深度学习在恶意软件检测中的应用:GPT-4、BERT与CNN-LSTM的集成框架

钱丽萍 ,  黄楠楠 ,  丛林 ,  崔雨婷 ,  陈艳鹏

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (6) :2502-2413

PDF (6512KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (6) :2502-2413 DOI: 10.12404/j.issn.1671-1815.2501355
自动化技术、计算机技术

深度学习在恶意软件检测中的应用:GPT-4、BERT与CNN-LSTM的集成框架

作者信息 +

Application of Deep Learning in Malware Detection: Integrated Framework of GPT-4, BERT, and CNN-LSTM

Author information +
文章历史 +

摘要

随着恶意软件的快速增长和复杂化,传统的恶意软件检测方法已难以满足当前的安全需求。提出了一种基于深度学习的集成框架,该框架结合了GPT-4、BERT和CNN-LSTM,以提高恶意软件检测的准确性和效率。首先,利用GPT-4生成解释性文本,为恶意软件的API调用提供上下文信息,增强了模型对未知或变异恶意软件的识别能力。接着,通过BERT模型对这些解释性文本进行编码,提取深层次的语义特征。最后,采用CNN-LSTM网络作为下游分类器,以处理序列数据并捕捉时间依赖性。在mal-api-2019数据集上的测试显示,该方法实现了准确率97.53%,精确率96.80%,召回率97.50%,F1分数97.15%的优异性能,显著优于现有最先进技术。为了验证模型的泛化能力,在VirusShare数据集上做了实验,结果也优于现有技术。本文方法通过创新的深度学习集成框架,有效地提高了恶意软件的检测率,为网络安全领域提供了一种高效的技术解决方案。

Abstract

With the rapid growth and increasing complexity of malicious software, traditional methods of malware detection have become inadequate to meet current security demands. A deep learning-based ensemble framework was proposed to address limitations of traditional malware detection methods. The framework integrated GPT-4, BERT, and a hybrid CNN-LSTM architecture. First, contextual explanations of API calls were generated by GPT-4 and subsequently encoded into semantic vectors using BERT. The hybrid CNN-LSTM was then employed to capture both local patterns and long-term dependencies within behavioral sequences. Experiments conducted on the mal-api-2019 dataset achieved an accuracy of 97.53%, a precision of 96.80%, a recall of 97.50%, and an F1-score of 97.15%, outperforming state-of-the-art approaches. Further validation on the VirusShare dataset confirmed superior generalization capability. The work provides an innovative solution for combating evolving malware threats through the synergistic integration of natural language processing and deep learning techniques.

Graphical abstract

关键词

恶意软件检测 / 动态分析 / 深度学习 / GPT-4 / CNN-LSTM分类器

Key words

malware detection / dynamic analysis / deep learning / GPT-4 / CNN-LSTM classifier

引用本文

引用格式 ▾
钱丽萍, 黄楠楠, 丛林, 崔雨婷, 陈艳鹏. 深度学习在恶意软件检测中的应用:GPT-4、BERT与CNN-LSTM的集成框架[J]. 科学技术与工程, 2026, 26(6): 2502-2413 DOI:10.12404/j.issn.1671-1815.2501355
QIAN Li-ping, HUANG Nan-nan, CONG Lin, CUI Yu-ting, CHEN Yan-peng. Application of Deep Learning in Malware Detection: Integrated Framework of GPT-4, BERT, and CNN-LSTM[J]. Science Technology and Engineering, 2026, 26(6): 2502-2413 DOI:10.12404/j.issn.1671-1815.2501355

