[发明专利]病毒检测方法、系统、装置、设备及存储介质

权利要求书

1.一种病毒检测方法，其特征在于，所述方法包括：

获取应用程序安装包的静态信息，其中，所述静态信息为通过解析所述应用程序安装包的代码文件得到的；

对所述静态信息进行预处理，得到目标特征序列，其中，所述目标特征序列中每个元素分别用于表征所述静态信息对应的多个元素，且所述目标特征序列的元素个数小于所述静态信息对应的元素个数；

通过预先训练好的神经网络系统对所述目标特征序列进行特征提取，得到目标特征向量，并基于所述目标特征向量，得到所述应用程序安装包的病毒检测结果；

其中，所述对所述静态信息进行预处理，得到目标特征序列，包括：

对所述静态信息进行预处理，得到N个特征序列，其中，N为大于或等于2的整数；

将所述N个特征序列作为所述目标特征序列，其中，所述N个特征序列的元素个数之和小于所述静态信息对应的元素个数；

所述神经网络系统包括第一子网络以及第二子网络，所述通过预先训练好的神经网络系统对所述目标特征序列进行特征提取，得到目标特征向量，并基于所述目标特征向量，得到所述应用程序安装包的病毒检测结果，包括：

通过所述第一子网络分别对所述N个特征序列中每个特征序列进行预设的第一特征参数提取处理，得到N个第一特征向量；

通过所述第二子网络将所述N个第一特征向量进行拼接，对拼接后得到的第二特征向量进行预设的第二特征参数提取处理，得到第三特征向量，基于所述第三特征向量，得到所述应用程序安装包的病毒检测结果。

2.根据权利要求1所述的方法，其特征在于，所述静态信息为所述应用程序安装包的二进制文件。

3.根据权利要求1所述的方法，其特征在于，所述对所述静态信息进行预处理，得到N个特征序列，包括：

基于预设算法，对所述静态信息进行降维处理；

将经过所述降维处理的静态信息划分为N个特征序列。

4.根据权利要求1所述的方法，其特征在于，所述对所述静态信息进行预处理，得到N个特征序列，包括：

基于所述静态信息得到N个静态序列；

基于预设算法，对所述N个静态序列中每个静态序列进行降维处理，得到N个特征序列。

5.根据权利要求3或4所述的方法，其特征在于，所述预设算法为双三次插值算法、最邻近插值算法或双线性插值算法。

6.根据权利要求1所述的方法，其特征在于，所述第一子网络包括：第一卷积层和第一池化层，所述第一卷积层以及所述第一池化层依次连接，

所述通过所述第一子网络分别对所述N个特征序列中每个特征序列进行预设的第一特征参数提取处理，得到N个第一特征向量，包括：

通过所述第一卷积层分别对所述N个特征序列中每个特征序列进行一维卷积处理，得到该特征序列的第一特征信息，并通过预设的第一激活函数对所述第一特征信息进行激活，得到激活后的第一特征信息；

通过所述第一池化层分别对所述N个特征序列中每个特征序列对应的激活后的第一特征信息进行池化处理，得到所述N个第一特征向量。

7.根据权利要求6所述的方法，其特征在于，所述分别对所述N个特征序列中每个特征序列进行一维卷积处理，得到该特征序列的第一特征信息，包括：

针对所述N个特征序列中每个特征序列，执行以下步骤：

对所述特征序列进行一维卷积处理，得到第一处理结果；

通过预设的第二激活函数对所述第一处理结果进行激活，得到第二处理结果；

将所述第一处理结果和所述第二处理结果的乘积，作为所述特征序列的第一特征信息。

8.根据权利要求7所述的方法，其特征在于，所述分别对所述N个特征序列中每个特征序列对应的激活后的第一特征信息进行池化处理，得到所述N个第一特征向量，包括：

通过最大池化方式分别对所述N个特征序列中每个特征序列对应的激活后的第一特征信息进行池化处理，得到所述N个第一特征向量。