面向恶意软件汇编格式检测模型的黑盒攻击的防御方法

摘要

一种面向恶意软件汇编格式检测模型的黑盒攻击的防御方法，包括以下步骤：1)获取数据集，将其划分为训练集和测试集；2)恶意软件汇编格式的处理；3)构建卷积神经网络分类器；4)基于梯度下降的恶意软件汇编格式检测模型的白盒攻击；5)设计具有代表性的深度学习模型结构，作为用于迁移攻击的迁移分类器；6)将初始的训练数据集的一部分用于MalConv的学习，一部分用于迁移分类器的学习；7)生成对抗样本；8)将步骤7)获取的对抗样本对恶意软件汇编格式检测模型重训练进行优化，获得能够防御对抗攻击的恶意软件检测模型；9)利用能够防御对抗攻击的恶意软件检测模型对恶意软件进行识别。