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,，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?；谠撚^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)的惡意軟件檢測方法，以實(shí)現(xiàn)對(duì)惡意軟件的有效檢測,，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。第三方實(shí)驗(yàn)室驗(yàn)證數(shù)據(jù)處理速度較上代提升1.8倍,。第三方軟件測評(píng)機(jī)構(gòu)收費(fèi)依據(jù)

    對(duì)一些質(zhì)量要求和可靠性要求較高的模塊,，一般要滿足所需條件的組合覆蓋或者路徑覆蓋標(biāo)準(zhǔn)。[2]軟件測試方法集成測試集成測試是軟件測試的第二階段,，在這個(gè)階段,，通常要對(duì)已經(jīng)嚴(yán)格按照程序設(shè)計(jì)要求和標(biāo)準(zhǔn)組裝起來的模塊同時(shí)進(jìn)行測試，明確該程序結(jié)構(gòu)組裝的正確性,，發(fā)現(xiàn)和接口有關(guān)的問題,，比如模塊接口的數(shù)據(jù)是否會(huì)在穿越接口時(shí)發(fā)生丟失；各個(gè)模塊之間因某種疏忽而產(chǎn)生不利的影響,；將模塊各個(gè)子功能組合起來后產(chǎn)生的功能要求達(dá)不到預(yù)期的功能要求,；一些在誤差范圍內(nèi)且可接受的誤差由于長時(shí)間的積累進(jìn)而到達(dá)了不能接受的程度；數(shù)據(jù)庫因單個(gè)模塊發(fā)生錯(cuò)誤造成自身出現(xiàn)錯(cuò)誤等等,。同時(shí)因集成測試是界于單元測試和系統(tǒng)測試之間的,，所以，集成測試具有承上啟下的作用,。因此有關(guān)測試人員必須做好集成測試工作,。在這一階段，一般采用的是白盒和黑盒結(jié)合的方法進(jìn)行測試,，驗(yàn)證這一階段設(shè)計(jì)的合理性以及需求功能的實(shí)現(xiàn)性,。[2]軟件測試方法系統(tǒng)測試一般情況下，系統(tǒng)測試采用黑盒法來進(jìn)行測試的,，以此來檢查該系統(tǒng)是否符合軟件需求,。本階段的主要測試內(nèi)容包括健壯性測試、性能測試,、功能測試,、安裝或反安裝測試、用戶界面測試,、壓力測試,、可靠性及安全性測試等。第三方軟件測評(píng)機(jī)構(gòu)收費(fèi)依據(jù)多平臺(tái)兼容性測試顯示Linux環(huán)境下存在驅(qū)動(dòng)適配問題,。

    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,，,。

    后端融合模型的10折交叉驗(yàn)證的準(zhǔn)確率是％，對(duì)數(shù)損失是,，混淆矩陣如圖13所示，規(guī)范化后的混淆矩陣如圖14所示,。后端融合模型的roc曲線如圖15所示,，其顯示后端融合模型的auc值為。(6)中間融合中間融合的架構(gòu)如圖16所示,，中間融合方式用深度神經(jīng)網(wǎng)絡(luò)從三種模態(tài)的特征分別抽取高等特征表示,，然后合并學(xué)習(xí)得到的特征表示，再作為下一個(gè)深度神經(jīng)網(wǎng)絡(luò)的輸入訓(xùn)練模型,，隱藏層的***函數(shù)為relu,，輸出層的***函數(shù)是sigmoid，中間使用dropout層進(jìn)行正則化,，防止過擬合,，優(yōu)化器(optimizer)采用的是adagrad，batch_size是40,。圖16中,，用于抽取dll和api信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含3個(gè)隱含層，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是128,，第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是64,，第三個(gè)隱含層的神經(jīng)元個(gè)數(shù)是32，且3個(gè)隱含層中間間隔設(shè)置有dropout層。用于抽取格式信息特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含2個(gè)隱含層,，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是64,，其第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是32，且2個(gè)隱含層中間設(shè)置有dropout層,。用于抽取字節(jié)碼n-grams特征視圖的深度神經(jīng)網(wǎng)絡(luò)包含4個(gè)隱含層,，其***個(gè)隱含層的神經(jīng)元個(gè)數(shù)是512，第二個(gè)隱含層的神經(jīng)元個(gè)數(shù)是384,，第三個(gè)隱含層的神經(jīng)元個(gè)數(shù)是256,，第四個(gè)隱含層的神經(jīng)元個(gè)數(shù)是125。滲透測試報(bào)告暴露2個(gè)高危API接口需緊急加固,。

