张柏翰，凌 捷

广东工业大学 计算机学院，广州510006

蓬勃发展的互联网为人们的工作和生活提供诸多便利，同时也可能被不法分子利用，成为其牟利犯罪的工具。诸如计算机病毒、蠕虫、木马、僵尸网络、勒索软件等在内的恶意软件长期以来都是不法分子用以破坏操作系统、窃取用户重要数据的利器，互联网应用的普及则加剧了恶意软件的传播。根据ΜcAfee Labs 在2019年8月发布的威胁报告[1]，恶意软件总数在2019年第一季度已经突破9亿；而在恶意二进制可执行文件方面，从2017 年至2019 年间，单季度最高新增量高于110 万。对恶意软件的检测和查杀一直是网络空间安全研究领域的重要课题之一。

恶意软件检测方法可根据是否需要运行软件分为静态分析方法和动态分析方法。静态分析方法只对二进制可执行文件中的代码进行分析，动态分析方法则对可执行文件运行时的行为进行分析。无论哪种分析方法，传统手段都需要大量人工工作和专家经验，效率较低。而且攻击者使用多态组合、仿冒、压缩、混淆等方法，有意让恶意软件避开检测软件的检测[2]，这无疑增加了人工分析的难度。近年来机器学习尤其是深度学习在图像处理、文本处理等领域的成功实践，为从事恶意软件分析工作的研究人员带来启示。当前网络空间中恶意软件样本庞大的数量，以及二进制可执行文件本身庞大的可提取特征的数量，使得深度学习方法非常适合于恶意软件分类工作。……