Malware Detect System

1 產品介紹

惡意代碼檢測系統。

2 產品描述

2.1 產品功能

功能點	詳細描述
注冊賬號	未注冊用戶注冊成為產品用戶，從而具備享有產品各項服務的資格
登錄賬號	用戶登錄產品，獲得產品提供的各項服務
上傳惡意樣本	用戶可以將上傳自己的收集到的惡意樣本及其樣本屬性，網站會對該惡意樣本進行保存
獲取惡意樣本檢測結果	用戶手動上傳或使用oss方式上傳待檢測的惡意樣本，系統檢測樣本后返回該樣本屬性
樣本威脅分析報告	系統返回用戶根據檢測結果，樣本本身行為特征，并將其可視化。以報告的方式返回結果
訓練檢測模型	系統每天固定時間點對惡意代碼檢測模型進行重新訓練
分類所有惡意樣本	系統可以每天固定時間點計算惡意樣本之間的相似度信息，進而對所有樣本進行大類、家族分類
更新惡意代碼榜單	用戶可查看該系統過去一段時間檢測過的文件以及相關分析結果

      |

2.2 產品約束

約束	約束解釋
編程語言	前端采用的語言為：HTML，CSS，JavaScript，前端采用的框架是：Vue；后端采用的語言為Golang，后端采用的框架為Gin
響應時間	網頁的響應時間應在1s以內（存疑）
算法模型	算法訓練的惡意代碼檢測模型的訓練時間在2個小時以內，能對足夠多種惡意代碼家族種類進行檢測，響應時間控制1分鐘以內
界面友好性	產品的界面應能體現對用戶用戶好性，具有一定的美觀性
代碼可讀性	產品的的代碼應符合命名規范，命名與實際意義掛鉤，具有可讀性
代碼健壯性	產品的代碼應避免過度耦合，以便后續迭代優化，對現有功能的擴展以及增添新的功能
項目計劃	產品的研發應嚴格遵循項目的管理流程，各階段任務應避免延期，對后續階段的開發造成影響

3. 具體需求

3.1 外部接口需求

3.1.1 用戶界面

1. 注冊登陸界面

（扎心了，這一段還沒有寫前端log out的邏輯）

2. 首頁
   

3. 上傳惡意代碼界面
   

4. 分析報告界面
   

5. 惡意代碼行為可視化界面

（扎心了，這一段還沒有還沒來及用element UI畫一個動態的圖出來，假裝有一個這樣的界面吧, 可視化內容大概長下面這個亞子）

3.1.2 軟件接口

• MacOS 操作系統；
• Aapche Kafka；
• etcd v3.4.15；
• Nginx 1.19.8。

3.1.3 通信接口

HTTPS協議、TCP/IP協議。

3.2 功能需求

3.2.1 web模塊

3.2.1.1 注冊賬號

用例名	注冊賬號
基本事件流	(1) 用戶打開注冊頁面 (2) 用戶填寫密碼，用戶名等身份信息(A-1)(A-2) (3) 用戶點擊注冊按鈕 (4) 系統驗證該用戶信息是否符合規范 (5) 系統驗證該用戶名是否被注冊過 (6) 系統返回注冊結果
備選事件流	A-1 用戶信息不符合規范 (1) 系統提示信息不符合規范 (2) 用戶重新輸入 A-2 用戶被注冊過 (1) 系統提示用戶用戶名重復 (2) 用戶重新輸入
補充約束 - 數據約束	(1) 密碼不能為空 (2) 電話不能為空
補充約束 - 非功能需求	系統響應時間不超過15秒

3.2.1.2 登錄賬號

用例名	注冊賬號
基本事件流	(1) 用例起始于未登錄用戶想要登錄系統 (2) 未登錄用戶點擊【登錄】按鈕，系統跳轉到登錄頁面(A-1) (3) 用戶在登錄頁面填入相關信息(D-1)，點擊【登錄】(A-2)(A-3)(A-4)
備選事件流	A-1 系統繁忙或網絡出現問題 (1) 系統提示：系統繁忙，請稍后再試 A-2 用戶的賬戶未注冊 (1) 系統提示：該賬戶不存在，請注冊后再使用 (2) 系統跳轉到注冊頁面 A-3 用戶登錄成功 (1) 系統提示：登錄成功 (2) 系統跳轉到主頁或用戶之前瀏覽的頁面 A-4 用戶登錄失敗 (1) 系統提示：登錄信息不正確，請重新輸入
補充約束 - 數據約束	D-1 提交的數據需要包含賬戶名，密碼
補充約束 - 非功能需求	無

3.2.1.3 上傳惡意樣本

用例名	注冊賬號
基本事件流	(1) 點擊上傳 (2) 系統提示上傳成功并修改數據庫(A-1)
備選事件流	A-1 系統繁忙或網絡出現問題 系統提示：系統繁忙，請稍后再試
補充約束 - 數據需求	提交數據包括用戶字段和惡意樣本
補充約束 - 非功能需求	暫無

3.2.1.4 獲取惡意樣本檢測結果與樣本威脅分析報告

用例名	獲取推薦
基本事件流	(1) 用戶注冊后進入上傳樣本界面 (2) 可在頁面上查看本次或歷史檢測結果(A-1) (3) 點擊查看報告，可返回樣本分析報告(A-2)
備選事件流	A-1、A-2 系統繁忙或網絡出現問題 系統提示：系統繁忙，請稍后再試
補充約束- 數據需求	提交的數據包括用戶字段和用戶本次上傳的樣本id
補充約束- 非功能需求	暫無

3.2.1.5 更新惡意代碼榜單

記錄用戶的檢測記錄

3.2.2 算法模塊

訓練生成模型、分類所有樣本和樣本預測三個部分

3.2.2.1 訓練生成模型

用例名	訓練生成模型
基本事件流	(1) 讀取模型參數 (2) 惡意樣本特征預處理 (3)構造出異構圖, 并使用三種數據增強方式進行正負樣本的生成 (4) 微調模型參數并保存

3.2.2.2 分類所有樣本

用例名	分類所有樣本
基本事件流	(1) 將樣本構造成異構圖的形式 (2) 加載既有的對比學習模型，生成異構圖的表征 (3) 根據表征，對異構圖進行分類

3.2.2.3 樣本預測

用例名	分類所有樣本
基本事件流	(1) 將待預測的樣本構造成異構圖的形式 (2) 加載既有的對比學習模型，生成異構圖的表征 (3) 根據表征，對異構圖進行分類

3.2.3 調度模塊

3.2.3.1 觸發訓練任務

通過定時任務觸發訓練任務，將訓練任務元數據序列化并存入任務隊列

用例名	分類所有樣本
基本事件流	（1）用例起始于每天凌晨02:00自動運行 （2）將待預測的樣本編號序列化后，推送至任務隊列 （3）從任務狀態隊列中輪訓任務狀態（A-2）
補充約束-數據約束	元數據要求符合數據庫約束，同時限制任務大小。
補充約束-業務約束	任務提交失敗時需要自動跳過錯誤數據并重試。