在不知道多長的子序列能更好的表示可執(zhí)行文件的情況下,，只能以固定窗口大小在字節(jié)碼序列中滑動,，產(chǎn)生大量的短序列，由機器學(xué)習(xí)方法選擇可能區(qū)分惡意軟件和良性軟件的短序列作為特征,，產(chǎn)生短序列的方法叫n-grams,?！?80074ff13b2”的字節(jié)碼序列，如果以3-grams產(chǎn)生連續(xù)部分重疊的短序列,，將得到“080074”,、“0074ff”、“74ff13”,、“ff13b2”四個短序列,。每個短序列特征的權(quán)重表示有多種方法。**簡單的方法是如果該短序列在具體樣本中出現(xiàn),，就表示為1,；如果沒有出現(xiàn)，就表示為0,，也可以用,。本實施例采用3-grams方法提取特征，3-grams產(chǎn)生的短序列非常龐大,，將產(chǎn)生224＝(16,777,216)個特征,，如此龐大的特征集在計算機內(nèi)存中存儲和算法效率上都是問題。如果短序列特征的tf較小,，對機器學(xué)習(xí)可能沒有意義,，選取了tf**高的5000個短序列特征，計算每個短序列特征的,，每個短序列特征的權(quán)重是判斷其所在軟件樣本是否為惡意軟件的依據(jù),，也是區(qū)分每個軟件樣本的依據(jù)。(4)前端融合前端融合的架構(gòu)如圖4所示,，前端融合方式將三種模態(tài)的特征合并,，然后輸入深度神經(jīng)網(wǎng)絡(luò)，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,。跨設(shè)備測試報告指出平板端UI元素存在比例失調(diào)問題,。南京軟件測試機構(gòu)

    這種傳統(tǒng)方式幾乎不能檢測未知的新的惡意軟件種類,，能檢測的已知惡意軟件經(jīng)過簡單加殼或混淆后又不能檢測，且使用多態(tài)變形技術(shù)的惡意軟件在傳播過程中不斷隨機的改變著二進(jìn)制文件內(nèi)容,，沒有固定的特征,，使用該方法也不能檢測。新出現(xiàn)的惡意軟件,，特別是zero-day惡意軟件,，在釋放到互聯(lián)網(wǎng)前，都使用主流的反**軟件測試,，確保主流的反**軟件無法識別這些惡意軟件,，使得當(dāng)前的反**軟件通常對它們無能為力，只有在惡意軟件大規(guī)模傳染后,，捕獲到這些惡意軟件樣本,，提取簽名和更新簽名庫，才能檢測這些惡意軟件,?；跀?shù)據(jù)挖掘和機器學(xué)習(xí)的惡意軟件檢測方法將可執(zhí)行文件表示成不同抽象層次的特征，使用這些特征來訓(xùn)練分類模型,，可實現(xiàn)惡意軟件的智能檢測,，基于這些特征的檢測方法也取得了較高的準(zhǔn)確率。受文本分類方法的啟發(fā),，研究人員提出了基于二進(jìn)制可執(zhí)行文件字節(jié)碼n-grams的惡意軟件檢測方法,，這類方法提取的特征覆蓋了整個二進(jìn)制可執(zhí)行文件，包括pe文件頭,、代碼節(jié),、數(shù)據(jù)節(jié)、導(dǎo)入節(jié),、資源節(jié)等信息,，但字節(jié)碼n-grams特征通常沒有明顯的語義信息，大量具有語義的信息丟失,，很多語義信息提取不完整,。此外，基于字節(jié)碼n-grams的檢測方法提取代碼節(jié)信息考慮了機器指令的操作數(shù),。軟件功能測試報告費用安全掃描確認(rèn)軟件通過ISO 27001標(biāo)準(zhǔn),，無高危漏洞記錄,。

