CN114741697A - 恶意代码分类方法、装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种恶意代码分类方法、装置、电子设备和介质，涉及网络与信息安全技术领域。其中，恶意代码分类方法包括：将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像；将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的分类特征向量；基于所述分类特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型。通过本公开的技术方案，借助同族恶意代码的图像特征具有相似性的特点，结合引入空间金字塔池化，能够保证得到的家族分类模型对恶意代码文件进行家族识别的可靠性。

Description

恶意代码分类方法、装置、电子设备和介质

技术领域

本公开涉及网络与信息安全技术领域，尤其涉及一种恶意代码分类方法、装置、电子设备和存储介质。

背景技术

由于外部因素的影响，很多公司都开设了远程办公模式，远程办公模式的普及使电子文档的网络传输的数量和频率逐渐增大，而电子文档的广泛使用，为恶意代码的传播创造了环境条件，导致恶意代码的种类和恶劣影响也在逐渐增加。

由于恶意代码通常是由某一个恶意代码团队根据某一款恶意代码逐渐迭代而成，例如恶意代码的编写者通过变形、加壳、多态等技术手段混淆现存恶意代码的特征，从而生成新的变种，以此来躲避安全软件的分析检测，因此亟需一种对恶意代码家族进行分类的方案，以识别出同族但变种的恶意代码。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种恶意代码分类方法、装置、存储介质及电子设备，至少在一定程度上克服相关技术中对恶意代码所属家族识别效果不佳的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种恶意代码分类方法，包括：将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像；将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的特征向量；基于所述特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型。

在一个实施例中，所述将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像包括：将所述恶意代码文件配置为二进制字符串；将所述二进制字符串中的每个字节基于比特位映射为像素点，以将所述二进制字符串映射为像素向量；将所述像素向量基于预设宽度变换为二维像素矩阵；对所述二维像素矩阵进行所述可视化处理，得到所述恶意代码图像。

在一个实施例中，所述将所述二进制字符串中的每个字节基于比特位映射为像素点包括：对于所述每个字节中的每个比特位基于指定计算式进行计算，得到计算结果；将所述计算结果映射到预设范围内，得到所述像素点，其中，所述指定计算式为

i为所述每个字节的字节位序，b_i为所述比特位，p为所述计算结果。

在一个实施例中，所述将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的特征向量包括：将所述恶意代码图像输入至卷积神经网络模型的卷积层，所述卷积层用于对所述恶意代码图像进行特征提取，得到图像特征；将所述图像特征输入至所述空间金字塔池化层，以输出所述统一尺寸的特征向量。

在一个实施例中，所述将所述图像特征输入至所述空间金字塔池化层，以输出所述统一尺寸的特征向量包括：基于所述卷积神经网络模型的金字塔池化层对所述图像特征执行空间金字塔池化操作，其中，在第一层金字塔，基于第一数量对所述图像特征进行配置分块，得到第一组图像分块，在第二层金字塔，基于第二数量对所述图像特征进行配置分块，得到第二组图像分块，在第三层金字塔，基于第三数量对所述图像特征进行配置分块，得到第三图像分块，以将所述第一组图像分块、所述第二组图像分块和所述第三图像分块进行连接得到所述统一尺寸的特征向量。

在一个实施例中，所述预分类的恶意代码图像被划分为训练集和验证集，由所述训练集生成训练特征向量，由所述验证集生成验证特征向量，所述基于所述特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型包括：将所述训练特征向量输入所述卷积神经网络模型的全连接层进行迭代训练；以及将所述验证特征向量输入所述全连接层以验证所述迭代训练是否完成，以验证出所述迭代训练完成时，输出所述分类模型。

