1.一种恶意代码语义分析模型的生成方法,其特征在于,包括:基于Transformer架构的大语言模型中的语义映射过程函数将原始汇编代码翻译成C代码,再基于GCC编译器将C代码反向编译为新汇编代码;
基于所述原始汇编代码与所述新汇编代码之间的相似度,对所述大语言模型进行迭代求解,得到语义一致性评估模型;
将对待训练的汇编代码进行预处理后所得到的预处理数据,输入至所述语义一致性评估模型,得到文本语义信息;
基于所述文本语义信息,构建训练集,并将所述训练集输入至由BERT模型、LSTM模型、最大池化层和线性层依次连接构成的混合模型进行训练,得到恶意代码语义分析模型;
其中,所述恶意代码语义分析模型用于判断待识别的汇编代码是否为恶意代码;
基于所述原始汇编代码与所述新汇编代码之间的相似度,对所述大语言模型进行迭代求解,得到语义一致性评估模型,包括:确定所述原始汇编代码与所述新汇编代码之间的相似度;
在所述相似度小于预设相似度阈值的情况下,对所述语义映射过程函数和所述GCC编译器进行迭代;
基于迭代后的语义映射过程函数重新将所述原始汇编代码翻译成C代码,再基于迭代后的GCC编译器将重新翻译得到的C代码反向编译为新汇编代码,直至所述相似度达到相似度阈值或者迭代次数达到最大迭代次数,基于迭代后的语义映射过程函数和GCC编译器,得到语义一致性评估模型。
2.根据权利要求1所述的恶意代码语义分析模型的生成方法,其特征在于,确定所述原始汇编代码与所述新汇编代码之间的相似度,包括:提取所述原始汇编代码的操作码特征对应的第一特征向量,以及所述新汇编代码的操作码特征对应的第二特征向量;
基于所述第一特征向量与所述第二特征向量之间的余弦相似性,确定所述原始汇编代码与所述新汇编代码之间的相似度。
3.根据权利要求1所述的恶意代码语义分析模型的生成方法,其特征在于,将对待训练的汇编代码进行预处理,包括:对待训练的汇编代码进行清洗和分割,得到具有独立语义完整性的代码片段,并将所述代码片段作为预处理数据。
4.根据权利要求1所述的恶意代码语义分析模型的生成方法,其特征在于,基于所述文本语义信息,构建训练集,包括:从待训练的汇编代码中提取静态特征;
基于所述静态特征和所述文本语义信息,构建训练集。
5.根据权利要求4所述的恶意代码语义分析模型的生成方法,其特征在于,从待训练的汇编代码中提取静态特征,包括:从待训练的汇编代码中提取Windows api的文本描述信息、文件大小信息和操作码,得到静态特征。
6.根据权利要求1-5任一项所述的恶意代码语义分析模型的生成方法,其特征在于,将对待训练的汇编代码进行预处理后所得到的预处理数据,输入至所述语义一致性评估模型,得到文本语义信息,包括:将对待训练的汇编代码进行预处理后所得到的预处理数据,输入至所述语义一致性评估模型,基于所述语义一致性评估模型将所述预处理数据直接转换为第一C代码,以及将所述预处理数据转换为文本语义信息后,再将所述文本语义信息转换为第二C代码;
在所述第一C代码与所述第二C代码之间的相似度不低于预设相似度阈值的情况下,将对应的文本语义信息作为最终的文本语义信息。
7.一种恶意代码语义分析方法,其特征在于,包括:
获取待识别的汇编代码;
将对所述待识别的汇编代码进行预处理所得到的预处理数据,输入至权利要求1-6任一项所述方法得到的恶意代码语义分析模型,得到所述待识别的汇编代码是否为恶意代码的判断结果。
8.一种恶意代码语义分析模型的生成装置,其特征在于,包括:代码转换模块,用于基于Transformer架构的大语言模型中的语义映射过程函数将原始汇编代码翻译成C代码,再基于GCC编译器将C代码反向编译为新汇编代码;
模型求解模块,用于基于所述原始汇编代码与所述新汇编代码之间的相似度,对所述大语言模型进行迭代求解,得到语义一致性评估模型;
语义提取模块,用于将对待训练的汇编代码进行预处理后所得到的预处理数据,输入至所述语义一致性评估模型,得到文本语义信息;
模型训练模块,用于基于所述文本语义信息,构建训练集,并将所述训练集输入至由BERT模型、LSTM模型、最大池化层和线性层依次连接构成的混合模型进行训练,得到恶意代码语义分析模型;
其中,所述恶意代码语义分析模型用于判断待识别的汇编代码是否为恶意代码;
基于所述原始汇编代码与所述新汇编代码之间的相似度,对所述大语言模型进行迭代求解,得到语义一致性评估模型,包括:确定所述原始汇编代码与所述新汇编代码之间的相似度;
在所述相似度小于预设相似度阈值的情况下,对所述语义映射过程函数和所述GCC编译器进行迭代;
基于迭代后的语义映射过程函数重新将所述原始汇编代码翻译成C代码,再基于迭代后的GCC编译器将重新翻译得到的C代码反向编译为新汇编代码,直至所述相似度达到相似度阈值或者迭代次数达到最大迭代次数,基于迭代后的语义映射过程函数和GCC编译器,得到语义一致性评估模型。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的恶意代码语义分析模型的生成方法的步骤,或者实现如权利要求7所述的恶意代码语义分析方法的步骤。