[发明专利]一种抗攻击的恶意软件识别方法及系统

说明书

技术领域

本发明涉及计算机通信技术领域，尤其涉及一种抗攻击的恶意软件识别方法及系统。

背景技术

恶意软件是被插入恶意代码的计算机程序。计算机恶意软件在用户毫不知情的情况下用来破坏计算机系统，销毁重要信息，导致系统无法使用，也可能被用来收集隐私信息，比密码，信用卡账户等，更有甚者用来发布色情等不良信息。随着越来越多的用户通过复杂的计算机快速的连接到互联网，未来这些恶意软件的广泛传播危害巨大。

已经有很多优秀的技术用来检测已有的恶意程序，防病毒软件已经应用得相当成熟，像McAfee，Norton等杀毒软件已经被普遍使用。Dell公司甚至在它所有的计算机系统中都推荐使用Norton杀毒软件。杀毒软件通常是通过已知的模式来检测可执行文件的代码，但是这种方法是有问题的。其中一个很大的缺点就是在检测恶意软件之前，必须有这个恶意软件的样本。也就是说传统的恶意软件识别系统无法识别未知的恶意软件。为了识别未知恶意软件，人们提出了基于统计方法的恶意软件识别方法，但此类方法与系统极易受到恶意攻击，从而无法正常使用。

发明内容

本发明要解决的技术问题是提供一种抗攻击的恶意软件识别方法及系统。

为了解决上述技术问题，本发明提供了抗攻击的恶意软件识别方法，包括，

设置识别器参数，

将软件转化为向量，

利用所述识别器识别该软件，

输出识别结果。

进一步地，所述识别器参数设置具体包括：

所述识别器计算有限攻击成本条件，所述识别器基于二次支持向量算法训练。

进一步地，所述攻击成本为

L(x,x⁺)=(x⁺-x)^TQ(x⁺-x)≤γ²

其中，矩阵Q是一个对角矩阵，Q_ii=q_i，γ是所述识别器的参数，x为原程序表示的向量，x⁺为攻击者用于伪装所述x的向量。

进一步地，所述q_i定义为

qi=p(fi|Ds)p(fi|Ds)+p(fi|Dl)]]>

其中，p(f_i|D_s)表示第i个片段出现在恶意软件数据库中的概率，p(f_i|D_l)表示第i个片段出现在正常软件数据库中的概率。

进一步地，所述二次支持向量算法为