科创中国

农、林、牧、渔业,农业

本发明推出了一种基于Transformer的恶意软件检测方法，具备全面而深入的检测能力。该方法将Portable Executable(PE)文件数据，包括恶意软件和良性软件转换为图像，为后续的特征提取铺设基础。在图像特征提取环节，我们将PE文件转化为图像，并借助预训练的Vision‑Transformer模型来精准获取图像特征。对于文本特征提取，我们选用pefile库来读取PE文件的元数据，再通过新训练的Transformer模型深入提取这些元数据的特征。在特征融合与分类环节，图像和文本的特征被送入Setpooling进行整合，然后使用全连接层进行二分类，从而准确判断PE文件是否为恶意软件。本发明通过利用预训练的模型，能够有效地检测出新型、未知的恶意软件，大幅提升了恶意软件检测的覆盖范围和深度。

网络安全管理需要管理员具备高水平的专业知识，例如熟悉多种网络协议、动态脚本编程、网站漏洞扫描、专业网络安全工具配置、操作系统安全策略以及数据库安全管理等方面。这些知识要求提高了网络安全管理人员的门槛，而社会上这类安全人才供不应求。在恶意软件检测的方法中，常常存在一些问题。例如，在进行全站备份和扫描对比时，备份和扫描的计算量较大，耗时较长，且可能存在漏洞无法及时发现的问题。此外，一些恶意软件可能采用隐蔽性强的方式进行攻击，如使用加密算法、混淆代码等方式，使得检测难度增加。在恶意软件检测方法中，往往存在恶意软件数据集少的问题，恶意软件检测的准确性和可靠性会受到一定的影响。由于恶意软件的种类繁多、变化迅速，因此需要收集足够多的恶意软件样本来建立有效的检测模型和算法。然而，当前可用的恶意软件数据集数量有限，且不易获取，这给恶意软件检测带来了一定的挑战。此外，由于恶意软件作者不断改进和更新攻击手段，恶意软件的特征也在不断变化，因此需要不断更新和完善数据集，以适应不断变化的恶意软件攻击。

东北农业大学（Northeast Agricultural University，英文简称：NEAU），简称为“东北农大”，位于黑龙江省哈尔滨市香坊区长江路600号，由黑龙江省教育厅负责管辖， [46] 是国家“双一流”建设高校 [35] 、“双一流”农科联盟 [61] 、国家首批“211工程”建设高校，黑龙江省人民政府与中华人民共和国农业部共建高校，入选国家中西部高校基础能力建设工程、卓越农林人才教育培养计划项目试点、高等学校创新能力提升计划 [1] ，是全国首批博士、硕士学位授予单位，黑龙江省重点建设的省属特色高水平大学，“援疆学科建设计划”，首批高等学校科技成果转化和技术转移基地。