一种基于大语言模型的恶意挖矿软件检测方法

本发明公布了一种基于大语言模型的恶意挖矿软件检测方法，通过构建了一种自学习的恶意软件分析流程，利用大语言模型的推理能力，以及少样本的学习能力对恶意软件的恶意性原因建模，实现恶意软件的推理分析与分类。主要包括恶意软件特征分类器构建，抽取二进制样本的多种恶意软件特征，训练恶意软件分类器，获取待测样本在恶意软件分类器上的分类结果，使用机器学习可解释方法抽取恶意软件分析过程的关键字符特征等步骤，本发明首次提出了基于大语言模型推理的恶意软件分析与检测方法，在获取高效的恶意软件检测效果的同时，实现了恶意软件检测结果的高可解释性分析，有助于提升网络安全应急响应的效率，为恶意软件的分析提供了高可用方案。