并將測(cè)試樣本的dll和api信息特征視圖,、格式信息特征視圖以及字節(jié)碼n-grams特征視圖輸入步驟s2訓(xùn)練得到的多模態(tài)深度集成模型中,，對(duì)測(cè)試樣本進(jìn)行檢測(cè)并得出檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果與分析(1)樣本數(shù)據(jù)集選取實(shí)驗(yàn)評(píng)估使用了不同時(shí)期的惡意軟件和良性軟件樣本,，包含了7871個(gè)良性軟件樣本和8269個(gè)惡意軟件樣本,，其中4103個(gè)惡意軟件樣本是2011年以前發(fā)現(xiàn)的，4166個(gè)惡意軟件樣本是近年來(lái)新發(fā)現(xiàn)的,；3918個(gè)良性軟件樣本是從全新安裝的windowsxpsp3系統(tǒng)中收集的,，3953個(gè)良性軟件樣本是從全新安裝的32位windows7系統(tǒng)中收集的。所有的惡意軟件樣本都是從vxheavens網(wǎng)站中收集的,，所有的樣本格式都是windowspe格式的,，樣本數(shù)據(jù)集構(gòu)成如表1所示。表1樣本數(shù)據(jù)集類別惡意軟件樣本良性軟件樣本早期樣本41033918近期樣本41663953合計(jì)82697871(2)評(píng)價(jià)指標(biāo)及方法分類性能主要用兩個(gè)指標(biāo)來(lái)評(píng)估：準(zhǔn)確率和對(duì)數(shù)損失,。準(zhǔn)確率測(cè)量所有預(yù)測(cè)中正確預(yù)測(cè)的樣本占總樣本的比例,，*憑準(zhǔn)確率通常不足以評(píng)估預(yù)測(cè)的魯棒性，因此還需要使用對(duì)數(shù)損失,。對(duì)數(shù)損失(logarithmicloss),，也稱交叉熵?fù)p失(cross-entropyloss),，是在概率估計(jì)上定義的,，用于測(cè)量預(yù)測(cè)類別與真實(shí)類別之間的差距大小。安全掃描確認(rèn)軟件通過ISO 27001標(biāo)準(zhǔn),，無(wú)高危漏洞記錄,。上海軟件測(cè)試服務(wù)

    12)把節(jié)裝入到vmm的地址空間；(13)可選頭部的sizeofcode域取值不正確,；(14)含有可疑標(biāo)志,。此外，惡意軟件和良性軟件間以下格式特征也存在明顯的統(tǒng)計(jì)差異：(1)證書表是軟件廠商的可認(rèn)證的聲明,，惡意軟件很少有證書表,，而良性軟件大部分都有軟件廠商可認(rèn)證的聲明；(2)惡意軟件的調(diào)試數(shù)據(jù)也明顯小于正常文件的，這是因?yàn)閻阂廛浖�為了增加調(diào)試的難度,，很少有調(diào)試數(shù)據(jù),；(3)惡意軟件4個(gè)節(jié)(.text、.rsrc,、.reloc和.rdata)的characteristics屬性和良性軟件的也有明顯差異,，characteristics屬性通常**該節(jié)是否可讀、可寫,、可執(zhí)行等,，部分惡意軟件的代碼節(jié)存在可寫異常，只讀數(shù)據(jù)節(jié)和資源節(jié)存在可寫,、可執(zhí)行異常等,；(4)惡意軟件資源節(jié)的資源個(gè)數(shù)也明顯少于良性軟件的，如消息表,、組圖表,、版本資源等，這是因?yàn)閻阂廛浖�很少使用圖形界面資源,，也很少有版本信息,。pe文件很多格式屬性沒有強(qiáng)制限制，文件完整性約束松散,，存在著較多的冗余屬性和冗余空間,，為pe格式惡意軟件的傳播和隱藏創(chuàng)造了條件。此外,，由于惡意軟件為了方便傳播和隱藏,，盡一切可能的減小文件大小，文件結(jié)構(gòu)的某些部分重疊,，同時(shí)對(duì)一些屬性進(jìn)行了特別設(shè)置以達(dá)到anti-dump,、anti-debug或抗反匯編。天津軟件檢測(cè)報(bào)告策科技助力教育行業(yè)：數(shù)字化教學(xué)的創(chuàng)新應(yīng)用 ,。

