随着越来越多的行业与互联网结合在一起,“互联网+”模式已经席卷生活中的方方面面。但是“互联网+”模式也带来新的风险和挑战,随着木马、病毒等恶意程序的技术革新,私人信息暴露与蓄意破坏问题越来越严重。据国家互联网应急中心的统计,安全问题中最主要的因素就是木马,这意味着研究木马检测技术有十分重要的意义。通过对现有木马检测技术的对比,确定将具有动态行为特征的木马检测技术作为主要研究目标。从动态行为特征问题出发,进行如下研究:建立行为特征库,数据化行为特征和设定基于Gini指数的数据格式化规则;从分类算法问题出发,进行如下研究:设计深度卷积神经网络结构和训练方法。通过上两部分内容的研究,提出基于深度卷积神经网络的木马行为特征检测算法。本文最后构建了实验环境,对基于深度卷积神经网络的木马行为特征检测算法进行测试。对比实验给基于深度卷积神经网络的木马行为特征检测算法的优劣。