登录浏览全文

4963

注册一个新账户 忘记密码

恶意软件,也称恶意代码,是指故意设计以执行破坏性功能的程序。这些程序根据其行为和执行过程被分为多种类别,包括蠕虫、病毒、木马、rootkit、后门、间谍软件、逻辑炸弹、广告软件和勒索软件等。它们的攻击目的多样,旨在破坏计算机资源、获取经济利益、窃取个人及机密数据,以及使系统无法提供正常服务。恶意软件攻击的增加导致个人和企业面临的网络威胁风险急剧上升[1]。例如,2017年的WannaCry勒索软件攻击影响了150个国家的30万名用户,造成了高达80亿美元的损失[2]。据AV-TEST报告显示,截至2024年2月,恶意软件总数量高达13.6亿,2024年新产生了2 100多万个新的恶意软件。这种增长对用户数据安全构成了严重威胁。当前,恶意代码攻击技术主要包括代码注入、缓冲区溢出、端口复用和协同攻击等[3-5]。为了增强隐蔽性,攻击者采用了大量的变形技术,如代码转置和重排,以创建恶意代码变体逃避检测[6]。恶意代码检测本质上是一个分类问题,其核心在于检测代码与恶意代码之间的相似性,以判断代码是否恶意。检测人员不仅要面对固有结构的恶意代码,还要应对通过混淆方法快速增长的变体。因此,如何高效准确地检测恶意代码,成为网络安全领域的一个研究热点。
现有的恶意软件检测方法主要分为静态分析、动态分析和混合分析3种[7]。静态分析通过逆向工程直接解析可执行文件的代码特征(如字节序列、控制流结构),无需运行样本,具有安全性高、覆盖全代码路径的优势,但易受加壳和混淆技术干扰;动态分析则在沙箱环境中监控样本的运行时行为:如应用程序编程接口(application programming interface,API)调用序列、注册表操作,能够有效识别混淆后恶意代码的潜在威胁,但存在资源消耗大、执行路径覆盖不全的局限性;混合分析通过融合静态特征的全局性和动态行为的上下文信息,在降低误报率的同时提升了对复杂变种恶意软件的检测能力。随着深度学习技术在自然语言处理(natural language processing,NLP)领域的成功应用,研究者开始将其应用于恶意软件的动态行为分析,尤其是API序列分析,这已成为研究的焦点[8-10]。
近年来,随着大型语言模型(LLMs)在自然语言处理领域取得突破性进展,研究者开始探索其在恶意软件检测中的潜力[11]。然而,传统方法如基于计算机视觉的技术存在显著局限性。例如,范志鹏等[12]提出的灰度共生矩阵(gray-level co-occurrence matrix, GLCM)结合卷积神经网络的方法,尽管在静态恶意代码分类中实现了96.2%的高准确率,但其依赖图像纹理特征,难以捕捉动态行为语义。具体而言,该方法无法解析API调用序列的上下文逻辑(如参数传递关系),也无法有效区分功能相似但代码结构差异化的变种恶意软件(实验表明其变种检测准确率下降超过25%)。这一缺陷凸显了传统静态分析技术在动态语义理解上的不足[12]。基于深度学习和自然语言处理的方法被引入恶意软件检测领域,一些研究尝试利用神经网络模型,包括引入注意力机制等有助于捕捉上下文信息的方法,从API序列或反汇编代码等行为特征中学习语义表示,以期捕捉更深层次的恶意行为模式。值得注意的是,自然语言处理技术在文本语义分析中的优势已得到广泛验证,例如董星彤等[13]提出的ISLDA(importance sampling latent dirichlet allocation)模型,通过结合重要性采样优化的LDA(latent dirichlet allocation)主题模型和Word2vec词向量化技术,在高校实践报告查重任务中实现了语义层面的高精度匹配,其关键创新在于动态调整主题词权重以提升语义相似度计算的鲁棒性[13]。近期研究进一步表明,基于Transformer的语义编码框架能够显著增强上下文特征提取能力,例如张杨帆等[14]提出的BERT-CNN-SE(BERT-CNN-squeeze-and-excitation)模型,通过融合双向编码器与通道注意力机制,在对话文本分类任务中实现了88.58%的准确率,验证了多粒度语义融合对复杂上下文建模的有效性[14]。相较于传统的特征工程方法,这提升了特征提取的自动化程度,标志着该领域研究进入了新的阶段。
然而,这些方法在处理API调用语义的模糊性、上下文依赖性以及对零日攻击和复杂变体的泛化能力方面仍面临挑战。特别是,如基于动态分析和行为图相关的研究综述所指出的,API调用名称本身在特定执行上下文中的真实意图难以完全揭示,导致模型难以区分良性API的正常使用与恶意滥用。此外,针对复杂混淆恶意代码的研究也反映了现有方法的泛化能力不足。
尽管基于API序列的深度学习检测模型取得了一定进展,但它们在以下方面仍存在显著局限性:①API语义表示不足:传统方法通常将API调用视为离散符号或依赖于固定的嵌入表示,难以充分捕捉API在不同上下文中的动态语义及其潜在恶意意图,特别是在面对未知或经过混淆的API时,其表示能力受限;②对新型及变异恶意软件的泛化能力有待提升:现有模型在训练数据中未见过的恶意软件家族或变种面前,性能可能显著下降,这主要源于其对已知模式的过度依赖和对潜在语义信息的挖掘不足;③模型可解释性较弱:许多深度学习模型如同“黑箱”,其决策过程难以理解,这不仅限制了分析人员对检测结果的信任,也不利于对新型攻击手法的溯源和理解。
为了克服上述挑战,现提出一种集成框架GBCL(GPT-4, BERT, and CNN-LSTM)。该方法的核心思想是利用GPT-4的强大文本生成能力为API调用序列生成富含上下文信息的解释性文本,再通过BERT模型对这些解释性文本进行深度语义编码,最后结合CNN-LSTM网络进行序列特征学习和分类。以期更深入理解API调用语义、增强对未知恶意软件识别能力,并提升模型可解释性的新方法。

1 基本理论

随着恶意代码威胁的日益严峻,开发有效的检测技术已成为维护网络安全的关键。当前主流的检测方法主要包括静态分析、动态分析、混合分析以及基于自然语言处理(NLP)的方法,中外对这4类方法的研究现状如下。

1.1 静态分析检测方法

该方法通过直接解析程序代码或二进制文件识别恶意特征,无需执行样本,具有安全性高、速度快的优点。杨望等[15]提出的多特征集成方法,检测准确率达到96.99%。Li等[16]结合静态分析和统计分析提取多维特征,准确率高达98%。这些方法虽然在提高检测准确率方面取得了一定成效,但在处理复杂性和时间成本上仍有改进空间。

1.2 动态分析检测方法

动态分析方法通过在受控的模拟环境中执行测试程序来捕获其实时行为,监控关键活动如注册表操作、API调用和网络通信,以分析程序的行为特征并判断其恶意性。Tobiyama等[17]利用LSTM构建行为模型,将API调用转化为特征向量并生成特征图像,再用CNN进行检测,但面对长序列时性能可能下降,且易过拟合于小规模数据集。Rosenberg等[18]将API序列分割为子序列,使用RNN(recurrent neural network)检测,一旦某个子序列被标记为恶意,整个序列即被报告为恶意。Ndibanje等[19]基于API序列构建特征,通过虚拟环境中的动态API调用和相似性计算区分程序行为,然后应用机器学习和统计方法检测恶意代码。Chen等[20]提出了一种基于深度神经网络DNN(deep neural network)的恶意代码检测方法,该方法巧妙地融合了经验规则和统计规则来分析API调用参数。此外,还采用了高斯混合模型聚类算法GSDMM(collapsed Gibbs sampling algorithm for the dirich-let multinomial mixture model)来对其余的API调用进行分类,从而为这些调用分配敏感性标签。这种方法不仅提高了对API调用模式的理解,而且增强了模型对恶意行为的识别能力。Dabas等[21]开发了MalAnalyser(malware analyzer)系统,从API调用序列中提取频繁子序列,结合全局和局部粒子群优化算法和遗传算法,识别关键特征以有效检测恶意代码。这些方法虽然提高了检测的准确性,但在处理长序列和数据集规模限制时仍面临挑战。

1.3 混合分析检测方法

混合分析方法融合了静态和动态分析技术,以增强恶意代码检测的能力[22]。Zhao等[23]结合可移植可执行文件(Portable Executable,PE)文件的静态特征和程序执行的动态行为,取得了约95%的准确率。Han等[24]提出了MalDAE(malware detection and explanation)框架,分析静态和动态API序列的相关性,基于语义映射融合API调用序列,利用随机森林分类器进行分类。这些研究表明,混合分析方法能有效提高恶意代码检测的准确性,尤其是在处理混淆技术时。

