10.3969/j.issn.1671-1122.2022.10.005
基于多尺度卷积神经网络的恶意代码分类方法
恶意代码文件大小差异巨大,使用传统卷积神经网络对其可视化图像进行训练时会因分辨率调整导致大量信息丢失.为此,文章提出一种基于多尺度卷积神经网络的恶意代码分类方法.该方法首先将不同大小的恶意代码生成为多种特定分辨率的图像;然后利用DenseNet网络提取特征,避免因调整至同一分辨率导致信息损失;最后通过空间金字塔模型处理多尺度特征,进而训练分类模型.实验结果表明,该方法有效提高了恶意代码分类性能.
恶意代码分类、空间金字塔、多尺度、卷积神经网络
TP309(计算技术、计算机技术)
国家自然科学基金;江苏省市场监督管理局科技计划项目;江苏省公安厅科技研究项目;江苏省公安厅科技研究项目;江苏省高等学校自然科学基金;计算机软件新技术国家重点实验室南京大学开放课题
2022-11-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
31-38