    先將當(dāng)前軟件樣本件的二進(jìn)制可執(zhí)行文件轉(zhuǎn)換為十六進(jìn)制字節(jié)碼序列,，然后采用n-grams方法在十六進(jìn)制字節(jié)碼序列中滑動(dòng)，產(chǎn)生大量的連續(xù)部分重疊的短序列特征,，提取得到當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件的字節(jié)碼n-grams的特征表示,。生成軟件樣本的dll和api信息特征視圖，是先統(tǒng)計(jì)所有類別已知的軟件樣本的pe可執(zhí)行文件引用的dll和api信息,，從中選取引用頻率**高的多個(gè)dll和api信息,；然后判斷當(dāng)前的軟件樣本的導(dǎo)入節(jié)里是否存在選擇出的某個(gè)引用頻率**高的dll和api信息，如存在,，則將當(dāng)前軟件樣本的該dll或api信息以1表示,，否則將其以0表示，從而對(duì)當(dāng)前軟件樣本的所有dll和api信息進(jìn)行表示形成當(dāng)前軟件樣本的dll和api信息特征視圖。生成軟件樣本的格式信息特征視圖,，是從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中選取可能區(qū)分惡意軟件和良性軟件的pe格式結(jié)構(gòu)特征,，形成當(dāng)前軟件樣本的格式信息特征視圖。從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中選取可能區(qū)分惡意軟件和良性軟件的pe格式結(jié)構(gòu)特征,，是從當(dāng)前軟件樣本的pe格式結(jié)構(gòu)信息中確定存在特定格式異常的pe格式結(jié)構(gòu)特征以及存在明顯的統(tǒng)計(jì)差異的格式結(jié)構(gòu)特征,。特定格式異常包括：(1)代碼從**后一節(jié)開始執(zhí)行，(2)節(jié)頭部可疑的屬性,，,。

    特征之間存在部分重疊，但特征類型間存在著互補(bǔ),，融合這些不同抽象層次的特征可更好的識(shí)別軟件的真正性質(zhì),。且惡意軟件通常偽造出和良性軟件相似的特征，逃避反**軟件的檢測(cè),，但惡意軟件很難同時(shí)偽造多個(gè)抽象層次的特征逃避檢測(cè),。基于該觀點(diǎn),，本發(fā)明實(shí)施例提出一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測(cè)方法,，以實(shí)現(xiàn)對(duì)惡意軟件的有效檢測(cè)，提取了三種模態(tài)的特征(dll和api信息,、pe格式結(jié)構(gòu)信息和字節(jié)碼3-grams),，提出了通過前端融合、后端融合和中間融合這三種融合方式集成三種模態(tài)的特征,，有效提高惡意軟件檢測(cè)的準(zhǔn)確率和魯棒性,，具體步驟如下：步驟s1、提取軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息,、pe格式結(jié)構(gòu)信息以及字節(jié)碼n-grams的特征表示,，生成軟件樣本的dll和api信息特征視圖、格式信息特征視圖以及字節(jié)碼n-grams特征視圖,；統(tǒng)計(jì)當(dāng)前軟件樣本的導(dǎo)入節(jié)中引用的dll和api,，提取得到當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件的dll和api信息的特征表示。對(duì)當(dāng)前軟件樣本的二進(jìn)制可執(zhí)行文件進(jìn)行格式結(jié)構(gòu)解析,，并按照格式規(guī)范提取**該軟件樣本的格式結(jié)構(gòu)信息,，得到該軟件樣本的二進(jìn)制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示,。艾策科技：如何用數(shù)據(jù)分析重塑企業(yè)決策,！