1.4 基于自然语言处理的检测方法

近期,众多研究开始融合自然语言处理(NLP)技术与深度学习,以提升恶意代码检测的效能。Kang等[25]则提出了一种基于词嵌入的LSTM模型,以更低维度分析操作码和API函数名,结合签名和启发式方法,对恶意代码进行检测和分类,在微软恶意代码分类挑战数据集上取得了比One-hot编码方法高出0.5%的性能提升,并显著减少了训练时间。Amer等[26]采用基于马尔可夫链的方法,通过计算API的语义相似度和聚类,构建转移矩阵序列,以API序列的转移概率来判断恶意性。王兴凤等[27]使用Skip-Gram生成API序列嵌入向量,并利用TextCNN训练检测模型,尽管忽略了序列的前后依赖关系。Liu等[28]通过删减重复API调用并排序,提取有效序列,并使用Word2Vec转化为二进制向量,最终确定BLSTM神经网络用于恶意代码检测。Wang等[29]提出的SIMPLE模型,针对有限样本的新恶意代码家族识别问题,采用N-gram和Glove方法增强局部特征表示。这些研究表明,结合NLP技术的深度学习方法在恶意代码检测领域具有显著潜力。

近年来,随着Transformer架构及其衍生模型(如BERT、GPT系列)思想的兴起,利用大型预训练模型强大的上下文理解和表征能力成为可能。研究者开始探索如何将这些模型更有效地应用于恶意软件检测的特定任务,例如尝试进行模型的微调,或探索少样本甚至零样本的恶意软件家族分类。同时,一些前沿研究也开始探索利用这些模型的生成能力来增强数据、辅助解释检测结果或生成对抗样本等。这些研究方向展示了将最先进的AI技术应用于网络安全领域的巨大潜力,但也指出了在模型效率、可解释性以及针对特定恶意行为的细粒度理解方面仍存在的挑战。所提出的GBCL方法,正是基于对这些最新进展和挑战的思考,尝试结合相关AI模型的生成和理解能力,为API序列分析提供一种新的视角。

总结而言,现有方法仍存在各自的局限:静态分析易受混淆干扰;动态分析资源开销大;混合分析系统复杂;而多数基于NLP的方法仍侧重于序列表面模式,未能充分挖掘API调用的深层语义与上下文关联。因此,现从动态分析入手,提出GBCL方法,通过生成式语义增强与多层次特征融合,旨在进一步提升恶意代码检测的准确率与泛化能力。

2 GBCL方法概述

针对恶意软件检测领域的关键问题,提出了一种基于生成可解释文本与深度学习融合的新框架GBCL(GPT-4, BERT, and CNN-LSTM)。现有方法主要存在以下不足:①静态分析对未知恶意软件的适应性较差,难以处理复杂多变的行为模式;②API调用序列的上下文语义难以有效建模,导致特征表达不足;③模型可解释性较低,使分类结果缺乏直观支持;④特征提取与融合方法的局限性限制了检测性能的提升。为解决这些问题,GBCL结合自然语言生成技术与深度学习模型,显著改善了检测的准确性、效率及可解释性。

GBCL的核心是通过生成模块和分类模块实现从API调用序列到高质量特征表示的转换。在生成模块中,利用GPT-4为每个API调用生成高质量的解释性文本。GPT-4通过提示工程(prompt engineering)生成与API语义相关、可读性高的自然语言描述,为后续特征编码提供优质输入。

生成的文本随后被输入BERT模型进行语义编码。BERT通过深层双向注意力机制生成高维向量表示,捕捉上下文语义,并将各API调用的向量整合为全局序列特征表示。这种结合自然语言处理的方法增强了特征表达的丰富性与完整性。

在特征学习与分类阶段,GBCL框架结合了卷积神经网络(convolutional neural network,CNN)与长短时记忆网络(long short-term memory,LSTM)。CNN负责提取API序列的局部特征,捕捉相邻API调用之间的模式;LSTM通过时间递归建模序列的时间依赖关系,进一步完善特征表达。整合后的全局特征向量被输入分类器,生成恶意软件类别预测结果。

通过生成模块与分类模块的协同优化,GBCL克服了传统方法在特征表达与模型可解释性方面的不足,同时显著提升了检测精度与鲁棒性。

2.1 可解释性文本生成与应用

可解释性文本是指通过清晰、直观的语言对技术复杂行为进行描述的信息。例如,API调用是指应用程序在运行时与操作系统进行交互的一组函数或方法。这些文本通过揭示API调用的功能及上下文信息,生成具有语义一致性和上下文相关性的特征表征,从而为技术行为提供清晰的语义描述。

这种文本的核心作用在于增强模型对数据特征的表征能力,并为分类预测结果提供明确的解释性支持。在恶意软件检测任务中,可解释性文本通过描述API调用的功能和潜在风险,帮助分析恶意行为模式。例如,针对API调用“CreateFile”,可解释性文本可能生成“创建或打开一个文件,用于数据存储或读取”;而对于“RegOpenKeyEx”,则生成“打开一个注册表键,用于配置读取或修改”。这种信息不仅能够提升模型对恶意行为的检测能力,还为技术人员提供高效的行为分析支持,同时帮助非技术用户理解API调用可能带来的安全风险,从而提高检测结果的透明性和可信度。

由于生成高质量的可解释性文本通常需要较高的计算开销,为了提升生成效率并减少重复生成过程,构建了一个API序列索引库。该索引库存储了多种常见API调用及其对应的解释性文本,并支持快速匹配、动态扩展和高效检索。例如,当某个恶意软件样本包含“CreateFile”调用时,模型无需实时生成描述,而是通过索引库直接检索到“创建或打开一个文件”的对应解释。通过减少冗余生成,这种设计不仅显著提升了文本生成的效率,还有效优化了计算资源的利用率,为大规模恶意软件检测任务提供了可靠支持,同时为实际应用场景中的模型部署带来了更高的灵活性。

2.1.1 基于GPT-4的解释性文本生成方法

在恶意软件动态行为分析中,模型需快速理解API调用序列的语义意图以识别潜在攻击模式。尽管传统方法(如系统手册的“man”命令或搜索引擎)可提供API的完整描述,但其存在显著局限性:系统手册的说明通常冗长且包含大量技术细节(如参数列表、返回值),需要专业知识提炼关键语义,导致信息处理效率低下;搜索引擎结果则因混杂编程问答、广告等碎片化内容,需人工二次筛选,且难以避免上下文噪声。更关键的是,这些传统文本缺乏对恶意行为场景的针对性优化,无法直接关联API调用与攻击意图(如进程注入、权限提升等)。相比之下,基于GPT-4生成的解释性文本通过自然语言理解与上下文推理能力,可生成简洁、摘要化且场景适配的语义描述。当API调用示例为NtCrea-teProcessEx时如表1所示。

