基于图卷积神经网络的恶意软件多标签分类方法

摘要

本发明提供了一种基于图卷积神经网络的恶意软件多标签分类方法，所述分类模型包括如下步骤：S100：函数调用图的特征提取，反汇编原始二进制文件，得到汇编码，提取函数调用图的语义及结构特征，得到样本的图嵌入向量；S200：多标签关系的特征提取，通过标签关系图，构建用于提取标签关系的模型，得到多标签分类器；S300：将所述图嵌入向量和所述多标签分类器进行点乘，并将点乘所得的结果进行结构映射，得到分类结果；S400：构建多标签损失函数，通过计算每个标签的分类结果和真实结果的差值，计算出所述分类模型的损失值。相对于现有技术，本发明对具有多种标签的恶意软件具有很好的多标签分类效果。