后端融合模型的10折交叉驗證的準(zhǔn)確率是％，對數(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個隱含層,，其***個隱含層的神經(jīng)元個數(shù)是128，第二個隱含層的神經(jīng)元個數(shù)是64,，第三個隱含層的神經(jīng)元個數(shù)是32,，且3個隱含層中間間隔設(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個隱含層,，其***個隱含層的神經(jīng)元個數(shù)是64,，其第二個隱含層的神經(jīng)元個數(shù)是32，且2個隱含層中間設(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個隱含層,，其***個隱含層的神經(jīng)元個數(shù)是512，第二個隱含層的神經(jīng)元個數(shù)是384,，第三個隱含層的神經(jīng)元個數(shù)是256,，第四個隱含層的神經(jīng)元個數(shù)是125,。艾策科技案例研究：某跨國企業(yè)的數(shù)字化轉(zhuǎn)型實踐。云南軟件評測公司

    先將訓(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特征視圖分別輸入至一個深度神經(jīng)網(wǎng)絡(luò)中抽取高等特征表示,，然后合并抽取的高等特征表示并將其作為下一個深度神經(jīng)網(wǎng)絡(luò)的輸入進行模型訓(xùn)練，得到多模態(tài)深度集成模型,。進一步的,，所述多模態(tài)深度集成模型的隱藏層的***函數(shù)采用relu，輸出層的***函數(shù)采用sigmoid,，中間使用dropout層進行正則化,，優(yōu)化器采用adagrad。進一步的,，所述訓(xùn)練得到的多模態(tài)深度集成模型中,，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個隱含層，且3個隱含層中間間隔設(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個隱含層,，且2個隱含層中間設(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個隱含層,，且4個隱含層中間間隔設(shè)置有dropout層,；用于輸入合并抽取的高等特征表示的深度神經(jīng)網(wǎng)絡(luò)包含2個隱含層，且2個隱含層中間設(shè)置有dropout層,；所述dropout層的dropout率均等于,。本發(fā)明實施例的有益效果是，提出了一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測方法,，應(yīng)用了多模態(tài)深度學(xué)習(xí)方法來融合dll和api,、格式結(jié)構(gòu)信息、字節(jié)碼n-grams特征,。醫(yī)療軟件安全評測價格用戶體驗測評中界面交互評分低于同類產(chǎn)品均值15.6%,。

    坐標(biāo)點(0,1)**一個完美的分類器，它將所有的樣本都正確分類,。roc曲線越接近左上角,，該分類器的性能越好。從圖9可以看出,，該方案的roc曲線非常接近左上角,，性能較優(yōu)。另外,，前端融合模型的auc值為,。(5)后端融合后端融合的架構(gòu)如圖10所示，后端融合方式用三種模態(tài)的特征分別訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型,，然后進行決策融合,，隱藏層的***函數(shù)為relu,，輸出層的***函數(shù)是sigmoid，中間使用dropout層進行正則化,，防止過擬合,，優(yōu)化器(optimizer)采用的是adagrad,，batch_size是40,。本次實驗使用了80％的樣本訓(xùn)練，20％的樣本驗證,，訓(xùn)練50個迭代以便于找到較優(yōu)的epoch值,。隨著迭代數(shù)的增加，后端融合模型的準(zhǔn)確率變化曲線如圖11所示,，模型的對數(shù)損失變化曲線如圖12所示,。從圖11和圖12可以看出，當(dāng)epoch值從0增加到5過程中,，模型的訓(xùn)練準(zhǔn)確率和驗證準(zhǔn)確率快速提高,，模型的訓(xùn)練對數(shù)損失和驗證對數(shù)損失快速減少；當(dāng)epoch值從5到50的過程中,，前端融合模型的訓(xùn)練準(zhǔn)確率和驗證準(zhǔn)確率小幅提高,，訓(xùn)練對數(shù)損失和驗證對數(shù)損失緩慢下降；綜合分析圖11和圖12的準(zhǔn)確率和對數(shù)損失變化曲線,，選取epoch的較優(yōu)值為40,。確定模型的訓(xùn)練迭代數(shù)為40后，進行了10折交叉驗證實驗,。

