和/或解析所述N个函数之间的调用关系，构成调用图谱，提取所述调用图谱中的图特征作为至少部分所述第一特征信息；和/或解析所述N个函数各自的代码注释信息，将所述代码注释信息进行自然语言处理得到至少部分所述第一特征信息。
[0009]根据本公开的实施例，获取待检测代码数据的特征信息包括：确定所述运行信息
中代码行为、运行过程日志和运行结果中的至少之一；以及基于所述代码行为、运行过程日志和运行结果中的至少之一，获得所述特征信息中的第二特征信息。
[0010]根据本公开的实施例，所述基于量子注意力机制得到第二量子态向量包括：将所述第一量子态向量通过量子态的查询矩阵、键矩阵和值矩阵进行加权处理，获得量子态的查询向量、键向量和值向量；基于量子比特门和单比特旋转门计算所述查询向量和键向量之间的相关性，得到相关系数矩阵；基于所述相关系数矩阵和所述值向量，获得所述第二量子态向量。
[0011]根据本公开的实施例，基于所述第二量子态向量得到分类器的输入包括：将所述第二量子态向量映射为第二经典表示向量；获得所述分类器根据所述输入而输出的恶意代码检测结果包括：将所述第二经典表示向量经由所述分类器处理，输出所述恶意代码检测结果。
[0012]根据本公开的实施例，所述第一经典表示向量的维度数量等于量子个数，将所述第一经典表示向量转换为第一量子态向量包括：将所述第一经典表示向量的各维度分别进行角度编码，得到角度编码向量；将所述角度编码向量经由M条量子线路处理，得到所述第一量子态向量，M大于或等于1。
[0013]本公开实施例的另一方面提供了一种恶意代码检测装置，包括：特征信息模块，用于获取待检测代码数据的特征信息，所述待检测代码数据包括至少一段代码语句和/或所述至少一段代码语句执行后产生的运行信息；特征编码模块，用于将所述特征信息进行词编码和位置编码，得到第一经典表示向量；量子态模块，用于将所述第一经典表示向量输入至量子注意力层进行处理，其中包括将所述第一经典表示向量转换为第一量子态向量后，基于量子注意力机制得到第二量子态向量；分类模块，用于基于所述第二量子态向量得到分类器的输入后，获得所述分类器根据所述输入而输出的恶意代码检测结果。所述装置包括分别用于执行如上所述任意一项所述的方法的各个步骤的模块。
[0014]本公开实施例的另一方面提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行如上所述的方法。
[0015]本公开实施例的另一方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上所述的方法。
[0016]本公开实施例的另一方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的方法。
[0017]上述一个或多个实施例具有如下有益效果：基于量子态的叠加态和纠缠态原理，并结合经典神经网络和量子神经网络的设计思想，实现基于量子混合神经网络的恶意代码检测，由于量子纠缠态的原因，在输出层维度相同的情况下，量子态拥有较大的表示空间，所需神经元更少，网络规模更小，量子注意力层相比传统注意力层所处理的代码信息更多，减少传统神经网络模型的计算量，提高恶意代码检测的对抗鲁棒性，并在一定程度上缓解灾变性失忆问题，提高恶意代码检测效率和准确率。
附图说明
[0018]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特
征和优点将更为清楚，在附图中：
[0019]图1示意性示出了根据本公开实施例的恶意代码检测的应用场景图；
[0020]图2示意性示出了根据本公开实施例的恶意代码检测方法的流程图；
[0021]图3示意性示出了根据本公开实施例的获取待检测代码数据的特征信息的流程图；
[0022]图4示意性示出了根据本公开另一实施例的获取待检测代码数据的特征信息的流程图；
[0023]图5示意性示出了根据本公开实施例的转换第一经典表示向量的流程图；
[0024]图6A～图6C示意性示出了根据本公开各实施例的模拟量子电路的结构图；
[0025]图7示意性示出了根据本公开实施例的得到第二量子态向量的流程图；
[0026]图8示意性示出了根据本公开实施例的量子注意力机制的架构图；
[0027]图9示意性示出了根据本公开实施例的恶意代码检测模型的架构图；
[0028]图10示意性示出了根据本公开实施例的恶意代码检测装置的结构框图；以及
[0029]图11示意性示出了根据本公开实施例的适于实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种恶意代码检测方法，包括：获取待检测代码数据的特征信息，所述待检测代码数据包括至少一段代码语句和/或所述至少一段代码语句执行后产生的运行信息；将所述特征信息进行词编码和位置编码，得到第一经典表示向量；将所述第一经典表示向量输入至量子注意力层进行处理，其中包括将所述第一经典表示向量转换为第一量子态向量后，基于量子注意力机制得到第二量子态向量；基于所述第二量子态向量得到分类器的输入后，获得所述分类器根据所述输入而输出的恶意代码检测结果。2.根据权利要求1所述的方法，其中，所述分类器包括前馈神经网络，所述前馈神经网络包括隐藏层和基于变分量子分类器实现的输出层，获得所述分类器根据所述输入而输出的恶意代码检测结果包括：利用所述隐藏层处理所述输入；将所述隐藏层的输出经由所述变分量子分类器处理，获得所述恶意代码检测结果。3.根据权利要求1所述的方法，其中，获取待检测代码数据的特征信息包括：提取所述至少一段代码语句中的元数据和/或原始特征数据；根据所述元数据/或原始特征数据获得所述特征信息中的第一特征信息。4.根据权利要求3所述的方法，其中，所述原始特征数据包括N个函数，N大于或等于1，获得所述第一特征信息包括：解析所述N个函数的内部代码信息，获得至少部分所述第一特征信息；和/或解析所述N个函数之间的调用关系，构成调用图谱，提取所述调用图谱中的图特征作为至少部分所述第一特征信息；和/或解析所述N个函数各自的代码注释信息，将所述代码注释信息进行自然语言处理得到至少部分所述第一特征信息。5.根据权利要求1或3所述的方法，其中，获取待检测代码数据的特征信息包括：确定所述运行信息中代码行为、运行过程日志和运行结果中的至少之一；以及基于所述代码行为、运行过程日志和运行结果中的至少之一，获得所述特征信息中的第二特征信息。6.根据权利要求1所述的方法，其中，所述基于量子注意力机制得到第二量子态向量包括：将所述第一量子态向量通过量子态的查询矩阵、键矩阵和值矩阵进行加权处理...

【专利技术属性】
技术研发人员：樊旭东，闫海林，李帅宇，范鑫禹，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：