文档名：基于多尺度卷积神经网络的恶意软件检测方法
与传统的浅层学习相比,深度学习具有强大的模式表达能力,摆脱了对特征工程的依赖,能有效提高恶意软件检测率.提出了一种基于多尺度卷积神经网络的恶意软件检测方法,先将实验样本的二进制可执行文件转换为固定长度的十六进制字符序列,然后通过词嵌入将固定长度的十六进制字符序列转换为一个低维向量,并将转换生成的低维向量输入多尺度卷积神经网络中,训练基于多尺度卷积神经网络的检测模型.该方法通过不同窗口大小的卷积运算,学习到数据中不同尺度中更丰富完整的特征信息,所提出的方法在概念意义上是合理的,在结果方面也是比较理想的.该方法的准确率为98.18％,对数损失为0.1503,AUC值为0.997,各项性能指标优于大部分经典的检测方法,是一种性能良好、鲁棒有效的恶意软件检测方法.
作者：白金荣熊倩秦汝霞
作者单位：玉溪师范学院,云南玉溪653100
母体文献：2020中国网络安全等级保护和关键信息基础设施保护大会论文集
会议名称：2020中国网络安全等级保护和关键信息基础设施保护大会
会议时间：2020年12月20日
会议地点：南宁
主办单位：公安部第一研究所
语种：chi
分类号：TP3TP1
关键词：恶意软件检测 多尺度卷积神经网络 深度学习 准确率
在线出版日期：2021年11月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.28 MB
- 下载次数:
- 60
-
高速下载
|
|
