| 基于1D CNN与XGBoost的恶意代码纹理检测 |
| |
| 引用本文： | 黄科,袁启平,董薇,孙沂昆,亢勇,王天翔.基于1D CNN与XGBoost的恶意代码纹理检测[J].电视技术,2021,45(10):129-135. |
| |
| 作者姓名： | 黄科 袁启平 董薇 孙沂昆 亢勇 王天翔 |
| |
| 作者单位： | 北京特种工程设计研究院,北京 100028 |
| |
| 摘 要： | 恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要。近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别。针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验。实验结果表明,所提的方法分类预测精度达到了97%。
|
| 关 键 词： | 卷积神经网络(CNN) 恶意软件 深度学习 纹理检测 |
Malicious Code Texture Detection Based on 1D CNN and XGBoost |
| |
| HUANG Ke,YUAN Qiping,DONG Wei,SUN Yikun,KANG Yong,WANG Tianxiang.Malicious Code Texture Detection Based on 1D CNN and XGBoost[J].Tv Engineering,2021,45(10):129-135. |
| |
| Authors: | HUANG Ke YUAN Qiping DONG Wei SUN Yikun KANG Yong WANG Tianxiang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
