基于一维卷积神经网络的恶意代码家族多分类方法研究OA北大核心CSTPCD
RESEARCH ON MULTI CLASSIFICATION METHOD OF MALICIOUS CODE FAMILY BASED ON ONE DIMENSION CONVOLUTIONAL NEURAL NETWORK
为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型.该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR.实验结果表明,恶意代码特征的提取和处理提升了分类效果;对比经典的机器学习算法、二维卷积神经网络、其他基于深度学习的恶意代码分类模型,ID-CNN-IMIR分类准确率是最好的,达到98.94％.
王栋;杨珂;玄佳兴;韩雨桐;廖会敏;魏博垚
国网电子商务有限公司(国网雄安金融科技集团有限公司) 北京100053国家电网有限公司电力金融与电子商务实验室 北京100053国网电子商务有限公司(国网雄安金融科技集团有限公司) 北京100053国家电网有限公司电力金融与电子商务实验室 北京100053国网电子商务有限公司(国网雄安金融科技集团有限公司) 北京100053国家电网有限公司电力金融与电子商务实验室 北京100053
信息技术与安全科学
深度学习恶意代码灰度图卷积神经网络恶意样本图像缩放
《计算机应用与软件》 2021 (12)
332-336,340,6
国家重点研发计划项目(2018YFB0805005).
评论