在一个实施例中，所述基于所述分类模型对待识别的恶意代码文件进行所属家族的识别包括：将待识别的恶意代码文件进行可视化处理，得到待识别图像；将所述待识别图像输入所述分类模型，以得到所述统一尺寸的特征向量，作为待识别的分类特征；将所述分类特征映射到样本标记空间，以基于所述分类模型对所述样本标记空间的分类特征进行识别，基于识别结果确定所述待识别的恶意代码文件所属的恶意代码家族。

根据本公开的第二方面，提供一种恶意代码分类装置，包括：可视化处理模块，用于将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像；尺寸处理模块，用于将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的特征向量；模型训练模块，基于所述特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型。

根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；所述处理器配置为经由执行所述可执行指令来执行上述的恶意代码分类方法。

根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的恶意代码分类方法。

本公开的实施例所提供的恶意代码分类方案，通过将恶意代码文件转化为图像，进一步对图像特征进行空间金字塔池化操作，得到统一尺寸的特征向量，以基于统一尺寸的特征向量进行恶意代码的家族分类模型的模型训练，一方面，借助同族恶意代码的图像特征也具有相似性的特点，使恶意代码的家族分类模型能够基于对图像特征的训练得到，另一方面，通过引入空间金字塔池化得到多层池化特征块，并基于多层池化特征块得到特征向量，能够防止图像特征，即恶意代码特征的丢失，从而能够保证得到的家族分类模型对恶意代码文件进行家族识别的可靠性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种恶意代码分类方法流程图；

图2示出本公开实施例中另一种恶意代码分类方法流程图；

图3示出本公开实施例中另一种恶意代码分类方法流程图；

图4示出本公开实施例中一种卷积神经网络模型的示意框架图；

图5示出本公开实施例中又一种恶意代码分类方法流程图；

图6示出本公开实施例中又一种恶意代码分类方法流程图；

图7示出本公开实施例中又一种恶意代码分类方法流程图；

图8示出本公开实施例中又一种恶意代码分类方法流程图；

图9示出本公开实施例中一种恶意代码分类装置示意图；

图10示出本公开实施例中一种计算机设备的结构框图；和

图11示出本公开实施例中一种程序产品的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

随着信息化时代的到来，恶意代码的种类和影响范围都在逐渐增加。另外，由于各大公司纷纷开展网上业务，工作人员由现场办公模式转变为远程办公模式，使电子文档的使用更加广泛，为恶意代码的传播创造了良好的环境条件。由于绝大多数的恶意代码都是有家族性的，在同一恶意代码家族中，恶意代码通常是由某一个恶意代码团队根据某一款恶意代码通过变形、加壳、多态等技术手段混淆现存恶意代码的特征，从而生成新的变种，因此恶意代码分类是恶意软件检测工作中的重要步骤之一。

本申请提供的方案，通过将恶意代码文件转化为图像，进一步对图像特征进行空间金字塔池化操作，得到统一尺寸的特征向量，以基于统一尺寸的特征向量进行恶意代码的家族分类模型的模型训练，一方面，借助同族恶意代码的图像特征也具有相似性的特点，使恶意代码的家族分类模型能够基于对图像特征的训练得到，另一方面，通过引入空间金字塔池化得到多层池化特征块，并基于多层池化特征块得到特征向量，能够防止图像特征，即恶意代码特征的丢失，从而能够保证得到的家族分类模型对恶意代码文件进行家族识别的可靠性。

对恶意代码进行准确的识别和分类能及时提出恶意代码的应对方案，在最短的时间内降低未知恶意代码带来的损失，最大限度地保护自身的安全。

下面，将结合附图及实施例对本示例实施方式中的恶意代码分类方法的各个步骤进行更详细的说明。

图1示出本公开实施例中一种恶意代码分类方法流程图。

如图1所示，根据本公开的一个实施例的恶意代码分类方法，包括以下步骤：

步骤S102，将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像。

其中，可视化处理具体为利用计算机图形学和图像处理技术，将数据转换成图形或图像，并能够通过显示设备进行显示。

另外，恶意代码图像指每个像素只有一个采样颜色的图像，通过可视化处理，能够将字符对应转换为像素，基于像素生成恶意代码图像，以将恶意代码文件的分类处理过程，转换为图像分类的处理过程。