将GPT-4引入恶意软件检测任务,以生成高质量的API调用解释性文本,解决传统方法在语义表达和上下文捕捉方面的不足。GPT-4凭借其庞大的语料库预训练和上下文感知生成能力,能够为API调用提供语义化且与上下文高度相关的描述。具体实现过程如下。

(1)Prompt设计优化:通过构建针对API调用的特定Prompt(提示文本),精准引导GPT-4生成符合语义的高质量描述。例如,输入“Describe the purpose of CreateFile API call”时,GPT-4会生成“Create or open a file for reading, writing, or both”这样的准确描述。Prompt的明确设计是生成文本针对性与一致性的关键,直接影响生成内容的准确性与可用性。

(2)文本生成:在Prompt引导下,GPT-4通过语义解析生成高度精准且具有实际应用价值的自然语言描述。这些描述准确揭示了API调用的功能和上下文语境,能够直接服务于恶意软件行为分析与分类任务。

(3)信息筛选与优化:为避免生成文本中包含冗长或无关信息,研究引入了筛选机制,对生成文本进行精简和优化。筛选过程中,仅保留与API调用功能直接相关的内容。例如,对于“RegOpenKeyEx”调用,筛选机制保留“打开注册表键”的核心描述,去除冗余细节,从而进一步提升文本的精确性与可解释性。

通过上述过程生成的解释性文本显著增强了API调用的语义表示能力,尤其在应对未知或变异恶意软件时效果尤为显著。这些文本不仅优化了模型对API行为模式的理解能力,还有效提升了下游分类任务的性能,是本文的核心创新之一。

2.1.2 BERT在文本嵌入与序列表示中的应用

在生成解释性文本后,需将其转换为模型可处理的数值形式。采用BERT模型对解释性文本进行编码,生成上下文相关的嵌入向量,为后续分类任务提供语义支持。具体步骤如下。

(1)文本预处理:采用WordPiece分词技术将文本分解为子词或字符序列。相比传统分词方法,WordPiece能够有效处理罕见词汇和变体,例如,“maliciousness”会被拆分为“malicious”和“ness”,从而提升对复杂词汇的建模能力。

(2)特殊标记添加:在分词后的序列两端添加特殊标记[CLS]和[SEP],分别指示序列的开始与结束。同时,对于长度超出或不足的序列,通过截断操作移除超长部分,或通过填充标记补齐不足部分,从而确保输入序列长度一致。

(3)嵌入生成:在完成分词和标记后,利用BERT模型为每个分词生成768维嵌入向量。假设每个词汇单元ωk的嵌入向量记作vj(其中1≤j≤m),vj是R768空间中的向量。对于每个API调用,创建了一个表示矩阵ek(其中1≤k≤n),其维度为R(m+2)×768。通过串联所有调用的表示矩阵,可得到整个API序列的张量E,其维度为Rn×(m+2)×768。

$E=\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{c}\mathrm{a}\mathrm{t}[{e}_{1},{e}_{2},\dots,{e}_{n}]$

式(1)中:Concat为拼接操作。

通过BERT生成的序列张量能够有效捕获API调用的语义信息,显著增强了序列特征的表示能力。这些嵌入表示为后续的CNN-LSTM模块提供了高质量的特征输入,使模型能够在多尺度和多维度上提取复杂序列特性。在处理长序列的动态行为模式时,CNN-LSTM模块结合BERT嵌入,展现了卓越的分类性能,进一步提升了恶意软件检测的准确率。图1展示了基于API调用序列的文本嵌入生成流程。

2.2 下游分类器CNN-LSTM 模型

卷积神经网络(CNN)因其在图像和文本处理中的优异表现,被广泛应用于各种任务。近年来,研究者将CNN扩展到序列数据处理领域,用于提取如API调用序列的特征。基于TextCNN模型,利用其在文本分类中的优势,对可解释性文本序列进行特征提取。输入为标准化后的词向量序列,假设每个序列包含n个词,每个词向量为d维,则输入矩阵的维度为n×d。通过不同尺寸的卷积核(如3、5、7)对输入序列进行卷积运算,提取短、中、长依赖范围的局部特征;随后,对每个卷积结果进行激活操作(如ReLU),生成一组特征映射,并通过最大池化操作压缩特征映射,选取每组特征映射的最大值,生成固定大小的特征向量。最终,将多卷积核生成的特征向量拼接并融合,形成多尺度特征表示,以捕捉文本序列中的局部依赖关系和上下文语义特征。这一融合技术显著提升了模型的特征表达能力,图2展示了TextCNN的基本架构,具体的多尺度特征提取流程如图3所示。

长短期记忆网络(LSTM)擅长捕捉序列数据中的时间依赖关系,是处理长序列文本的经典模型。采用了双向LSTM(Bi-LSTM)结构,以更全面地捕获序列的前后文信息。其输入为TextCNN提取的多维度特征表示,假设每个序列特征向量的维度为m,序列长度为n,则输入矩阵的维度为n×m。LSTM通过输入门、遗忘门和输出门控制信息流动,以捕捉长期依赖特征;同时,双向LSTM对序列进行前向和后向处理,生成两个隐含状态向量,并拼接最后一层和倒数第二层的输出,以形成更加丰富的语义表示。最终,输出包含长期依赖信息的全局特征向量。这种设计能够有效避免梯度消失问题,同时提高对序列全局信息的建模能力。具体的LSTM网络结构如图4所示。

在TextCNN和LSTM提取的特征基础上,本研究通过全连接层对所有特征表示进行整合,以完成恶意软件分类任务。具体而言,输入为LSTM输出的全局特征向量;该向量被输入全连接层后,经过激活函数(softmax)计算每个类别的概率分布,最终输出预测的类别标签,从而实现恶意软件的精准分类。

如图5所示,完整的网络架构通过卷积核、池化和归一化等模块的协作,完成了从嵌入表示到特征提取的关键转换。这一设计显著提升了模型的上下文感知能力,并增强了其在恶意软件检测任务中的表现。

