一种基于卷积神经网络的恶意代码分类方法

摘要

本发明公开了一种基于卷积神经网络的恶意代码分类方法，其将恶意代码映射为单通道的信号，然后根据信号处理方法生成信号的语谱图，使用图像缩放算法将语谱图转化为恒定大小的灰度图，最后使用卷积神经网络实现恶意代码的分类。在本发明的方法中，将恶意代码映射为单通道的信号之后再生成相应的语谱图，可以获得所述恶意代码足够多的上下文信息，其不仅反映信号的时域和频域信息，也可以反映信号的局部和全局信息；另外，由于卷积神经网络的局部平移不变性等特性，能够较好获得恶意代码的本质特征，进而有效克服代码重排、垃圾代码插入等情况，提高恶意代码的分类精度。