基于深度學習的惡意軟件動態檢測方法研究

張皓

（鄭州工業應用技術學院 河南省鄭州市 451100）

惡意軟件是互聯網發展過程中產生的未經用戶許可，強行運行，影響用戶使用的病毒，又被稱為流氓軟件。計算機技術的進步也導致流氓軟件的數量越來越多，組成也越來越復雜，嚴重影響了網絡安全，除此之外，受信息技術的影響，惡意軟件的攻擊方法也在不斷更新，因此急需對惡意軟件進行檢測，傳統的惡意軟件檢測方法受到惡意軟件數量和攻擊方式的限制，無法滿足現有的檢測需求，仍然依賴人工方法提取檢測中的相關信息，因此無法滿足現有的檢測需求，急需設計一種新的惡意軟件動態檢測方法來解決現有的惡意軟件動態檢測問題。

智能設備的普及化拓寬了惡意軟件的傳播通道，越來越多的惡意軟件利用信息傳播的快捷性非法竊取用戶信息，給用戶網絡信息安全帶來很大的威脅，因此惡意軟件已經成為影響用戶網絡安全的重要問題，相關研究人員調查了2018年惡意軟件的變化情況，結果表明惡意軟件數量快速增加，在一個季度中的樣本總數量甚至突破了6300 萬個，且呈持續增加趨勢，在這種情況下各個網絡安全公司紛紛研究了相關的惡意軟件動態檢測方法，但受特征碼限制，這些檢測方法都具有十分明顯的缺點，深度學習可以根據樣本的表達規律進行智能化分析識別，在惡意軟件的特征識別中效果較突出，因此本文基于深度學習設計了新的惡意軟件動態檢測方法，為后續惡意軟件的攔截及網絡安全環境的維護作貢獻。……