随着互联网技术的迅速发展和普及,计算机网络正在改变着人们的生活方式。但是由于网络本身开放性和自由性的特点,大大促进了计算机病毒的产生和广泛传播,其借助于互联网信息传递的便利性,对计算机和互联网的安全构成了严重的威胁。面对计算机病毒的传播日益泛滥,攻击网络的手段和技术不断更新的发展趋势,传统的计算机病毒检测技术已经无法满足信息安全的需求。BP神经网络具有高度自学习和自适应能力,泛化能力和容错能力等优点,使其在很多应用领域都取得了显著的效果,将BP神经网络技术应用于病毒检测领域,无疑具有巨大的优越性和广阔的发展空间。目前的恶意软件检测方法有很多种,传统的基于特征的恶意软件检测方法对已知恶意软件可以进行有效的检测,但是缺点是无法实现对未知恶意软件的检测。之后研究人员将机器学习技术应用于该领域,实现了准确有效地检测未知恶意软件,但是当前基于机器学习的恶意软件检测方法检测准确率较低而且时间开销过大。针对这一问题,本文通过分析恶意软件和非恶意软件操作码序列的特征分布规律,提出了一种基于信息增益和BP神经网络的恶意软件检测方法。理论分析和对比实验结果表明,本文提出的恶意软件检测方法能够在提高准确率的基础上减小时间开销,准确率达到90%以上,与其他主流检测方法相比无论在准确率还是时间开销方面也都具有明显优势。另外,为了能够更加直观地分析恶意软件操作码特征分布规律,本文提出一种二维操作码特征图像技术,可以对操作码特征分布规律进行可视化分析。基于该方法,本文设计并实现了恶意软件检测系统,该系统实现了恶意软件的有效检测,并能对恶意软件的操作码对特征分布进行可视化分析,应用效果良好,具备广阔商业应用前景。