    此外格式結(jié)構(gòu)信息具有明顯的語義信息，但基于格式結(jié)構(gòu)信息的檢測方法沒有提取決定軟件行為的代碼節(jié)和數(shù)據(jù)節(jié)信息作為特征,。某一種類型的特征都從不同的視角反映刻畫了可執(zhí)行文件的一些性質(zhì),，字節(jié)碼n-grams、dll和api信息,、格式結(jié)構(gòu)信息都部分捕捉到了惡意軟件和良性軟件間的可區(qū)分信息,，但都存在著一定的局限性，不能充分,、綜合,、整體的表示可執(zhí)行文件的本質(zhì)，使得檢測結(jié)果準(zhǔn)確率不高,、可靠性低,、泛化性和魯棒性不佳。此外,，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。技術(shù)實現(xiàn)要素：本發(fā)明實施例的目的在于提供一種基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測方法,，以解決現(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準(zhǔn)確率不高,、檢測可靠性低、泛化性和魯棒性不佳的問題,，以及其難以檢測出偽造良性軟件特征的惡意軟件的問題,。本發(fā)明實施例所采用的技術(shù)方案是，基于多模態(tài)深度學(xué)習(xí)的惡意軟件檢測方法,，按照以下步驟進(jìn)行：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。

    3)pe可選頭部有效尺寸的值不正確,，(4)節(jié)之間的“間縫”,，(5)可疑的代碼重定向，(6)可疑的代碼節(jié)名稱,，(7)可疑的頭部***,，(8)來自，(9)導(dǎo)入地址表被修改,，(10)多個pe頭部,，(11)可疑的重定位信息，(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,。存在明顯的統(tǒng)計差異的格式結(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)的資源個數(shù)少于正常文件。生成軟件樣本的字節(jié)碼n-grams特征視圖,，是統(tǒng)計了每個短序列特征的詞頻(termfrequency,，tf)，即該短序列特征在軟件樣本中出現(xiàn)的頻率,。先從當(dāng)前軟件樣本的所有短序列特征中選取詞頻tf**高的多個短序列特征,；然后計算選取的每個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；**后在選取的詞頻tf**高的多個短序列特征中選取,，生成字節(jié)碼n-grams特征視圖,。：＝tf×idf；tf(termfrequency)是詞頻,，定義如下：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,。企業(yè)數(shù)字化轉(zhuǎn)型指南：艾策科技的實用建議,。

    幫助客戶提升內(nèi)部技術(shù)團(tuán)隊能力。例如,，某三甲醫(yī)院在采用艾策科技的醫(yī)療信息化系統(tǒng)檢測方案后,，不僅系統(tǒng)漏洞率下降45%，其IT團(tuán)隊的安全意識與應(yīng)急響應(yīng)能力也提升,。技術(shù)創(chuàng)新未來方向艾策科技創(chuàng)始人兼CTO表示：“作為軟件檢測公司,，我們始終將技術(shù)創(chuàng)新視為競爭力。未來,，公司將重點投入AI算法優(yōu)化,、邊緣計算檢測等前沿領(lǐng)域，為電力能源,、政企單位等行業(yè)提供更高效,、更智能的質(zhì)量保障服務(wù)。”深圳艾策信息科技有限公司是一家立足于粵港澳大灣區(qū),，依托信息技術(shù)產(chǎn)業(yè),，面向全國客戶提供專業(yè)、可靠服務(wù)的第三方CMACNAS檢測機構(gòu),。在檢測服務(wù)過程中,，公司始終堅持以客戶需求為本，秉承公平公正的第三方檢測要求,，遵循國家檢測標(biāo)準(zhǔn)規(guī)范,，確保檢測數(shù)據(jù)和結(jié)果準(zhǔn)確可靠，運用前沿A人工智能技術(shù)提高檢測效率,。我們追求創(chuàng)造優(yōu)異的社會價值,，我們致力于打造公司成為第三方檢測行業(yè)的行業(yè)榜樣?？煽啃栽u估連續(xù)運行72小時出現(xiàn)2次非致命錯誤,。四川軟件測試機構(gòu)

滲透測試報告暴露2個高危API接口需緊急加固。南京軟件測試機構(gòu)

    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(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。南京軟件測試機構(gòu)