    特征之間存在部分重疊,，但特征類型間存在著互補，融合這些不同抽象層次的特征可更好的識別軟件的真正性質(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偽造多個抽象層次的特征逃避檢測,?；谠撚^點，本發(fā)明實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,，以實現(xiàn)對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)前軟件樣本的二進制可執(zhí)行文件的dll和api信息的特征表示,。對當(dāng)前軟件樣本的二進制可執(zhí)行文件進行格式結(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制可執(zhí)行文件的pe格式結(jié)構(gòu)信息的特征表示,。安全掃描確認(rèn)軟件通過ISO 27001標(biāo)準(zhǔn),，無高危漏洞記錄。

    快速原型模型部分需求-原型-補充-運行外包公司預(yù)先不能明確定義需求的軟件系統(tǒng)的開發(fā),，更好的滿足用戶需求并減少由于軟件需求不明確帶來的項目開發(fā)風(fēng)險,。不適合大型系統(tǒng)的開發(fā)，前提要有一個展示性的產(chǎn)品原型,，在一定程度上的補充,，限制開發(fā)人員的創(chuàng)新。螺旋模型每次功能都要**行風(fēng)險評估,，需求設(shè)計-測試很大程度上是一種風(fēng)險驅(qū)動的方法體系,，在每個階段循環(huán)前，都進行風(fēng)險評估,。需要有相當(dāng)豐富的風(fēng)險評估經(jīng)驗和專門知識,，在風(fēng)險較大的項目開發(fā)中，很有必要,，多次迭代,，增加成本。軟件測試模型需求分析-概要設(shè)計-詳細(xì)設(shè)計-開發(fā)-單元測試-集成測試-系統(tǒng)測試-驗收測試***清楚標(biāo)識軟件開發(fā)的階段包含底層測試和高層測試采用自頂向下逐步求精的方式把整個開發(fā)過程分成不同的階段,，每個階段的工作都很明確,，便于控制開發(fā)過程。缺點程序已經(jīng)完成,，錯誤在測試階段發(fā)現(xiàn)或沒有發(fā)現(xiàn),，不能及時修改而且需求經(jīng)常變化導(dǎo)致V步驟反復(fù)執(zhí)行，工作量很大,。W模型開發(fā)一個V測試一個V用戶需求驗收測試設(shè)計需求分析系統(tǒng)測試設(shè)計概要設(shè)計集成測試設(shè)計詳細(xì)設(shè)計單元測試設(shè)計編碼單元測試集成集成測試運行系統(tǒng)測試交付驗收測試***測試更早的介入,，可以發(fā)現(xiàn)開發(fā)初期的缺陷。艾策檢測針對智能穿戴設(shè)備開發(fā)動態(tài)壓力測試系統(tǒng),，確保人機交互的舒適性與安全性,。廣東軟件驗收檢測報告

從傳統(tǒng)到智能：艾策科技助力制造業(yè)升級之路。云南軟件評測公司

    以備實際測試嚴(yán)重偏離計劃時使用,。在TMM的定義級,，測試過程中引入計劃能力,，在TMM的集成級，測試過程引入控制和監(jiān)視活動,。兩者均為測試過程提供了可見性,，為測試過程持續(xù)進行提供保證。第四級管理和測量級在管理和測量級,，測試活動除測試被測程序外,，還包括軟件生命周期中各個階段的評審，審查和追查,，使測試活動涵蓋了軟件驗證和軟件確認(rèn)活動,。根據(jù)管理和測量級的要求,，軟件工作產(chǎn)品以及與測試相關(guān)的工作產(chǎn)品,，如測試計劃，測試設(shè)計和測試步驟都要經(jīng)過評審,。因為測試是一個可以量化并度量的過程,。為了測量測試過程，測試人員應(yīng)建立測試數(shù)據(jù)庫,。收集和記錄各軟件工程項目中使用的測試用例,，記錄缺陷并按缺陷的嚴(yán)重程度劃分等級。此外,，所建立的測試規(guī)程應(yīng)能夠支持軟件組終對測試過程的控制和測量,。管理和測量級有3個要實現(xiàn)的成熟度目標(biāo):建立**范圍內(nèi)的評審程序，建立測試過程的測量程序和軟件質(zhì)量評價,。(I)建立**范圍內(nèi)的評審程序軟件**應(yīng)在軟件生命周期的各階段實施評審,，以便盡早有效地識別,，分類和消除軟件中的缺陷,。建立評審程序有4個子目標(biāo):1)管理層要制訂評審政策支持評審過程。2)測試組和軟件質(zhì)量保證組要確定并文檔化整個軟件生命周期中的評審目標(biāo),，評審計劃,。云南軟件評測公司