基于改进CNN的恶意软件分类方法
文档名：基于改进CNN的恶意软件分类方法
摘要：越来越多的恶意软件变种给网络安全带来了巨大的威胁,导致了现有基于CNN(ConvolutionalNeuralNetworks)的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题,本文提出了一种新的方法,即基于改进CNN的恶意软件RGB(RedGreenBlue)可视化的分类方法,可以抵御变种和混淆性恶意软件.首先,提出了一种基于RGB图像的特征表示方法,该方法更加关注恶意软件的二进制和汇编信息、API信息间的语义关系,生成具有更丰富纹理信息的图像,可以挖掘恶意代码原始与变种之间更深层的依赖关系.其次,针对恶意软件的加密和混淆问题,使用坐标注意力模块(CoordinateAttentionModule,CAM)获取更大范围的空间信息来强化特征.最后,结合空洞空间金字塔池化(AtrousSpatialPyramidPooling,ASPP)来改进CNN模型,解决因图像尺寸归一化导致的信息丢失和冗余.实验结果表明,上述方法在最近的先进方法中脱颖而出,对Kaggle数据集和DataCon数据集的准确率分别达到99.48%和97.78%.与其它方法相比,该方法对Kaggle数据集的准确率提高了0.22%,对DataCon数据集的准确率提高了0.80%.本文方法可以有效地分类恶意软件和恶意软件家族变种,具有良好的泛化能力和抗混淆能力.
作者：轩勃娜李进Author：XUANBo-naLIJin
作者单位：空军工程大学防空反导学院,陕西西安710051
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(5)
分类号：TP309.5
关键词：网络安全恶意代码分类RGB图像汇编信息语义关系坐标注意力模块空洞空间金字塔
Keywords：networksecuritymalwareclassificationRGBimagecompileinformationsemanticrelationshipcoor-dinateattentionmoduleatrousspatialpyramidpooling
机标分类号：TP311TP183H313
在线出版日期：2023年7月27日
基金项目：基于改进CNN的恶意软件分类方法[
期刊论文]电子学报--2023, 51(5)轩勃娜李进越来越多的恶意软件变种给网络安全带来了巨大的威胁,导致了现有基于CNN(ConvolutionalNeuralNetworks)的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题,本文提出了一种新的方法,即基于改进CNN的恶意软...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进CNN的恶意软件分类方法Malware Classification Method Based on Improved CNN
基于改进CNN的恶意软件分类方法.pdf
页:
[1]