步骤S104，将恶意代码图像输入至卷积神经网络模型，以基于卷积神经网络模型的空间金字塔池化层将恶意代码图像处理为统一尺寸的特征向量。

其中，通过空间金字塔池化操作的处理，能够将不同尺寸的图像特征处理为同一尺寸的池化特征块。

例如，恶意代码图像的尺寸是224×224，提取出的图像特征的尺寸是13×13×256，即有256过滤器filter，每个filter对应一张13x13的reponse map。如果分成1×1(金字塔底座)，2×2(金字塔中间)，4×4(金字塔顶座)三张子图，分别做max pooling后，多层池化特征块的维度为(16+4+1)×256，因此即时恶意代码图像的尺寸不是224×224，仍能够得到维度为(16+4+1)×256的多层池化特征块，以保证图像特征能够尽可能地被保留，进而保证家族分类模型的训练和识别的可靠性。

步骤S106，基于特征向量对卷积神经网络模型进行模型迭代训练，以基于模型迭代训练得到恶意代码图像的分类模型，以基于分类模型对待识别的恶意代码文件进行所属家族的识别。

在该实施例中，通过将恶意代码文件转化为图像，进一步对图像特征进行空间金字塔池化操作，得到统一尺寸的特征向量，以基于统一尺寸的特征向量进行恶意代码的家族分类模型的模型训练，一方面，借助同族恶意代码的图像特征也具有相似性的特点，使恶意代码的家族分类模型能够基于对图像特征的训练得到，另一方面，通过引入空间金字塔池化得到多层池化特征块，并基于多层池化特征块得到特征向量，能够防止图像特征，即恶意代码特征的丢失，从而能够保证得到的家族分类模型对恶意代码文件进行家族识别的可靠性。

如图2所示，在一个实施例中，步骤S102中，将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像的一种具体实现方式，包括：

步骤S202，将恶意代码文件配置为二进制字符串。

步骤S204，将二进制字符串中的每个字节基于比特位映射为像素点，以将二进制字符串映射为像素向量。

其中，像素就是组成数字图像的最小单元，即一个个彩色的颜色点，像素向量则为了将像素进行实例化，以进一步生成图像。

步骤S206，将像素向量基于预设宽度变换为二维像素矩阵。

步骤S208，对二维像素矩阵进行可视化处理，得到恶意代码图像。

在该实施例中，通过配置二级制字符，以基于二级制字符的特性将每个字节基于所在的比特位映射为对应的值，以基于该值得到对应的像素点，并进一步基于像素点进行一维向量和二维矩阵的转化，得到恶意代码图像，以基于对图像特征的学习和识别，进行恶意代码的分类，从而确定该恶意代码所属的家族。

如图3所示，在一个实施例中，步骤S204中，将二进制字符串中的每个字节基于比特位映射为像素点的一种具体实现方式，包括：

步骤S302，对于每个字节中的每个比特位基于指定计算式进行计算，得到计算结果。

步骤S304，将计算结果映射到预设范围内，得到像素点。

其中，指定计算式为

i为每个字节的字节位序，b_i为比特位，p为计算结果，预设范围为[0，255]。

例如，一个八位字节为[10000001]，则对应得到的p为129。

在该实施例中，通过执行预设范围内的映射，可以将恶意代码的二进制字符串转换为一维的十进制数组P＝{p₁,p₂,…p_l}，长度为l，假设限定的恶意代码图像宽度为w，则图像的长度为

通过分别确定宽度和长度，即可得到恶意代码文件对应的二维图像。

另外，本领域的技术人员能够理解的是，图像长度的确定方式为向上取整，如果有不足的位数，则填0补充。

例如，十进制数组长度l为1055，宽度w＝32，得到的是33*32的恶意代码图像，最后一行不足的位数用0填充。

在该实施例中，通过对恶意代码文件进行数据的预处理，对于恶意代码的二进制文件，以每个字节为单位将其映射到0-255的范围内，作为一个像素点，由于同一家族内存在相似甚至相同的代码逻辑，类似的代码段在通过可视化方法转化为图像时，其图像纹理也具有很高的相似性，借助这一特点，将恶意代码转化为图像后，就能够将恶意代码的分类问题转化为恶意代码图像的分类问题。

图4示出了本公开中的一种卷积神经网络模型的示意图。

如图4所示，恶意代码图像402输入到卷积神经网络模型中，通过输入层40进入卷积层406，实现图像特征的提取，图像特征通过空间金字塔池化层408进行池化处理，得到的块结构输入到全连接层410，以输出识别结果。

具体地，通过将恶意代码文件转化为恶意代码图像，这样多个恶意代码文件即可形成图像集，在模型训练阶段，可以给每张图像标记对应的类别，之后为一组新的测试图像集预测其标签类别，并测量预测准确性，通过不断迭代，得到用于分类识别的卷积神经网络模型。

如图5所示，在一个实施例中，步骤S104，将恶意代码图像输入至卷积神经网络模型，以基于卷积神经网络模型的空间金字塔池化层将恶意代码图像处理为统一尺寸的特征向量的一种具体实现方式，包括：

步骤S502，将恶意代码图像输入至卷积神经网络模型的卷积层，卷积层用于对恶意代码图像进行特征提取，得到图像特征。

其中，由于同一恶意代码家族内存在相似甚至相同的代码逻辑，因此类似的代码段在通过可视化方法转化为图像时，其图像特征也具有很高的相似性，通过提取图像特征，以进一步确定相似度高的图像特征对应的恶意代码属于同一恶意代码。

步骤S504，将图像特征输入至空间金字塔池化层，以输出统一尺寸的特征向量。

在该实施例中，通过卷积神经网络模型中的卷积层，通过初始化的卷积核在反向传播过程中的迭代更新，即初始化一个符合某种分布的特征向量集，然后在反向传播中无限更新这个特征集，以无限逼近特征向量，进而能够使用特征向量的对绘图图像的矩阵进行特征提取，得到图像特征。

在一个实施例中，步骤S504，将图像特征输入至空间金字塔池化层，以输出统一尺寸的特征向量的一种具体实现方式，包括：

基于卷积神经网络模型的金字塔池化层对图像特征执行空间金字塔池化操作。

其中，在第一层金字塔，基于第一数量对图像特征进行配置分块，得到第一组图像分块，在第二层金字塔，基于第二数量对图像特征进行配置分块，得到第二组图像分块，在第三层金字塔，基于第三数量对图像特征进行配置分块，得到第三图像分块，以由第一组图像分块、第二组图像分块和第三图像分块进行连接得到统一尺寸的特征向量。

具体地，在分类网络的全连接层前引入空间金字塔池化，假设输入的特征图大小为(w,h)，空间金字塔池化的具体流程为：

第一层金字塔：将完整的图片分为16块，每块大小为(w/4,h/4)。

第二层金字塔：将完整的图片分为4块，每块大小为(w/2,h/2)。

第三层金字塔：将完整的图片分为1块，每块大小为(w,h)。

在该实施例中，通过在分类网络中引入空间金字塔池化，由于卷积神经网络模型只能接受单一尺寸的图像作为输入，因此在网络训练前需要对恶意代码图像尺寸进行统一，从而导致部分图像特征丢失的问题，而引入空间金字塔池化可以让网络能接收不同尺寸的图片作为输入，进而能够防止图像特征的丢失。