3 实验与结果分析

3.1 实验环境设置

实验环境配置如表2所示。

3.2 数据集

采用Catak等[31]发布的公开可用基准数据集“mal-api-2019”。数据集中包括8种类型的不同类型恶意软件7 107个:间谍软件、下载器、特洛伊木马、蠕虫、广告软件、下载器、病毒和后门恶意软件。表3展示了每个类别的样本分布情况。

在实验开始之前,对数据集进行了必要的预处理操作,以适应模型的输入要求。具体步骤如下:①API序列提取:使用动态分析工具从恶意软件样本中提取API调用序列;②文本生成:利用GPT-4模型为每个API调用生成解释性文本;③文本编码:将生成的文本进行编码,转换为模型可处理的数值形式;④数据划分:将处理后的数据集划分为训练集(80%)、验证集(10%)和测试集(10%)。

为验证模型在真实对抗环境下的泛化能力,采用VirusShare恶意软件样本库作为基准数据集。该数据集包含超过1 000万条真实世界恶意软件样本,覆盖勒索软件、蠕虫、木马等多种攻击类型,并持续更新以纳入新兴变种。相较于传统数据集(如EMBER或Malimg),VirusShare的优势在于其样本多样性(涵盖未公开的零日攻击样本)与动态对抗性(包含混淆、加壳等逃逸技术生成的样本),能够更贴近实际威胁场景的需求。

针对VirusShare原始二进制文件的复杂性,设计了一套系统的预处理与特征提取流程以支撑实验验证。首先,通过样本清洗剔除损坏文件、重复哈希样本及误标的良性数据,最终保留45万有效恶意样本;随后,基于PE文件解析工具(LIEF库)提取静态特征,包括PE头部结构、导入函数表及字节熵直方图,以表征代码的格式与统计特性。为进一步捕捉恶意行为的动态模式,使用Cuckoo沙箱对20%的样本进行动态分析,生成API调用序列、注册表操作及网络流量日志等行为特征。为确保家族分类标签的可靠性,所有样本均通过VirusTotal多引擎扫描结果与人工校验进行标签对齐,排除标注歧义。在数据划分阶段,采用8∶1∶1的比例将数据集分割为训练集、验证集与测试集,并基于时间窗口策略(2020—2022年数据用于训练,2023年新增样本用于测试),以模拟实际场景中模型对未知变种与新兴威胁的检测能力。

3.3 评估指标

实验采用准确率(Acc)、精确率(Precision)、召回率(Recall)和F1分数(F1)4个指标对模型的性能进行评价,其公式为

${A}_{\mathrm{c}\mathrm{c}}=\frac{\mathrm{T}\mathrm{P}+\mathrm{T}\mathrm{N}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P}+\mathrm{F}\mathrm{N}+\mathrm{T}\mathrm{N}}\times 100\mathrm{\%}$
${P}_{\mathrm{r}\mathrm{e}\mathrm{c}\mathrm{i}\mathrm{s}\mathrm{i}\mathrm{o}\mathrm{n}}=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{P}}\times 100\mathrm{\%}$
${R}_{\mathrm{e}\mathrm{c}\mathrm{a}\mathrm{l}\mathrm{l}}=\frac{\mathrm{T}\mathrm{P}}{\mathrm{T}\mathrm{P}+\mathrm{F}\mathrm{N}}\times 100\mathrm{\%}$
${F}_{1}=\frac{2{p}_{\mathrm{r}\mathrm{e}\mathrm{c}\mathrm{i}\mathrm{s}\mathrm{i}\mathrm{o}\mathrm{n}}{r}_{\mathrm{e}\mathrm{c}\mathrm{a}\mathrm{l}\mathrm{l}}}{{p}_{\mathrm{r}\mathrm{e}\mathrm{c}\mathrm{i}\mathrm{s}\mathrm{i}\mathrm{o}\mathrm{n}}+{r}_{\mathrm{e}\mathrm{c}\mathrm{a}\mathrm{l}\mathrm{l}}}\times 100\mathrm{\%}$

式中:TP为实际的阳性恶意代码样本被正确预测为阳性样本;FP为实际的阴性恶意代码样本被错误地预测为阳性样本;TN为实际的阴性恶意代码样本被正确地预测为阴性样本;FN为实际的阳性恶意代码样本被错误地预测为阴性样本。

3.4 实验结果分析

通过一系列对比实验和消融实验,深入评估了所提出的GBCL方法在恶意软件检测任务上的性能。对比实验旨在将本文方法与当前最先进技术进行直接竞争,以展示其优越性。消融实验则专注于分析框架中各个组成部分对整体性能的贡献度,从而验证每个组件的必要性和有效性。

3.4.1 对比实验

为了进一步验证模型的有效性,将所提出的方法与现有的最先进的技术进行了对比。结果表明,本文方法在各项评价指标上均优于对比的方法。

在mal-api-2019数据集上的性能比较如表4所示。从表4中数据可以清晰地观察到,所提出的GBCL方法在所有4项核心评价指标上均显著超越了所有对比方法。例如,相较于表现较好的基线方法[36],其准确率为94.87%,F1分数为94.93%,而GBCL方法分别达到了97.53%和97.15%,均有提升。值得注意的是,即便是与基于Transformer[35](准确率为50.00%,F1分数为51.00%)或传统机器学习方法如ExtraTrees[37](准确率55.70%,F1分数为57.80%)相比,GBCL的优势更为巨大。这一卓越性能充分证明了GBCL框架通过GPT-4增强API调用序列的语义信息,再结合BERT的深度语义理解与CNN-LSTM的序列特征学习,能够更有效地捕获恶意软件的复杂行为模式。

在规模更大、样本更多样化的VirusShare数据集上的对比结果如表5所示。在此数据集上,GBCL方法同样展现出强大的竞争力。相较于文献[43](准确率为96.50%,F1分数为96.05%)和文献[42](准确率为97.10%,F1分数为95.90%)等近期表现优异的方法,GBCL在准确率(97.20%)、精确率(96.30%)、召回率(96.45%)和F1分数(96.10%)上均取得了领先或极具竞争力的结果。尤其是在F1分数上,GBCL达到了96.10%,略高于文献[43]的96.05%,表明模型在精确率和召回率之间取得了更优的平衡。这再次验证了GBCL框架在处理不同来源和特性的恶意软件样本时,依然能够保持高效和稳健的检测能力,这得益于其对API调用序列深层语义的有效挖掘和对上下文依赖关系的精确捕捉。

