基于CBAM-CGRU-SVM的Android恶意软件检测方法 |
| |
引用本文: | 孙敏,成倩,丁希宁.基于CBAM-CGRU-SVM的Android恶意软件检测方法[J].计算机应用,2024(5):1539-1545. |
| |
作者姓名: | 孙敏 成倩 丁希宁 |
| |
作者单位: | 山西大学计算机与信息技术学院 |
| |
摘 要: | 随着Android恶意软件的种类和数量不断增多,检测恶意软件以保护系统安全和用户隐私变得越来越重要。针对传统的恶意软件检测模型分类准确率较低的问题,提出一种基于卷积神经网络(CNN)、门控循环单元(GRU)和支持向量机(SVM)的模型CBAM-CGRU-SVM。首先,在CNN中添加卷积块注意力模块(CBAM)以学习更多恶意软件的关键特征;其次,利用GRU进一步提取特征;最后,为了解决图像分类时模型泛化能力不足的问题,使用SVM代替softmax激活函数作为模型的分类函数。实验使用了Malimg公开数据集,该数据集将恶意软件数据图像化作为模型输入。实验结果表明,CBAM-CGRU-SVM模型分类准确率达到94.73%,能够更有效地对恶意软件家族进行分类。
|
关 键 词: | 恶意软件 卷积神经网络 卷积块注意力模块 门控循环单元 支持向量机 |
|
|