欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024104622765
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,包括:S1:获取软件UI界面的活动转移图ATG,依据所述活动转移图ATG对源程序进行切片,并获取源程序代码片段的向量表示,得到编程语言模态信息;将软件的可执行代码用RGB图像表示,并获取RGB图像的向量表示,得到机器语言模态信息;

S2:建立基于多头自注意力机制的双模态信息融合模块,基于所述编程语言模态信息和所述机器语言模态信息生成预训练数据集;

以所述预训练数据集为输入,通过自监督对比学习策略预训练所述双模态信息融合模块,以实现所述编程语言模态信息和所述机器语言模态信息在融合过程中的特征对齐;

S3:在所述双模态信息融合模块的输出端添加恶意行为识别模块,所述恶意行为识别模块由前馈网络和带有Sigmoid激活函数的输出层构成;

基于所述编程语言模态信息和所述机器语言模态信息生成训练数据集;

以所述训练数据集为输入,依据二元交叉熵损失训练所述恶意行为识别模块,通过前馈网络反馈所述双模态信息融合模块的调优信息,通过输出层输出恶意行为识别结果。

2.如权利要求1的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,所述S1中,所述编程语言模态信息的解析过程如下:通过动态分析源程序获取软件运行时的UI界面状态及跳转关系,建立所述活动转移图ATG;

通过反编译方法解析所述活动转移图ATG中节点对应的源程序代码片段;

利用UniXcoder模型获取源程序代码片段的向量表示,组成所述编程语言模态信息。

3.如权利要求2的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,通过DROIDBOT动态分析源程序获取软件运行时的UI界面状态及跳转关系。

4.如权利要求1的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,所述S1中,所述机器语言模态信息的解析过程如下:从软件的可执行代码中提取字节码,并转化为十六进制数,将连续的3个十六进制数分别作为代表RGB通道的三个值,得到表示不同颜色通道的图像矩阵构成RGB图像;

将RGB图像分割为N个补丁,通过ResNet模型将每个补丁转换为向量表示,组成所述机器语言模态信息。

5.如权利要求1的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,所述预训练数据集的生成过程为:将同一软件的所述编程语言模态信息和所述机器语言模态信息构建为特征数据对以0.5的概率随机将特征数据对

将正样本和负样本合并构成所述预训练数据集,其中特征数据对表示为:其中,

6.如权利要求5的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,通过自监督对比学习策略预训练所述双模态信息融合模块的过程如下:选择一个由2层的Transformer编码器构成的特征融合神经网络和带有softmax层的全连接层网络结构构建所述双模态信息融合模块,Transformer编码器的输入维度为768,注意力头的数量为6;

将所述预训练数据集中所有特征数据对输入特征融合神经网络,将其输出中[CLS]标记的向量作为融合向量,将融合向量输入带有softmax层的全连接层网络结构,用于判断特征数据对中的所述编程语言模态信息和所述机器语言模态信息是否属于同一软件,即是否实现特征对齐;

定义所述编程语言模态信息和所述机器语言模态信息的匹配损失函数其中,

利用所述预训练数据集对所述双模态信息融合模块进行预训练,预训练目标为优化匹配损失函数

7.如权利要求6的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,所述训练数据集的生成过程为:在所有软件将由同一软件的所述编程语言模态信息和所述机器语言模态信息构建的特征数据对和真实标签将样本数据划分为所述训练数据集和测试数据集。

8.如权利要求7的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,所述恶意行为识别模块的训练过程如下:定义二元交叉熵作为所述恶意行为识别模块训练的目标函数

其中,

将所述训练数据集中的样本数据输入所述双模态信息融合模块,所述双模态信息融合模块进行特征融合,融合向量输入所述恶意行为识别模块进行训练,训练目标为优化目标函数

9.如权利要求7的基于源程序与可执行代码双模态融合的恶意行为识别方法,其特征在于,利用所述测试数据集对所述恶意行为识别模块输出的恶意行为识别结果进行验证。