期刊专题

10.3778/j.issn.1002-8331.2007-0291

基于深度学习可视化的恶意软件家族分类

引用
计算机网络技术的快速发展,导致恶意软件数量不断增加.针对恶意软件家族分类问题,提出一种基于深度学习可视化的恶意软件家族分类方法.该方法采用恶意软件操作码特征图像生成的方式,将恶意软件操作码转化为可直视的灰度图像.使用递归神经网络处理操作码序列,不仅考虑了恶意软件的原始信息,还考虑了将原始代码与时序特征相关联的能力,增强分类特征的信息密度.利用SimHash将原始编码与递归神经网络的预测编码融合,生成特征图像.基于相同族的恶意代码图像比不同族的具有更明显相似性的现象,针对传统分类模型无法解决自动提取分类特征的问题,使用卷积神经网络对特征图像进行分类.实验部分使用10868个样本(包含9个恶意家族)对深度学习可视化进行有效性验证,分类精度达到98.8%,且能够获得有效的、信息增强的分类特征.

恶意软件家族;恶意代码可视化;递归神经网络(RNN);卷积神经网络(CNN);SimHash

57

TP309.5(计算技术、计算机技术)

湖南省重点领域研发计划2019GK2243

2021-11-26(万方平台首次上网日期,不代表论文的发表时间)

共8页

131-138

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

57

2021,57(22)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn