摘要
一种基于API序列特征重构的恶意代码检测模型安全评估方法,属于软件安全技术领域。本发明聚焦于恶意代码检测模型的这一缺陷,针对使用API序列作为特征的恶意代码检测模型,构建大规模样本集,从样本集中提取API序列,经过特征工程的处理之后作为模型的输入,构建待检测模型的拟合模型。用模型解释算法解释特征,分析得到各个特征对模型分类结果的影响,其中黑特征有利于模型将样本分类为恶意,白特征有利于模型将样本分类为良性。在不改变样本原始功能的前提下,使用插入新节的二进制重写方法尝试破坏黑特征,生成测试样本,用来评估模型的安全性。本发明可以有效地验证恶意代码检测模型的安全性,辅助恶意代码检测模型的加固与修复。
技术关键词
序列特征
重写方法
验证恶意代码
重构
特征工程
恶意样本
条目
指令
动态链接库
机器学习模型
分析方法
算法
报告
沙箱
矩阵
数据
软件