【技术实现步骤摘要】
本专利技术涉及对抗机器学习、网络空间安全，尤其涉及基于哈希变换的恶意软件深度学习检测鲁棒性增强方法。
技术介绍
1、恶意软件是网络安全的主要威胁。在万物互联、万物智能时代，随着相对开放的安卓应用系统的流行，恶意软件问题日益严重。为了快速应对大批量的恶意软件样本，机器学习技术已经广泛应用于恶意软件检测和分类任务。然而，相关实验表明机器学习模型容易受到对抗样本的攻击，使得基于机器学习的恶意软件检测器易被恶意软件对抗样本攻击。具体而言，对抗样本通过修改原恶意软件样本以规避检测，其中原恶意软件可被智能检测器正确检测，加扰后的恶意软件虽然依然保有恶意软件功能，但被归类为良性软件。
2、为了提升恶意软件深度检测器的鲁棒性以抵御对抗样本攻击，相关研究人员从调整输入、调整训练过程和调整网络架构等方式加强模型抗对抗样本攻击的能力。尽管在经验上增强了模型的鲁棒性，但总在后续的研究中被更强的攻击打败。尤其原因，防御的设计往往针对部分的攻击脆弱点且无法搜索到最优对抗样本以进行主动防御。换言之，以经验的方式所设计的防御虽能防御一些攻击，但可能被更强的...
【技术保护点】
1.基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述S1步骤中，输入一个软件样本，通过特征提取算法提取样本特征，步骤如下：
3.根据权利要求1所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述S2步骤中，对特征提取，采用哈希变换输入，构建哈希层，步骤如下：
4.根据权利要求1所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述S3步骤中，基于哈希层的神经网络建模，步骤如下：p>
5.根据权...
【技术特征摘要】
1.基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，步骤如下：
2.根据权利要求1所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述s1步骤中，输入一个软件样本，通过特征提取算法提取样本特征，步骤如下：
3.根据权利要求1所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述s2步骤中，对特征提取，采用哈希变换输入，构建哈希层，步骤如下：
4.根据权利要求1所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述s3步骤中，基于哈希层的神经网络建模，步骤如下：
5.根据权利要求4所述的基于哈希变换的恶意软件深度学习检测鲁棒性增强方法，其特征在于，所述构造神经网络模型包括分类部分与...
【专利技术属性】
技术研发人员：李德强，曹建宇，任新一，杜哲凯，徐佳，代陈，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。