| 发明名称 | 一种基于深度学的恶意代码样本分类方法及系统 | ||
| 摘要 | 本发明公开了一种基于深度学的恶意代码样本分类方法，包括：对恶意代码样本进行反汇编得到汇编代码；基于十六进制码与图像灰度值的对应关系，将汇编代码转化为图像样本数据；将所述图像样本数据输入预先训练得到的卷积神经网络，得到恶意代码样本分类结果。本发明还公开了一种基于深度学的恶意代码样本分类系统。本发明所述技术方案能够准确识别恶意代码样本所属类别，并提高了恶意代码样本分类的准确性。 | ||
| 申请公布号 | CN105989288A | 申请公布日期 | 2016.10.05 |
| 申请号 | CN201511013606.X | 申请日期 | 2015.12.31 |
| 申请人 | 武汉安天信息技术有限责任公司 | 发明人 | 何源浩;孙岩;马志远 |
| 分类号 | G06F21/56(2013.01)I;G06K9/62(2006.01)I;G06N3/02(2006.01)I | 主分类号 | G06F21/56(2013.01)I |
| 代理机构 | 代理人 | ||
| 主权项 | 一种基于深度学习的恶意代码样本分类方法，其特征在于，包括：对恶意代码样本进行反汇编得到汇编代码；基于十六进制码与图像灰度值的对应关系，将汇编代码转化为图像样本数据；将所述图像样本数据输入预先训练得到的卷积神经网络，得到恶意代码样本分类结果。 | ||
| 地址 | 430000 湖北省武汉市东湖新技术开发区软件园东路1号软件产业4.1期B4栋12层01室 | ||