    在數(shù)字化轉(zhuǎn)型加速的，軟件檢測(cè)公司已成為保障各行業(yè)信息化系統(tǒng)穩(wěn)定運(yùn)行的力量,。深圳艾策信息科技有限公司作為國(guó)內(nèi)軟件檢測(cè)公司領(lǐng)域的企業(yè),，始終以技術(shù)創(chuàng)新為驅(qū)動(dòng)力，深耕電力能源、科研教育,、政企單位,、研發(fā)科技及醫(yī)療機(jī)構(gòu)等垂直場(chǎng)景，為客戶提供從需求分析到運(yùn)維優(yōu)化的全鏈條質(zhì)量保障服務(wù),。以專業(yè)能力筑牢行業(yè)壁壘作為專注于軟件檢測(cè)的技術(shù)型企業(yè),，艾策科技通過AI驅(qū)動(dòng)的智能檢測(cè)平臺(tái)，實(shí)現(xiàn)了測(cè)試流程的自動(dòng)化,、化與智能化,。其產(chǎn)品一一軟件檢測(cè)系統(tǒng)，整合漏洞掃描,、壓力測(cè)試,、合規(guī)性驗(yàn)證等20余項(xiàng)功能模塊，可快速定位代碼缺陷,、性能瓶頸及安全風(fēng)險(xiǎn),，幫助客戶將軟件故障率降低60%以上。針對(duì)電力能源行業(yè),，艾策科技開發(fā)了電網(wǎng)調(diào)度系統(tǒng)專項(xiàng)檢測(cè)方案,，成功保障某省級(jí)電力公司百萬(wàn)級(jí)用戶數(shù)據(jù)安全；在科研教育領(lǐng)域,，其實(shí)驗(yàn)室管理軟件檢測(cè)服務(wù)覆蓋全國(guó)50余所高校,，助力科研數(shù)據(jù)存儲(chǔ)與分析的合規(guī)性升級(jí)。此外,，公司為政企單位政務(wù)云平臺(tái),、研發(fā)科技企業(yè)創(chuàng)新產(chǎn)品、醫(yī)療機(jī)構(gòu)智慧醫(yī)療系統(tǒng)提供的定制化檢測(cè)服務(wù),，均獲得客戶高度認(rèn)可,。差異化服務(wù)塑造行業(yè)作為軟件檢測(cè)公司，艾策科技突破傳統(tǒng)檢測(cè)模式,，推出“檢測(cè)+培訓(xùn)+咨詢”一體化服務(wù)體系,。通過定期發(fā)布行業(yè)安全白皮書、舉辦技術(shù)研討會(huì),。用戶體驗(yàn)測(cè)評(píng)中界面交互評(píng)分低于同類產(chǎn)品均值15.6%,。哈爾濱 軟件第三方測(cè)試

負(fù)載測(cè)試證實(shí)系統(tǒng)最大承載量較宣傳數(shù)據(jù)低18%。上海軟件測(cè)試服務(wù)

    將訓(xùn)練樣本的dll和api信息特征視圖,、格式信息特征視圖以及字節(jié)碼n-grams特征視圖輸入深度神經(jīng)網(wǎng)絡(luò),，訓(xùn)練多模態(tài)深度集成模型；(1)方案一：采用前端融合(early-fusion)方法,，首先合并訓(xùn)練樣本的dll和api信息特征視圖,、格式信息特征視圖以及字節(jié)碼n-grams特征視圖的特征,，融合成一個(gè)單一的特征向量空間，然后將其作為深度神經(jīng)網(wǎng)絡(luò)模型的輸入,，訓(xùn)練多模態(tài)深度集成模型,；(2)方案二：首先利用訓(xùn)練樣本的dll和api信息特征視圖、格式信息特征視圖以及字節(jié)碼n-grams特征視圖分別訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型,，合并訓(xùn)練的三個(gè)深度神經(jīng)網(wǎng)絡(luò)模型的決策輸出,，并將其作為感知機(jī)的輸入，訓(xùn)練得到**終的多模態(tài)深度集成模型,；(3)方案三：采用中間融合(intermediate-fusion)方法,，首先使用三個(gè)深度神經(jīng)網(wǎng)絡(luò)分別學(xué)習(xí)訓(xùn)練樣本的dll和api信息特征視圖、格式信息特征視圖以及字節(jié)碼n-grams特征視圖的高等特征表示,，并合并學(xué)習(xí)得到的訓(xùn)練樣本的dll和api信息特征視圖,、格式信息特征視圖以及字節(jié)碼n-grams特征視圖的高等特征表示融合成一個(gè)單一的特征向量空間，然后將其作為下一個(gè)深度神經(jīng)網(wǎng)絡(luò)的輸入,，訓(xùn)練得到多模態(tài)深度神經(jīng)網(wǎng)絡(luò)模型,。步驟s3、將軟件樣本中的類別未知的軟件樣本作為測(cè)試樣本,。上海軟件測(cè)試服務(wù)