[发明专利]恶意软件同源性分析方法、系统、电子设备及存储介质

权利要求书

1.一种恶意软件同源性分析方法，其特征在于，所述方法包括：

获取所述恶意软件的样本的数据集；

从所述样本的数据集中提取反汇编代码文本以及带属性的控制流程图；

基于所述反汇编代码文本以及所述带属性的控制流程图，构建深度神经网络模型；

通过所述深度神经网络模型，识别所述恶意软件的所述同源性；

其中，基于所述反汇编代码文本以及所述带属性的控制流程图，构建深度神经网络模型的步骤，具体包括：

对所述带属性的控制流程图进行向量化，得到图嵌入向量特征表示；

从所述反汇编代码文本中，提取一阶马尔科夫链特征；

将所述图嵌入向量特征表示和所述一阶马尔科夫链特征，作为结构长短期记忆网络的输入，以构建所述深度神经网络模型。

2.根据权利要求1所述的方法，其特征在于，从所述样本的数据集中提取反汇编代码文本以及带属性的控制流程图的步骤，具体包括：

获取所述恶意软件的样本的控制流程图；

从所述控制流程图中提取反汇编代码；

根据所述控制流程图中的执行路径，将所述反汇编代码形成反汇编代码文本；

对所述控制流程图中各块中的内容，按照预定的属性进行统计，得到带属性的控制流程图。

3.根据权利要求1所述的方法，其特征在于，所述结构长短期记忆网络包括输入门、遗忘门、存储单元和输出门；

将所述图嵌入向量特征表示和所述一阶马尔科夫链特征，作为结构长短期记忆网络的输入，以构建所述深度神经网络模型的步骤，具体包括：

计算所述带属性的控制流程图中各顶点的特征；

将所述带属性的控制流程图中所述各顶点嵌入的集合，作为嵌入向量；

将所述嵌入向量表示为结构向量；

将所述结构向量添加到所述输入门、所述遗忘门、所述存储单元和所述输出门中；

将所述图嵌入向量特征表示和所述一阶马尔科夫链特征，作为所述结构长短期记忆网络的输入，以构建所述深度神经网络模型。

4.一种恶意软件同源性分析系统，其特征在于，所述系统包括：

获取模块，用于获取所述恶意软件的样本的数据集；

提取模块，用于从所述样本的数据集中提取反汇编代码文本以及带属性的控制流程图；

构建模块，用于基于所述反汇编代码文本以及所述带属性的控制流程图，构建深度神经网络模型；

识别模块，用于通过所述深度神经网络模型，识别所述恶意软件的所述同源性；

其中，所述构建模块具体用于：

对所述带属性的控制流程图进行向量化，得到图嵌入向量特征表示；

从所述反汇编代码文本中，提取一阶马尔科夫链特征；

将所述图嵌入向量特征表示和所述一阶马尔科夫链特征，作为结构长短期记忆网络的输入，以构建所述深度神经网络模型。

5.根据权利要求4所述的系统，其特征在于，所述提取模块具体用于：

获取所述恶意软件的样本的控制流程图；

从所述控制流程图中提取反汇编代码；

根据所述控制流程图中的执行路径，将所述反汇编代码形成反汇编代码文本；

对所述控制流程图中各块中的内容，按照预定的属性进行统计，得到带属性的控制流程图。

6.根据权利要求4所述的系统，其特征在于，所述结构长短期记忆网络包括输入门、遗忘门、存储单元和输出门；

所述构建模块具体用于：

计算所述带属性的控制流程图中各顶点的特征；

将所述带属性的控制流程图中所述各顶点嵌入的集合，作为嵌入向量；

将所述嵌入向量表示为结构向量；

将所述结构向量添加到所述输入门、所述遗忘门、所述存储单元和所述输出门中；

将所述图嵌入向量特征表示和所述一阶马尔科夫链特征，作为所述结构长短期记忆网络的输入，以构建所述深度神经网络模型。