一种应用于恶意软件识别的模型训练方法及相关设备

本申请属于计算机安全技术领域，涉及一种应用于恶意软件识别的模型训练方法及相关设备，该方法包括：在系统数据库中获取历史数据集；根据预设向量化技术对历史数据集进行特征提取操作，得到历史特征向量；根据分层抽样法将历史特征向量划分为训练特征向量以及测试特征向量；构建初始化的恶意软件识别模型，根据训练特征向量对初始化的恶意软件识别模型进行模型训练操作，得到中间恶意软件识别模型；根据Adam优化器、二元交叉熵损失函数以及测试特征向量对中间恶意软件识别模型进行参数优化操作，得到训练好的恶意软件识别模型。本申请训练得到的恶意软件识别模型实现了93.71％的检测准确率，相比CNN模型提高了19个百分点，相比CNN‑LSTM模型提高了18个百分点。