基于異質(zhì)圖屬性增強的惡意軟件變種檢測方法

摘要： 如今越來越多的攻擊者通過修改惡意軟件源碼的方式逃避惡意軟件檢測，惡意軟件變種在代碼重用、編碼風(fēng)格、攻擊行為等多方面的復(fù)雜關(guān)系為惡意軟件分析帶來了挑戰(zhàn).近年來，圖神經(jīng)網(wǎng)絡(luò)憑借其在建模圖結(jié)構(gòu)數(shù)據(jù)，學(xué)習(xí)實體間復(fù)雜關(guān)系等方面的強大能力，已被廣泛應(yīng)用于惡意軟件分類與檢測任務(wù)之中，以建模惡意軟件及其變種間復(fù)雜的關(guān)系，擺脫孤立分析困境.然而，現(xiàn)有方法一方面缺少對惡意軟件及其變種間多維度復(fù)雜關(guān)...