基于知识蒸馏的恶意代码家族检测方法

摘要：

近年来,恶意代码变种层出不穷,恶意软件更具隐蔽性和持久性,亟需快速有效的检测方法来识别恶意样本.针对现状,文中提出了一种基于知识蒸馏的恶意代码家族检测方法,该模型通过逆向反编译恶意样本,利用恶意代码可视化技术将二进制文本转为图像,以此避免对传统特征工程的依赖.在教师网络模型中采用残差网络,在提取图像纹理深层次特征的同时,引入通道域注意力机制,根据通道权重的变化,来提取图像中的关键信息.为了加快对待检测样本的识别效率,解决基于深度神经网络检测模型参数量大和计算资源消耗严重等问题,使用教师网络模型来指导学生网络模型训练,实验结果表明学生网络在降低模型复杂度的同时,保持了恶意代码家族的检测效果,有利于对批量样本的检测和移动端的部署.

关键词：恶意家族、知识蒸馏、注意力机制、残差网络

所属期刊栏目：48

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划;国家社会科学基金重点项目;公安部科技强警基础工作2020专项;中国人民公安大学中央基本科研业务费项目

在线出版日期：2021-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：280-286