为了解决恶意代码检测器对于对抗性输入检测能力的不足，提出了一种对抗训练驱动的恶意代码检测增强方法。首先，通过反编译工具对应用程序进行预处理，提取应用程序接口（API）调用特征，将其映射为二值特征向量。其次，引入沃瑟斯坦生成对抗网络，构建良性样本库，为恶意样本躲避检测器提供更加丰富的扰动组合。再次，提出了一种基于对数回溯法的扰动删减算法。将良性样本库中的样本以扰动的形式添加到恶意代码中，对添加的扰动进行二分删减，以较少的查询次数减少扰动的数量。最后，将恶意代码对抗样本标记为恶意并对检测器进行重训练，提高检测器的准确性和稳健性。实验结果表明，生成的恶意代码对抗样本可以躲避目标检测器的检测。此外，对抗训练提升了目标检测器的准确率和稳健性。