一种基于关联感知图增强卷积的恶意代码检测方法

本发明公开了一种基于关联感知图增强卷积的恶意代码检测方法，涉及网络空间安全技术领域，解决了现有技术中恶意代码检测方法检测精度及适应性差的问题。本发明能充分利用代码语法树及其结构化信息，增强不同代码片段间的语义关联。此外，通过GCN与关联增强机制的有机结合，能够自动提取代码的高阶结构特征与行为模式。即便在恶意代码进行了混淆重排或运行时加壳后，其潜在的攻击逻辑仍能被准确捕捉，有效提升了检测模型的泛化能力与准确率。而且，本发明在图增强过程中融入标签相关性建模，既能在同一标签内部进行精细信息聚合，又可跨标签传递关键信息，在面对恶意攻击者构造的对抗样本时，仍能保持稳定、可靠的检测性能。