1.一种恶意软件家族分类方法,其特征在于,包括:
获取待分析应用的字节码文件和配置文件,基于字节码文件和配置文件分别得到RGB图像;
基于所设计的编码器对所述RGB图像进行特征提取,以获得判别性特征向量;
对每个RGB图像通过数据增强生成样本对,利用监督对比学习方法优化嵌入空间,使同类样本的特征向量彼此靠近、异类样本的特征向量彼此远离,从而对所述编码器进行学习训练;
将经监督对比学习训练得到的编码器用于提取各类别样本的特征向量,基于层次聚类与轮廓系数将同类特征向量划分为多个子簇并进行加权融合生成类别原型,依据查询样本与各类别原型的距离完成恶意软件家族分类。
2.根据权利要求1所述的恶意软件家族分类方法,其特征在于,所述获取待分析应用的字节码文件和配置文件,基于字节码文件和配置文件分别得到为RGB图像,包括:将字节码文件流映射为RGB图像的R通道;
将配置文件映射为RGB图像的G通道;
基于字节码文件的字节流计算局部熵特征,并将得到的局部熵特征映射为RGB图像的B通道。
3.根据权利要求2所述的恶意软件家族分类方法,其特征在于,所述获取待分析应用的字节码文件和配置文件,基于字节码文件和配置文件分别得到为RGB图像,包括:将R通道重构为二维矩阵,R通道重构为二维矩阵时,依据字节流长度动态选择矩阵宽度,并进行零填充后将矩阵通过双线性插值缩放至设定像素,并采用校正技术增强图像对比度和亮度;
将G通道重构为二维矩阵,G通道重构为二维矩阵时,采用固定宽度,进行零填充后通过双线性插值缩放至设定像素,并采用校正技术增强图像对比度和亮度;
将B通道重构为二维矩阵,B通道重构为二维矩阵时,基于字节码文件字节流按固定宽度进行局部熵特征计算和矩阵重构后,直接通过双线性插值缩放至设定像素。
4.根据权利要求3所述的恶意软件家族分类方法,其特征在于,所述依据字节流长度动态选择矩阵宽度,包括:,其中,为图像宽度,为字节流长度。
5.根据权利要求3所述的恶意软件家族分类方法,其特征在于,所述将B通道重构为二维矩阵,包括:采用滑动窗口方法提取字节级局部熵特征,对字节流进行滑动计算,对每个窗口计算其香农熵,从而得到一维熵序列;
一维熵序列经零填充后按固定宽度重构为二维矩阵,并将熵值归一化处理。
6.根据权利要求1所述的恶意软件家族分类方法,其特征在于,所述编码器包括:DenseNet-121主干网络、CBAM注意力机制模块和特征压缩投影层;
DenseNet-121主干网络通过四个稠密块提取多层特征;
CBAM注意力机制模块通过通道注意力模块和空间注意力模块分别从通道和空间维度生成注意力图;
DenseNet-121主干网络和CBAM注意力机制模块提取的特征图相结合后经过特征压缩投影层映射到低维嵌入空间,并进行L2归一化。
7.根据权利要求1所述的恶意软件家族分类方法,其特征在于,所述对每个RGB图像通过数据增强生成样本对,利用监督对比学习方法优化嵌入空间,使同类样本的特征向量彼此靠近、异类样本的特征向量彼此远离,包括:将样本对输入到编码器后得到嵌入表示;
嵌入表示中的每个嵌入特征被视为锚点,通过监督对比损失函数寻找与锚点标签相同的样本作为正样本集合,并将不同类别的样本作为负样本集合。
8.根据权利要求1所述的恶意软件家族分类方法,其特征在于,所述将经监督对比学习训练得到的编码器用于提取各类别样本的特征向量,基于层次聚类与轮廓系数将同类特征向量划分为多个子簇并进行加权融合生成类别原型,依据查询样本与各类别原型的距离完成恶意软件家族分类,包括:经监督对比学习训练得到的编码器提取的各类别样本的特征向量直接采用层次聚类方法进行聚类;在聚类过程中对不同聚类层级的结果利用轮廓系数进行定量评估,以衡量聚类结果的类内紧密度和类间分离度;根据评估结果从多个候选聚类方案中选择聚类效果最佳的方案,并将所选聚类结果用于后续的原型生成和恶意软件家族分类。
9.根据权利要求8所述的恶意软件家族分类方法,其特征在于,所述在聚类过程中对不同聚类层级的结果利用轮廓系数进行定量评估,包括:以每个样本作为独立簇开始,计算簇间距离,逐步合并距离最小的簇对,构建完整的聚类树;
在不同的剪枝层级上对树结构进行切割,从而得到不同数量的簇划分结果,并使用轮廓系数评估每种划分方案的聚类质量;
轮廓系数基于第j个样本与其所在簇内其他样本的平均距离,第j个样本与最近的其他簇中所有样本的平均距离以及当前类别中支持样本的总数计算得到;
根据评估聚类质量结果从多个候选聚类方案中选择聚类效果最佳的方案,采用轮廓系数最高的一次聚类结果作为最终聚类结果,并将该聚类得到的所有簇中心表示为:,其中表示家族i中第j个子簇的中心向量,为该类的最终聚类数,集合表征了家族i在支持集中所呈现的潜在子结构分布。
10.根据权利要求9所述的恶意软件家族分类方法,其特征在于,得到所有簇中心表示后,还包括:在推理阶段,针对任意查询样本,首先计算查询样本与各子簇中心之间的距离,再通过softmax函数计算各簇中心对该查询样本的响应权重,并将加权融合后的动态原型作为该查询样本在第i类下的表示,最终将该查询样本分配至与其动态原型距离最小的类别。