摘要
本发明涉及一种基于符号化切片和深度神经网络的恶意程序检测方法,属于计算机科学与技术领域。以恶意程序中的各类关键代码段为研究对象,基于加权综合多分段纹理指纹相似性匹配方法,结合灰阶图确定恶意代码的特征指标。应用符号化切片技术对待分析的程序进行分析,确定其运行结构并提取关键的代码段,根据符号化切片结果提取其特征并实现恶意程序工作原理的可视化。通过深度神经网络和程序切片相结合的方法,能够提高检测的精度和速度。从而实现恶意软件工作原理的可视化,为后续针对性开展恶意程序防治和监控等工作带来了一定的便利。
技术关键词
恶意程序检测方法
深度神经网络
对源程序
语句
动态切片
二分类模型
交互特征
数据依赖关系
切片技术
节点
变量
相似性匹配方法
变换特征
定义
纹理特征
灰度共生矩阵
系统为您推荐了相关专利信息
原始图像数据
像素
年龄
Softmax函数
数据处理模块
查询控制方法
知识图谱构建
BIM模型数据
自然语言
语义
表观遗传修饰
多任务学习模型
特征提取模块
序列
植物表观遗传学
查询词语
数据查询方法
生成结构化信息
查询意图
语句