基于多示例学习的恶意软件分类方法

本发明属于恶意软件检测技术领域，具体涉及一种基于多示例学习的恶意软件分类方法。包括以下步骤：将恶意软件代码样本二进制文件转换为灰度图像；构建基于注意力机制的深度多示例学习模型；利用多示例学习技术，将灰度图像分成224×224像素的块，以创建示例包；使用卷积神经网络提取示例包中每个示例的特征向量；通过门控注意力机制和非线性激活函数为每个特征向量分配一个重要性分数；利用重要性分数计算示例的加权平均值；对最终的示例包表示进行分类。本发明引入多示例学习技术，模型的输入不需要为固定大小，更好的保留了恶意软件图像的特征，从而提高模型的鲁棒性，提高了模型在应对混淆、对抗性放大攻击时的能力。