基于LSA模型的恶意程序识别分类方法OA
LSA-Based Model for Malware Identification and Classification
基于LSTM-CNN组合框架的深度学习模型在很多恶意程序分类测试中都取得了极佳的效果.从LSTM-CNN的结构来看,CNN的作用主要是抽取数据间的局部依赖关系.然而在恶意程序识别分类任务中,CNN池化层Pooling操作会导致部分特征之间的关联信息在计算过程中丢失,这可能会对模型整体的分类效果产生影响.针对该问题,提出一种基于LSA(LSTM-Self-Attention)模型的恶意程序识别分类方法.Self-Attention的引入弥补了CNN…查看全部>>
路阳;彭海晖;王震宇
信息工程大学,河南郑州 450001中国联合网络通信有限公司郑州分公司,河南郑州 450052信息工程大学,河南郑州 450001
信息技术与安全科学
Self-Attention深度学习恶意程序分类
《信息工程大学学报》 2020 (6)
689-693,5
国家自然科学基金资助项目(61802435)
评论