本发明公开了一种基于深度强化学习的恶意软件家族分类规避方法,采用强化学习算法,创建环境并构造智能体,通过不断地与目标恶意软件分类器交互,智能体修改待测恶意软件,最终达到规避分类的目的。本发明方法与其他的恶意软件检测/分类的对抗方法相比,更易于实现且开销更小;本发明中基于深度强化学习的恶意软件家族分类规避方法,对于各种利用不同特征构建的恶意软件分类模型,都能有效地修改恶意软件,同时不会破坏其恶意性功能,最终规避恶意软件家族分类;最终提升基于机器学习算法的恶意软件检测与分类模型的鲁棒性,提升杀毒引擎的防御能力。
声明:
“基于深度强化学习的恶意软件家族分类规避方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)