在一个实施例中，预分类的恶意代码图像被划分为训练集和验证集，由训练集生成训练特征向量，由验证集生成验证特征向量。

如图6所示，步骤S106，基于特征向量对卷积神经网络模型进行模型迭代训练，以基于模型迭代训练得到恶意代码图像的分类模型的一种具体实现方式，包括：

步骤S602，将训练特征向量输入卷积神经网络模型的全连接层进行迭代训练。

步骤S604，将验证特征向量输入全连接层以验证迭代训练是否完成，以验证出迭代训练完成时，输出分类模型。

在训练过程中，将训练特征向量输入到训练的分类模型中，输出识别的恶意代码文件的家族类型，将识别的家族类型和基于验证特征向量得到的实际家族类型输入到损失函数，得到损失值，基于损失值对分类模型的参数进行优化，直至识别的家族类型和实际家族类型输入到损失函数后得到损失值满足模型精度需求，此时确定迭代训练完成，输出训练完毕的分类模型。

另外，在训练过程中，还使用到了测试集，具体地，训练集用于训练模型，验证集用于评估模型预测的好坏及调整对应的参数，测试集用于测试已经训练好的模型的推广能力。

在该实施例中，通过设置空间金字塔池化层，具体使用三层的金字塔池化层pooling，分别设置图片切分成多少块，例如可以分别是(1,4,16)，然后按照层次对这个图像特征进行分别处理，以拼凑成和全连接层的神经元个数相同的特征数，即使输入至全连接层的图像均保持相同尺寸，池化的过程就是利用三种不同大小的刻度对图片进行划分，最终可以得到16+4+1＝21个数量的块，再将这些特征图连接成列向量输入到下一层的全连接层中，空间金字塔池化的输出与输入没有关系，任意大小的输入都可以产生相同大小的输出；且使用不同大小的窗口，可以最大化地保留图像的特征，结合对特征的标记，实现机基于深度学习的模型训练，得到家族分类模型，保证了分类模型的识别精度和识别操作的可靠性。

在该实施例中，通过基于置信值对卷积神经网络模型中的分类器进行训练，通过在每次迭代后，得到一维向量，并进一步计算该一维向量的置信值，然后检测置信值和特征标记之间的偏差，进行分类器的参数调整，通过不断迭代，得到家族分类模型。

如图7所示，基于分类模型对待识别的恶意代码文件进行所属家族的识别包括：

步骤S702，将待识别的恶意代码文件进行可视化处理，得到待识别图像。

步骤S704，将待识别图像输入分类模型，以得到统一尺寸的特征向量，作为待识别的分类特征。

步骤S706，将分类特征映射到样本标记空间，以基于分类模型对样本标记空间的分类特征进行识别，基于识别结果确定待识别的恶意代码文件所属的恶意代码家族。

具体地，全连接层(fully connected layers，FC)在整个卷积神经网络模型中起到“分类器”的作用。通过将学到的“分布式特征表示”映射到样本标记空间，实现分类识别，在实际使用中，全连接层可由卷积操作实现：对前层是全连接的全连接层可以转化为卷积核为1x1的卷积；而前层是卷积层的全连接层可以转化为卷积核为hxw的全局卷积，h和w分别为前层卷积结果的高和宽，通过将特征向量输入卷积神经网络模型的全连接层，全连接层特征向量一个接一个串联在一起，作为判决的投票值，最终得出判决结果。

