- 年份
- 2025（3）
- 2024（3）
- 2023（1）
- 2022（1）
- 2020（2）
- 2017（1）
- 更多...
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)（7）
- 北京大学中文核心期刊目录(北大核心)（6）
- 中国科学引文数据库(CSCD)（2）
- 刊名
- 计算机工程与应用（2）
- 信息安全研究（1）
- 华中科技大学学报（自然科学版）（1）
- 数字技术与应用（1）
- 现代电子技术（1）
- 福州大学学报（自然科学版）（1）
- 网络安全与数据治理（1）
- 计算机工程（1）
- 计算机技术与发展（1）
- 通信学报（1）
- 更多...
- 作者单位
- 云南大学（1）
- 太原理工大学（1）
- 新疆大学（1）
- 语种
- 汉语（11）
- 关键词
- 恶意软件分类（11）
- 卷积神经网络（2）
- 机器学习（2）
- 深度学习（2）
- MobileNet v2模型（1）
- Softmax模型（1）
- 内存取证（1）
- 动态特征（1）
- 可视化（1）
- 图像增强（1）
- 更多...
- 作者
- 丁应（1）
- 万振华（1）
- 乔彤华（1）
- 兰田（1）
- 史锡朋（1）
- 叶彪（1）
- 吉晓梅（1）
- 孙敬张（1）
- 孙逊（1）
- 宋荆汉（1）
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 11 条结果
- 基于MobileNet的恶意软件家族分类模型北大核心CSCDCSTPCD摘要：现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平…查看全部>>
- 基于行为路径树的恶意软件分类方法北大核心CSCDCSTPCD
- 基于概率统计模型和SVM的恶意代码分类
- 基于GHM可视化和深度学习的恶意代码检测与分类CSTPCD
- 基于特征权重的恶意软件分类方法CSTPCD
- 基于多裁剪的恶意软件检测和分类模型北大核心CSTPCD摘要：针对恶意软件检测和分类中存在局部关键特征丢失、样本不足、样本不平衡和分类准确率低等问题,提出了一种基于多裁剪策略的恶意软件检测与分类模型MadcuG.模型首先将恶意软件字节文件用字节数组的形式放至内存缓冲区中生成彩色图像;然后用多裁剪策略将彩色图像生成恶意软件局部图像,以增加对局部关键特征的关注,解决样本不平衡和局部关键特征丢失问题;最后,用深度卷积生成对抗网络构造了打分判别器和分类判别器,目标损失函数为打分判别器和生成器的对抗损失及…查看全部>>
- 面向特征融合与知识蒸馏的恶意软件分类CSTPCD
- 基于图像域的轻量级恶意软件分类方法研究北大核心
- 基于异构指令图的恶意软件分类方法研究北大核心CSTPCD
- 基于字节序列频域采样的恶意软件分类