3.4.2 消融实验

为验证模型中各个组件在模型中所起的作用,基于mal-api-2019数据集进行消融实验。

为了衡量本文方法生成的解释文本的质量,采用两种解释文本获取方法进行比较:文档检索(document retrieval,DR)方法搜索API调用,互联网搜索(internet search,IS)方法手动在互联网上搜索API调用。比较的结果如表6所示。

在实验中,发现对于某些API调用,传统的DR(即动态分析)和IS(即静态分析)方法在生成解释性文本方面存在局限性,导致较高的数据缺失率。具体来说,DR方法生成的解释性文本过于冗长,而IS方法产生的文本则过于简短,这些因素均影响了模型的检测性能。相比之下,本文方法能够为所有API调用生成高质量的解释性文本。这一成果主要归功于GPT-4模型强大的语言生成能力,它不仅确保了文本的解释性,还有效控制了词语数量,从而优化了检测性能。此外,该方法显著降低了解释性文本检索的人力和时间成本,并消除了文本预处理的步骤,进一步提高了检测流程的效率。

实验进一步分析了不同长度的解释性文本对准确率的影响,如图6所示。随着文本长度从0增加到100,准确率显著提升,从约0.83上升至0.86,这表明合适长度的解释性文本有助于全面捕获API调用的上下文信息。当文本长度在100~200时,准确率保持稳定,表明此时生成的文本能够在信息量与简洁性之间实现较好平衡。而当文本长度增加至250时,准确率达到最高值(约0.865)。然而,随着文本长度进一步增加至300,准确率出现下降,可能是因为过长文本引入了冗余信息,影响了特征提取的效率。实验结果表明,生成适应长度的解释性文本对于优化恶意软件检测的性能具有重要作用。

图7展示了训练过程中损失值的变化,包括训练损失(蓝色)和验证损失(橙色)。x轴表示训练的轮次(epochs),y轴表示损失值。在训练初期,训练损失和验证损失迅速下降,这表明模型正有效学习数据中的模式。随着训练轮次增加,训练损失持续降低,并逐渐接近零,说明模型对训练数据拟合良好。然而,验证损失在较高的值附近趋于稳定,并呈现一定的波动,这表明模型可能在训练集上过拟合(overfitting)。这种模式表明,尽管模型在训练集上的表现良好,但在未见数据上的泛化能力可能受限。可以考虑采用早停(early stopping)、正则化(regularization)或dropout等技术来缓解过拟合,并提升验证集的性能。

3.5 实验讨论

通过实验结果可以看出,所提出的GBCL恶意软件检测方法在mal-api-2019和VirusShare数据集上取得了优异的性能。这主要得益于GPT-4生成的解释性文本能够提供丰富的语义信息,而CNN-LSTM分类器能够有效地捕捉这些信息并进行准确的分类。

综上所述,所提出的恶意软件检测方法能够有效提高检测率,为网络安全领域提供了一种有效的技术解决方案。未来的工作将集中在进一步优化模型结构和提高检测速度上,以适应更复杂的网络安全挑战。

4 讨论与结论

4.1 创新与贡献

(1)基于生成式人工智能实现了API语义的深度增强与表征。具体而言,尝试并成功应用大型语言模型GPT-4为符号化的API调用序列生成具有高度上下文相关性和人类可读性的解释性文本。这一举措不仅将低层次的API符号映射至高层次的语义空间,更突破了传统方法依赖人工特征工程或简单词嵌入的局限性,为API序列分析引入了全新的语义理解维度。由此,显著提升了API特征的语义丰富度与表征能力,使得模型能够从更深层次理解API调用的功能、目的及其组合可能产生的复杂行为,为准确识别那些通过混淆、变形等手段隐藏其真实意图的恶意软件奠定了坚实基础。

(2)设计并实现了一种多层次深度语义特征提取与高效融合架构。该架构结合了BERT模型与CNN-LSTM网络:BERT模型负责从GPT-4生成的解释性文本中提取深层语义信息;CNN则用于捕获API序列中的局部关键特征模式,例如特定的API组合;而LSTM则进一步学习这些模式间的长距离时序依赖关系。这种架构实现了从API符号、自然语言解释到序列模式的多层次特征学习与高效融合,确保了模型既能理解单个API调用的深层含义,又能把握API序列的整体行为逻辑,从而全面提升了恶意软件检测的准确性和鲁棒性。

(3)GBCL框架显著增强了对未知及高级变异恶意软件的泛化检测能力。通过将检测基础从API调用的字面匹配转向对其背后功能和意图的语义理解,模型展现出对训练数据集中未曾出现过的新型恶意软件及其变种更强的泛化识别能力。这有效应对了恶意软件快速演化和“零日攻击”所带来的严峻挑战,模型不再仅仅依赖于已知的恶意API模式,而是能够基于对API调用所描述行为的理解进行判断,这对于提升在真实复杂网络环境下的实战检测效能至关重要。

(4)本框架提升了模型决策过程的可解释性与可信度。GPT-4生成的API解释性文本为模型最终的分类决策提供了直观且易于理解的中间依据。分析人员可以借助这些文本追溯模型判断的线索,理解为何某一API序列被判定为恶意。这为克服深度学习模型固有的“黑箱”问题提供了新的途径,不仅增强了分析人员对检测结果的信任度,也为后续的人工审计、攻击溯源以及模型优化提供了宝贵的洞察,从而促进了人机协同的恶意软件分析模式的发展。

实验结果充分证明,所提出的GBCL方法在公开的数据集上取得了业界领先的检测性能,各项关键指标均表现优异,有力地验证了上述创新点在提升恶意软件检测能力方面的有效性与优越性。

4.2 展望

尽管模型表现出色,但依赖于训练数据的质量和多样性,未知API调用的文本生成和资源受限环境部署仍需优化。未来工作将聚焦于增强数据集多样性、改进文本生成准确性、优化实时性能、适应概念漂移策略,以及提高模型的可解释性和跨平台兼容性,进一步提升检测能力和实际应用的适应性。

从应用前景来看,GBCL方法具有广泛且深远的价值。首先,在网络安全领域,该框架能够为安全运营中心提供实时、精准的恶意软件监测和预警,有效辅助安全分析人员准确识别与分类攻击行为,降低误报率,提升防御响应速度和效率。其次,该方法对未知样本的高鲁棒性使其适合用于企业级防护系统、恶意软件分析沙箱及云安全平台,帮助企业及时检出并阻断潜在威胁,保障关键业务系统安全。此外,获得的解释性文本不仅提升了检测的透明度和可信度,也为后续的取证分析和攻击溯源提供了有力支持。

经济效益方面,该智能框架有望助力安全产品升级,减少人工成本,提高防护效率,降低因恶意软件侵害造成的直接和间接经济损失。从社会效益角度讲,其推广应用能够增强网络空间的安全保障能力,促进互联网环境的健康发展,进而提升公众信息安全意识和防御能力。综上所述,本次研究不仅在技术层面实现了创新突破,亦具备较强的产业应用价值和社会影响力。

未来,有望将GBCL方法进一步集成至实际应用系统中,开展跨行业示范应用及大规模验证,推动研究成果的产业转化与落地,实现理论与实践的深度融合。

参考文献

[1]

Yan P, Tan S, Wang M, et al. Prompt engineering-assisted malware dynamic analysis using GPT-4[J]. arXiv Preprint, arXiv: 2312.08317, 2023.

[2]

Khan K, Mehmood A, Khan S, et al. A survey on intrusion detection and prevention in wireless AD-HOC networks[J]. Journal of Systems Architecture, 2020, 105.DOI: 10.1016/j.sysarc.2019.101701.

[3]

Mohurle S, Patil M. A brief study of wannacry threat: ransomware attack 2017[J]. International Journal of Advanced Research in Computer Science, 2017, 8(5): 1938-1940.

[4]

马博林, 张铮, 陈源, 等. 基于指令集随机化的抗代码注入攻击方法[J]. 信息安全学报, 2020, 5(4): 30-43.

[5]

Ma Bolin, Zhang Zheng, Chen Yuan, et al. The defense method for code-injection attacks based on Instruction set randomization[J]. Journal of Cyber Security, 2020, 5(4): 30-43.

[6]

邵思豪, 高庆, 马森, 等. 缓冲区溢出漏洞分析技术研究进展[J]. 软件学报, 2018, 29(5): 1179-1198.

[7]

Shao Sihao, Gao Qin, Ma Sen, et al. Progress in research on buffer overflow vulnerability analysis technologies[J]. Journal of Software, 2018, 29(5): 1179-1198.

[8]

冯晓萌, 孙秋野, 王冰玉, 等. 基于蠕虫传播和 FDI 的电力信息物理协同攻击策略[J]. 自动化学报, 2022, 48(10): 2429-2441.

[9]

Feng Xiaomeng, Sun Qiuye, Wang Bingyu, et al. The coordinated cyber physical power attack strategy based on worm propagation and false data injection[J]. Acta Automatica Sinica, 2022, 48(10): 2429-2441.

[10]

Yadav B, Tokekar S. Recent innovations and comparison of deep learning techniques in malware classification: a review[J]. International Journal of Information Security Science, 2021, 9(4): 230-247.

[11]

Singh J, Singh J. A survey on machine learning-based malware detection in executable files[J]. Journal of Systems Architecture, 2021, 112.DOI: 10.1016/j.sysarc.2020.101861.

[12]

Athiwaratkun B, Stokes J W. Malware classification with LSTM and GRU language models and a character-level CNN[C]//IEEE international Conference on Acoustics, New Orleans:Speech and Signal Processing (ICASSP). New York: IEEE, 2017: 2482-2486.

[13]

Maniath S, Ashok A, Poornachandran P, et al. Deep learning LSTM based ransomware detection[C]// Recent Developments in Control, Automation & Power Engineering (RDCAPE). Noida: IEEE, 2017: 442-446.

[14]

王帅, 何文春, 王甫棣, 等. 大语言模型融合知识图谱与向量检索的问答系统[J]. 科学技术与工程, 2024, 24(32): 13902-13910.

[15]

Wang Shuai, He Wenchun, Wang Fudi, et al. QA system integrating large language models with knowledge graphs and vector retrieval[J]. Science Technology and Engineering, 2024, 24(32): 13902-13910.

[16]

范志鹏, 李军, 刘宇强, 等. 基于灰度纹理指纹的恶意代码分类[J]. 科学技术与工程, 2020, 20(29): 12014-12020.

[17]

Fan Zhipeng, Li Jun, Liu Yuqiang, et al. Malware classification based on gray texture fingerprint[J]. Science Technology and Engineering, 2020, 20(29): 12014-12020.

[18]

董星彤, 陈士宏, 陈淑鑫. 自然语言处理文本查重优化算法设计[J]. 科学技术与工程, 2022, 22(3): 1091-1097.

[19]

Dong Xingtong, Chen Shihong, Chen Shuxin. Optimized algorithm design for text plagiarism detection in natural language processing[J]. Science Technology and Engineering, 2022, 22(3): 1091-1097.

[20]

张杨帆, 丁锰. 基于改进的Transformer的双向编码器的对话文本识别[J]. 科学技术与工程, 2022, 22(29): 12945-12953.

[21]

Zhang Yangfan, Ding Meng. Improved Transformer-based bidirectional encoder for dialogue text recognition[J]. Science Technology and Engineering, 2022, 22(29): 12945-12953.

[22]

杨望, 高明哲, 蒋婷. 一种基于多特征集成学习的恶意代码静态检测框架[J]. 计算机研究与发展, 2021, 58(5): 1021-1034.

[23]

Yang Wang, Gao Ming, Jiang Ting, et al. A malicious code static detection framework based on multi-feature ensemble learning[J]. Journal of Computer Research and Development, 2021, 58(5): 1021-1034.

[24]

Li S, Jiang L, Zhang Q, et al. A malicious mining code detection method based on multi-features fusion[J]. IEEE Transactions on Network Science and Engineering, 2022, 10(5): 2731-2739.

[25]

Tobiyama S, Yamaguchi Y, Shimada H, et al. Malware detection with deep neural network using process behavior[C]//IEEE 40th Annual Computer Software and Applications Conference (COMPSAC). Atlanta: IEEE, 2016: 577-582.

[26]

Rosenberg I, Shabtai A, Rokach L, et al. Generic black-box end-to-end attack against stateof the art API call based malware classifiers[C]//Research in Attacks, Intrusions, and Defenses: 21st International Symposium, RAID 2018. Atlanta: IEEE, 2018: 490-510.

[27]

Ndibanje B, Kim K H, Kang Y J, et al. Cross-method-based analysis and classification of malicious behavior by API calls extraction[J]. Applied Sciences, 2019, 9(2). DOI:10.3390/app9020239.

[28]

Chen X, Hao Z, Li L, et al. Cruparamer: learning on parameter-augmented API sequences for malware detection[J]. IEEE Transactions on Information Forensics and Security, 2022, 17: 788-803.

[29]

Dabas N, Sharma P. MalAnalyser: an effective and efficient Windows malware detection method based on API call sequences[J]. Expert Systems with Applications, 2023, 230.DOI:10.1016/j.eswa.2023.120756.

[30]

Damodaran A, Troia F D, Visaggio C A, et al. A comparison of static, dynamic, and hybrid analysis for malware detection[J]. Journal of Computer Virology and Hacking Techniques, 2017, 13: 1-12.

[31]

Zhao J, Zhang S, Liu B, et al. Malware detection using machine learning based on the combination of dynamic and static features[C]// 27th International Conference on Computer Communication and Networks (ICCCN). Hangzhou: IEEE, 2018: 1-6.

[32]

Han W, Xue J, Wang Y, et al. MalDAE: detecting and explaining malware based on correlation and fusion of static and dynamic characteristics[J]. Computers & Security, 2019, 83: 208-233.

[33]

Kang J, Jang S, Li S, et al. Long short-term memory-based malware classification method for information security[J]. Computers & Electrical Engineering, 2019, 77: 366-375.

[34]

Amer E, Zelinka I. A dynamic Windows malware detection and prediction method based on contextual understanding of API call sequence[J]. Computers & Security, 2020, 92. DOI: 10.1016/j.cose.2020.101760.

[35]

王兴凤, 黄琨茗, 张文杰. 基于API 序列和卷积神经网络的恶意代码检测[J]. 信息安全研究, 2020, 6(3): 212-219.

[36]

Wang Xinfeng, Huang Kunming, Zhang Wenjie. Malware detection based on application programming interface sequence and convolutional neural network[J]. Journal of Information Security Research, 2020, 6(3): 212-219.

[37]

Liu Y, Wang Y. Arobust malware detection system using deep learning on API calls[C]// IEEE 3rd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC). Chengdu: IEEE, 2019: 1456-1460.

[38]

Wang P, Tang Z, Wang J. A novel few-shot malware classification approach for unknown family recognition with multi-prototype modeling[J]. Computers & Security, 2021, 106. DOI: 10.1016/j.cose.2021.102273.

[39]

Greff K, Srivastava R K, Koutník J, et al. LSTM: a search space odyssey[J]. IEEE Transactions on Neural Networks and Learning Systems, 2016, 28(10): 2222-2232.

[40]

Catak F O, Yazı A F, Elezaj O, et al. Deep learning based sequential model for malware analysis using Windows exe API Calls[J]. PeerJ Computer Science, 2020, 6. DOI: 10.7717/peerj-cs.285.

[41]

Avci C, Tekinerdogan B, Catal C. Analyzing the performance of long short-term memory architectures for malware detection models[J]. Concurrency and Computation: Practice and Experience, 2023, 35(6): 1-11.

[42]

Panda B, Bisoyi S S, Panigrahy S. An ensemble approach for imbalanced multiclass malware classification using 1D-CNN[J]. PeerJ Computer Science, 2023. DOI: 10.7717/peerj-cs.1677.

[43]

Owoh N, Adejoh J, Hosseinzadeh S, et al. Malware detection based on API call sequence analysis: a gated recurrent unit-generative adversarial network model approach[J]. Future Internet, 2024, 16(10). DOI: 10.3390/fi16100369.

[44]

Li C, Chen Z, Zheng J. An efficient transformer encoder-based classification of malware using API calls[C]// IEEE 24th International Conference on High Performance Computing & Communications. Haikou: IEEE, 2022: 839-846.

[45]

Li C, Lü Q, Li N, et al. A novel deep framework for dynamic malware detection based on API sequence intrinsic features[J]. Computers & Security, 2022, 116. DOI: 10.1016/j.cose.2022.102686.

[46]

Cannarile A, Carrera F, Galantucci S, et al. A study on malware detection and classification using the analysis of API calls sequences through shallow learning and recurrent neural networks[C]// Italian Conference on Cybersecurity. Rome: ITASEC, 2022: 124-134.

[47]

Tran T K, Sato H. NLP-based approaches for malware classification from API sequences[C]// 21st Asia Pacific Symposium on Intelligent and Evolutionary Systems (IES). Hanoi: IEEE, 2017: 101-105.

[48]

Zhuang J, Al Hasan M. Non-exhaustive learning using gaussian mixture generative adversarial networks[C]// Machine Learning and Knowledge Discovery in Databases. Bilbao: Springer International Publishing, 2021: 3-18.

[49]

Jian Y, Kuang H, Ren C, et al. A novel framework for image-based malware detection with a deep neural network[J]. Compu-ters & Security, 2021, 109.DOI:10.1016/j.cose.2021.102400.

[50]

Sharma O, Sharma A, Kalia A. Windowsand IoT malware visuali-zation and classification with deep CNN and Xception CNN using Markov images[J]. Journal of Intelligent Information Systems, 2023, 60(2): 349-375.

[51]

Falana O J, Sodiya A S, Onashoga S A, et al. Mal-Detect: an intelligent visualization approach for malware detection[J]. Journal of King Saud University-Computer and Information Sciences, 2022, 34(5): 1968-1983.

[52]

Vasan D, Alazab M, Wassan S, et al. IMCFN: image-based malware classification using fine-tuned convolutional neural network architecture[J]. Computer Networks, 2020, 171.DOI: 10.1016/j.comnet.2020.107138.

基金资助

国家重点研发计划(2022YFC3321101)

国家自然科学基金(61571144)

北京建筑大学研究生创新项目(PG2025115)

PDF (6512KB)

44

访问

0

被引

详细

导航
相关文章

/

〈 〉