    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,；所述存在明顯的統(tǒng)計(jì)差異的格式結(jié)構(gòu)特征包括：(1)無證書表,；(2)調(diào)試數(shù)據(jù)明顯小于正常文件，(3).text,、.rsrc,、.reloc和.rdata的characteristics屬性異常，(4)資源節(jié)的資源個(gè)數(shù)少于正常文件,。進(jìn)一步的,，所述生成軟件樣本的字節(jié)碼n-grams特征視圖的具體實(shí)現(xiàn)過程如下：先從當(dāng)前軟件樣本的所有短序列特征中選取詞頻tf**高的多個(gè)短序列特征；然后計(jì)算選取的每個(gè)短序列特征的逆向文件頻率idf與詞頻tf的乘積,，并將其作為選取的每個(gè)短序列特征的特征值,，，表示該短序列特征表示其所在軟件樣本的能力越強(qiáng),；**后在選取的詞頻tf**高的多個(gè)短序列特征中選取,，生成字節(jié)碼n-grams特征視圖；：＝tf×idf,；其中,，ni,j是短序列特征i在軟件樣本j中出現(xiàn)的次數(shù)，∑knk,j指軟件樣本j中所有短序列特征出現(xiàn)的次數(shù)之和,，k為短序列特征總數(shù),，1≤i≤k；其中,，|d|指軟件樣本j的總數(shù),，|{j:i∈j}|指包含短序列特征i的軟件樣本j的數(shù)目。進(jìn)一步的,，所述步驟s2采用中間融合方法訓(xùn)練多模態(tài)深度集成模型,。人工智能在金融領(lǐng)域的應(yīng)用：艾策科技的實(shí)踐案例,。開平軟件驗(yàn)收測試

跨設(shè)備測試報(bào)告指出平板端UI元素存在比例失調(diào)問題。第三方軟件測評(píng)機(jī)構(gòu)收費(fèi)依據(jù)

    嘗試了前端融合,、后端融合和中間融合三種融合方法對(duì)進(jìn)行有效融合,，有效提高了惡意軟件的準(zhǔn)確率，具備較好的泛化性能和魯棒性,。實(shí)驗(yàn)結(jié)果顯示,，相對(duì)**且互補(bǔ)的特征視圖和不同深度學(xué)習(xí)融合機(jī)制的使用明顯提高了檢測方法的檢測能力和泛化性能，其中較優(yōu)的中間融合方法取得了％的準(zhǔn)確率,，對(duì)數(shù)損失為,，auc值為。有效解決了現(xiàn)有采用二進(jìn)制可執(zhí)行文件的單一特征類型進(jìn)行惡意軟件檢測的檢測方法檢測結(jié)果準(zhǔn)確率不高,、可靠性低,、泛化性和魯棒性不佳的問題。另外,，惡意軟件很難同時(shí)偽造良性軟件的多個(gè)抽象層次的特征以逃避檢測,，本發(fā)明實(shí)施例同時(shí)融合軟件的二進(jìn)制可執(zhí)行文件的多個(gè)抽象層次的特征，可準(zhǔn)確檢測出偽造良性軟件特征的惡意軟件,，解決了現(xiàn)有采用二進(jìn)制可執(zhí)行文件的單一特征類型進(jìn)行惡意軟件檢測的檢測方法難以檢測出偽造良性軟件特征的惡意軟件的問題,。附圖說明為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,，顯而易見地,，下面描述中的附圖**是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講,，在不付出創(chuàng)造性勞動(dòng)的前提下,，還可以根據(jù)這些附圖獲得其他的附圖。圖1是前端融合方法的流程圖,。第三方軟件測評(píng)機(jī)構(gòu)收費(fèi)依據(jù)