| 基于Attention-DenseNet-BC的恶意软件家族分类方法 |
| |
| 引用本文： | 李一萌,李成海,宋亚飞,王坚.基于Attention-DenseNet-BC的恶意软件家族分类方法[J].计算机科学,2021,48(10):308-314. |
| |
| 作者姓名： | 李一萌 李成海 宋亚飞 王坚 |
| |
| 作者单位： | 空军工程大学防空反导学院 西安 710051 |
| |
| 摘 要： | 恶意软件是互联网最严重的威胁之一.现存的恶意软件数据庞大,特征多样.卷积神经网络具有自主学习的特点,可以用来解决恶意软件特征提取复杂、特征选择困难的问题.但卷积神经网络连续增加网络层数会引起梯度消失,导致网络性能退化、分类准确率较低.针对此问题,提出了一种适用于恶意软件图像检测的Attention-DenseNet-BC模型.首先结合DenseNet-BC网络和注意力机制(attention mechanism)构建了Attention-DenseNet-BC模型,然后将恶意软件图像作为模型的输入,通过对模型进行训练和测试得到检测结果.实验结果表明,相比其他深度学习模型,Attention-DenseNet-BC模型可以取得更好的分类结果.在Malimg公开数据集上该模型取得了较高的分类精确率.
|
| 关 键 词： | 恶意软件 DenseNet-BC网络 注意力机制 |
Method of Malware Family Classification Based on Attention-DenseNet-BC Model Mechanism |
| |
| LI Yi-meng,LI Cheng-hai,SONG Ya-fei,WANG Jian.Method of Malware Family Classification Based on Attention-DenseNet-BC Model Mechanism[J].Computer Science,2021,48(10):308-314. |
| |
| Authors: | LI Yi-meng LI Cheng-hai SONG Ya-fei WANG Jian |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