另外，还可以对收集到的原始恶意代码样本进行特征识别，基于识别结果生成对应的代码区间。

将代码区间导入卷积神经网络模型的输出层，以基于输出层确定置信值和对应的代码区间。

基于对应关系确定恶意代码文件所属的家族。

如图8所示，根据本公开的另一个实施例的恶意代码分类方法，具体包括：

步骤S802，对恶意代码文件数据进行预处理，得到恶意代码图像。

将恶意代码程序的二进制文件逐字节转化为像素点，得到像素向量P＝{p₁,p₂,…p_l}，长度为l。

将得到的像素向量P按照宽度w变换为二维像素矩阵，即恶意代码图像，其高度

其中

为向上取整符。对于最后一行，不足的位数用0填充。

步骤S804，将恶意代码图像输入到卷积神经网络模型中，以提取图像特征。

步骤S806，在卷积神经网络模型的全连接层前引入空间金字塔池化层，将图像特征输入空间金字塔池化层，得到多个池化块。

假设输入的特征图大小为(w,h)，空间金字塔池化的具体流程为：

第一层金字塔：将完整的图片分为16块，每块大小为(w/4,h/4)。

第二层金字塔：将完整的图片分为4块，每块大小为(w/2,h/2)。

第三层金字塔：将完整的图片分为1块，每块大小为((w,h)。

步骤S808，将多个池化块连接成列向量作为特征向量输入到下一层的全连接层中。

步骤S810，基于上述过程对卷积神经网络模型进行训练，得到家族分类模型。

步骤S812，基于家族分类模型对待识别的恶意代码文件进行家族识别。

需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下面参照图9来描述根据本发明的实施方式的恶意代码分类装置900。图9所示的恶意代码分类装置900仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

恶意代码分类装置900以硬件模块的形式表现。恶意代码分类装置900的组件可以包括但不限于：可视化处理模块902，用于将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像；尺寸处理模块904，用于将恶意代码图像输入至卷积神经网络模型，以基于卷积神经网络模型的空间金字塔池化层将恶意代码图像处理为统一尺寸的特征向量；模型训练模块906，基于特征向量对卷积神经网络模型进行模型迭代训练，以基于模型迭代训练得到恶意代码图像的分类模型。

在一个实施例中，可视化处理模块902具体用于：将恶意代码文件配置为二进制字符串；将二进制字符串中的每个字节基于比特位映射为像素点，以将二进制字符串映射为像素向量；将像素向量基于预设宽度变换为二维像素矩阵；对二维像素矩阵进行可视化处理，得到恶意代码图像。

在一个实施例中，可视化处理模块902具体用于：对于每个字节中的每个比特位基于指定计算式进行计算，得到计算结果；将计算结果映射到预设范围内，得到像素点，其中，指定计算式为

b_i为比特位，p为计算结果。

在一个实施例中，尺寸处理模块904具体用于：将恶意代码图像输入至卷积神经网络模型的卷积层，卷积层用于对恶意代码图像进行特征提取，得到图像特征；将图像特征输入至空间金字塔池化层，以输出统一尺寸的特征向量。

在一个实施例中，尺寸处理模块904具体还用于：基于卷积神经网络模型的金字塔池化层对图像特征执行空间金字塔池化操作，其中，在第一层金字塔，基于第一数量对图像特征进行配置分块，得到第一组图像分块，在第二层金字塔，基于第二数量对图像特征进行配置分块，得到第二组图像分块，在第三层金字塔，基于第三数量对图像特征进行配置分块，得到第三图像分块，以将第一组图像分块、第二组图像分块和第三图像分块进行连接得到统一尺寸的特征向量。

在一个实施例中，预分类的恶意代码图像被划分为训练集和验证集，由训练集生成训练特征向量，由验证集生成验证特征向量，模型训练模块906具体用于：将训练特征向量输入卷积神经网络模型的全连接层进行迭代训练；以及将验证特征向量输入全连接层以验证迭代训练是否完成，以验证出迭代训练完成时，输出分类模型。

在一个实施例中，还包括：识别模块908，用于将待识别的恶意代码文件进行可视化处理，得到待识别图像；将待识别图像输入分类模型，以得到统一尺寸的特征向量，作为待识别的分类特征；将分类特征映射到样本标记空间，以基于分类模型对样本标记空间的分类特征进行识别，基于识别结果确定待识别的恶意代码文件所属的恶意代码家族。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1010可以执行如图1中所示的步骤S102至步骤S106所描述的方案。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(ROM)10203。

存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204，这样的程序模块10205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1070(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在电子设备上运行时，所述程序代码用于使所述电子设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图11所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品1100，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种恶意代码分类方法，其特征在于，包括：

