1.基于频数CNN的多态蠕虫检测方法，其特征在于，步骤如下：

1)将有效载荷数据转化为一维向量；

2)采用频数处理方法，学习到有效载荷数据的特征：

2.1)定义：

p＝{p1,…,pi,…,pn},i∈{1,n}代表一条有效载荷数据，n为数据的长度；

q＝{q1,…,qi,…,qn},i∈{1,n}代表将有效载荷p数值化之后的ASCII序列；

向量data[j],j∈{0,255}表示预处理之后的数据，其中，j表示每个字符对应的ASCII值；

2.2)对有效载荷数据进行数值化处理，将每个字符转化为对应的ASCII值，公式如下：{p1,…,pi,…,pn}→{q1,…,qi,…,qn}    (1)

2.3)频数处理：通过统计有效载荷数据中每个字符出现的次数来处理有效载荷数据，捕获蠕虫有效载荷数据的字符分布特征，具体处理为：

2.根据权利要求1所述的基于频数CNN的多态蠕虫检测方法，其特征在于：采用所述的多态蠕虫检测方法进行三层卷积的CNN网络模型检测时，将预处理后的有效载荷数据输入到CNN网络中进行训练，卷积层通过卷积运算来提取特征，池化层对提取的特征图进行下采样操作，以减少模型训练的计算量，全连接层将提取的特征组合成为一个向量，通过SoftMax层进行分类，输出有效载荷数据所属的类别。