1.一种恶意软件检测方法,其特征在于,所述方法包括:获取目标软件的网络流量数据,所述网络流量数据包括所述目标软件在至少一个时间段的网络流量;
根据所述目标软件的网络流量数据,构建所述目标软件的网络流节点交互图;所述网络流量数据包括五元组,所述网络流节点交互图包括源节点和源节点之间的源指向边,所述源节点由所述五元组中源标识和目标标识形成,所述源指向边表示所述五元组中源标识形成的源节点指向所述目标标识形成的源节点;
从所述目标软件的网络流节点交互图中提取所述目标软件的节点结构特征,并获取所述网络流节点交互图对应的流量统计特征;
根据所述目标软件的节点结构特征和所述流量统计特征,检测所述目标软件是否为恶意软件;
所述从所述目标软件的网络流节点交互图中提取所述目标软件的节点结构特征,并获取所述网络流节点交互图对应的流量统计特征,包括:根据所述目标软件的网络流节点交互图,获取所述目标软件的节点结构特征;
从所述目标软件的网络流量数据中,获取所述网络流节点交互图对应的流量统计特征;
所述根据所述目标软件的节点结构特征和所述流量统计特征,检测所述目标软件是否为恶意软件,包括:将所述节点结构特征添加到所述网络流节点交互图中;
将所述网络流节点交互图中的源指向边转换为节点,并构建边节点图;
将所述流量统计特征添加到所述边节点图中;
将所述网络流节点交互图和所述边节点图输入至预先训练的软件分类模型,检测所述目标软件是否为恶意软件。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标软件的网络流量数据,构建所述目标软件的网络流节点交互图,包括:在所述目标软件的网络流量数据中,提取目标数量的时间段的网络流量,所述目标数量的时间段的网络流量的流量数量大于等于预设流量数量阈值;其中,所述网络流量数据通过周期性间隔时间段采集所述目标软件的网络流量得到;
根据所述目标数量的时间段的网络流量,构建所述目标软件的网络流节点交互图。
3.根据权利要求2所述的方法,其特征在于,所述网络流量数据包括:五元组;所述流量数量为五元组的数量;
所述根据所述目标软件的网络流量数据,构建所述目标软件的网络流节点交互图,包括:针对所述目标数量的时间段内的五元组,将所述五元组中源标识和目标标识,确定为源节点,并生成所述源标识形成的源节点指向所述目标标识形成的源节点的源指向边;
将所述五元组添加到所述五元组中源标识形成的源节点中;
将在所述目标数量的时间段内的各源节点和各源节点之间的源指向边,生成所述目标软件的网络流节点交互图。
4.根据权利要求1所述的方法,其特征在于,所述将所述网络流节点交互图和所述边节点图输入至预先训练的软件分类模型,检测所述目标软件是否为恶意软件,包括:将所述网络流节点交互图和所述边节点图输入到预先训练的软件分类模型中,所述软件分类模型包括串接的至少两层特征提取网络;
通过所述软件分类模型中首个特征提取网络对所述网络流节点交互图和所述边节点图进行特征提取,并输出中间特征向量和中间输出特征;
通过所述软件分类模型中除首个特征提取网络之外的中间特征提取网络对前一特征提取网络输出的中间输出特征进行处理,并输出中间特征向量和中间输出特征;
通过所述软件分类模型中末个特征提取网络对前一特征提取网络输出的中间输出特征进行处理,并输出中间特征向量;
通过所述软件分类模型中特征融合层,对各特征提取网络输出的中间特征向量进行融合;
通过所述软件分类模型中分类层,对融合得到的结果进行分类,检测所述目标软件是否为恶意软件。
5.根据权利要求1所述的方法,其特征在于,所述软件分类模型的训练步骤如下:获取训练数据,所述训练数据包括样本软件在至少一个时间段的网络流量和所述样本软件是否为恶意软件的真值;所述样本软件的数量为至少一个;
在所述训练数据中,提取同一样本软件的样本数量的时间段的网络流量;其中,所述样本数量的时间段的网络流量的流量数量大于等于预设流量数量阈值;
根据所述样本数量的时间段的网络流量,构建所述样本软件的网络流节点交互图;
从所述样本软件的网络流节点交互图中提取所述样本软件的节点结构特征;
在所述样本数量的时间段的网络流量中获取所述样本软件的网络流节点交互图对应的流量统计特征;
根据所述样本软件的节点结构特征和流量统计特征,和所述样本软件是否为恶意软件的真值,确定为训练样本;
将所述训练样本输入至软件分类模型中,对所述软件分类模型进行训练,计算训练损失值;
返回执行在所述训练数据中,提取同一样本软件的样本数量的时间段的网络流量的步骤,直至所述训练损失值满足训练完成条件,确定所述软件分类模型训练完成。
6.根据权利要求1所述的方法,其特征在于,所述将所述网络流节点交互图中的源指向边转换为节点,并构建边节点图,包括:从所述网络流节点交互图中提取源指向边,并确定为边节点;
在所述网络流节点交互图中,在两个源指向边指向同一源节点时,将所述同一源节点,确定为所述两个源指向边形成的两个边节点之间的边指向边,且指向方向是双向指向;
在所述网络流节点交互图中,在第一源指向边指向的第一源节点存在第二源指向边,且所述第二源指向边指向第二源节点时,将所述第一源节点确定为所述第一源指向边形成的边节点和所述第二源指向边形成的边节点之间的边指向边,且指向方向是由所述第一源指向边形成的边节点指向所述第二源指向边形成的边节点;其中,所述第一源节点和所述第二源节点不同;
根据各所述边节点和所述边节点的指向边,生成边节点图。
7.一种恶意软件检测装置,其特征在于,包括:
网络流量获取模块,用于获取目标软件的网络流量数据,所述网络流量数据包括所述目标软件在至少一个时间段的网络流量;
节点交互图构建模块,用于根据所述目标软件的网络流量数据,构建所述目标软件的网络流节点交互图;所述网络流量数据包括五元组,所述网络流节点交互图包括源节点和源节点之间的源指向边,所述源节点由所述五元组中源标识和目标标识形成,所述源指向边表示所述五元组中源标识形成的源节点指向所述目标标识形成的源节点;
特征提取模块,用于从所述目标软件的网络流节点交互图中提取所述目标软件的节点结构特征,并获取所述网络流节点交互图对应的流量统计特征;
软件类型检测模块,用于根据所述目标软件的节点结构特征和所述流量统计特征,检测所述目标软件是否为恶意软件;
所述特征提取模块,具体用于:
根据所述目标软件的网络流节点交互图,获取所述目标软件的节点结构特征;
从所述目标软件的网络流量数据中,获取所述网络流节点交互图对应的流量统计特征;
所述软件类型检测模块,具体用于:
将所述节点结构特征添加到所述网络流节点交互图中;
将所述网络流节点交互图中的源指向边转换为节点,并构建边节点图;
将所述流量统计特征添加到所述边节点图中;
将所述网络流节点交互图和所述边节点图输入至预先训练的软件分类模型,检测所述目标软件是否为恶意软件。
8. 一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的恶意软件检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的恶意软件检测方法。