申请/专利权人:华中科技大学;支付宝(杭州)信息技术有限公司
申请日:2023-12-20
公开(公告)日:2024-04-09
公开(公告)号:CN117852034A
主分类号:G06F21/56
分类号:G06F21/56;G06F18/24;G06F18/213
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于大模型特征生成的第三方恶意包检测方法,属于程序包检测领域,该方法利用大语言模型来指导第三方包恶意代码片段的识别和特征的生成,自动生成特征集,不依赖于专家定义的特征,能够有效地克服了现有基于机器学习的检测器的缺点,使得特征集更能反映恶意样本与良性样本的差异,拓展性更强;采用更新提示轮询的方式并构建恶意片段集,使准确度得到提高;同时能显著降低恶意包检测的误报率和漏报率,并给出恶意代码位置。
主权项:1.一种基于大模型特征生成的第三方恶意包检测方法,其特征在于,包括:训练阶段:将训练包输入至大语言模型进行恶意代码识别以获取所述训练包中的恶意代码,提取所述恶意代码的特征构建特征集;其中,所述训练包为第三方恶意包;生成所述训练包对应的抽象语法树AST,遍历AST的节点以确定与所述特征集中的特征对应的语法结构,对与所述语法结构对应的代码段进行编码得到所述恶意代码的特征向量;将所述特征向量输入至机器学习模型进行监督训练;应用阶段:生成待检测第三方包对应的抽象语法树AST,遍历AST的节点以确定与所述特征集中的特征对应的语法结构,对与所述语法结构对应的代码段进行编码得到待检测特征向量,将其输入至训练好的机器学习模型,得到检测结果。
全文数据:
权利要求:
百度查询: 华中科技大学;支付宝(杭州)信息技术有限公司 一种基于大模型特征生成的第三方恶意包检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。