基于Transformer和CNN的恶意代码分类方法OA北大核心CSTPCD
Classification of malicious code based on transformer and CNN
针对现有基于CNN的恶意代码分类方法存在训练成本高以及少数类分类准确率低的问题,结合CNN和Transformer的特点提出了基于改进MobileVit的恶意代码分类方法.首先,采用恶意代码可视化的样本预处理方法,加快模型收敛;然后,结合CNN和自注意力机制,提出了基于代价敏感性的MobileVit模型,通过改进Transformer encoder结构和加入Fo-cal Loss方法,降低模型的训练成本,在提高模型对恶意代码样本表征能力的同时,…查看全部>>
Existing CNN-based malware classification methods suffer from high training costs and low accu-racy for minority classes.To overcome these limitations,this paper proposes an improved method based on improved MobileVit,which combines the characteristics of CNN and Transformer.Firstly,a malicious code visualization sample preprocessing method is adopted to accelerate model convergence.Then,combining CNN with a self-attention mechanism,a cost-sensitive MobileVi…查看全部>>
牟雨萌;刘亮;张磊;苏莉媛
四川大学网络空间安全学院,成都 610065四川大学网络空间安全学院,成都 610065四川大学网络空间安全学院,成都 610065四川大学网络空间安全学院,成都 610065
计算机与自动化
恶意代码分类注意力机制数据不平衡MobileVit
Malicious code classificationAttention mechanismData imbalanceMobileVit
《四川大学学报（自然科学版）》 2024 (4)
127-133,7
四川省科技计划项目(2021YFG0159)四川省科技计划项目(2022YFG0171)
评论