1.一种基于API语义解析的恶意软件检测方法，其特征在于，所述基于API语义解析的恶意软件检测方法，包括：步骤1、基于API调用序列样本学习得到每个API的表征向量，将API名称分词为单词集合，计算得到单词集合中每个单词的表征向量；

步骤2、基于API名称和单词集合构建以API和单词作为节点的API图谱，采用图卷积神经网络更新API图谱中API节点和单词节点的表征向量；

步骤3、获取API调用序列样本，基于API图谱中各API节点的表征向量将API调用序列样本转化为表征向量序列样本，利用标注后的表征向量序列样本训练LSTM网络得到识别模型；

步骤4、对于待识别的实时API调用序列，利用所述API图谱转化为实时表征向量序列，将实时表征向量序列输入所述识别模型得到恶意软件检测结果。

2.如权利要求1所述的基于API语义解析的恶意软件检测方法，其特征在于，所述基于API调用序列学习得到每个API的表征向量，包括：对每个API设定一个唯一的标识符；

根据API调用序列得到对应的标识符序列，组合若干标识符序列形成标识符序列集合；

采用word2vec对标识符序列集合进行学习，得到每个API的表征向量。

3.如权利要求1所述的基于API语义解析的恶意软件检测方法，其特征在于，所述将API名称分词为单词集合，包括：基于骆驼命名法对每个API名称进行分词；

将分词得到的所有单词进行汇总去重得到单词集合。

4.如权利要求1所述的基于API语义解析的恶意软件检测方法，其特征在于，所述计算得到单词集合中每个单词的表征向量，包括：对所述单词集合中的已知英文单词采用预训练的word2vec英文单词词向量作为表征向量，对所述单词集合中的未知单词则随机初始化表征向量。

5.如权利要求1所述的基于API语义解析的恶意软件检测方法，其特征在于，所述API图谱构建为图谱AG＝(V,E,A)，其中V为节点集合，包含所有API和单词；E为边集合，包含所有API与单词的关联，包含在API名称中的单词与该API之间存在一条边；A为属性集合，API节点的属性为API的表征向量，单词节点的属性为单词的表征向量。