将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像；

将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的分类特征向量；

基于所述分类特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型，以基于所述分类模型对待识别的恶意代码文件进行所属家族的识别。

2.根据权利要求1所述的恶意代码分类方法，其特征在于，所述将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像包括：

将所述恶意代码文件配置为二进制字符串；

将所述二进制字符串中的每个字节基于比特位映射为像素点，以将所述二进制字符串映射为像素向量；

将所述像素向量基于预设宽度变换为二维像素矩阵；

对所述二维像素矩阵进行所述可视化处理，得到所述恶意代码图像。

3.根据权利要求2所述的恶意代码分类方法，其特征在于，所述将所述二进制字符串中的每个字节基于比特位映射为像素点包括：

对于所述每个字节中的每个比特位基于指定计算式进行计算，得到计算结果；

将所述计算结果映射到预设范围内，得到所述像素点，

其中，所述指定计算式为

i为所述每个字节的字节位序，b_i为所述比特位，p为所述计算结果。

4.根据权利要求1至3中任一项所述的恶意代码分类方法，其特征在于，所述将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的分类特征向量包括：

将所述恶意代码图像输入至卷积神经网络模型的卷积层，所述卷积层用于对所述恶意代码图像进行特征提取，得到图像特征；

将所述图像特征输入至所述空间金字塔池化层，以输出所述统一尺寸的分类特征向量。

5.根据权利要求4所述的恶意代码分类方法，其特征在于，所述将所述图像特征输入至所述空间金字塔池化层，以输出所述统一尺寸的分类特征向量包括：

基于所述卷积神经网络模型的金字塔池化层对所述图像特征执行空间金字塔池化操作，

其中，在第一层金字塔，基于第一数量对所述图像特征进行配置分块，得到第一组图像分块，在第二层金字塔，基于第二数量对所述图像特征进行配置分块，得到第二组图像分块，在第三层金字塔，基于第三数量对所述图像特征进行配置分块，得到第三图像分块，以将所述第一组图像分块、所述第二组图像分块和所述第三图像分块进行连接得到所述统一尺寸的分类特征向量。

6.根据权利要求5所述的恶意代码分类方法，其特征在于，所述预分类的恶意代码图像被划分为训练集和验证集，由所述训练集生成训练特征向量，由所述验证集生成验证特征向量，

所述基于所述分类特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型包括：

将所述训练特征向量输入所述卷积神经网络模型的全连接层进行迭代训练；以及

将所述验证特征向量输入所述全连接层以验证所述迭代训练是否完成，以验证出所述迭代训练完成时，输出所述分类模型。

7.根据权利要求6所述的恶意代码分类方法，其特征在于，所述基于所述分类模型对待识别的恶意代码文件进行所属家族的识别包括：

将待识别的恶意代码文件进行可视化处理，得到待识别图像；

将所述待识别图像输入所述分类模型，以得到所述统一尺寸的特征向量，作为待识别的分类特征；

基于所述全连接层将所述分类特征映射到样本标记空间，以基于所述分类模型对所述样本标记空间的分类特征进行识别，基于识别结果确定所述待识别的恶意代码文件所属的恶意代码家族。

8.一种恶意代码分类装置，其特征在于，包括：

可视化处理模块，用于将预分类的恶意代码文件进行可视化处理，得到预分类的恶意代码图像；

尺寸处理模块，用于将所述恶意代码图像输入至卷积神经网络模型，以基于所述卷积神经网络模型的空间金字塔池化层将所述恶意代码图像处理为统一尺寸的特征向量；

模型训练模块，基于所述特征向量对所述卷积神经网络模型进行模型迭代训练，以基于所述模型迭代训练得到所述恶意代码图像的分类模型。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述恶意代码分类方法。

10.一种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权利要求1～7中任意一项所述的恶意代码分类方法。

Images