计算机工程与应用

2021, v.57;No.989(22) 131-138

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度学习可视化的恶意软件家族分类
Malware Family Classification Based on Deep Learning Visualization

陈小寒;魏书宁;覃正泽;

摘要(Abstract):

计算机网络技术的快速发展,导致恶意软件数量不断增加。针对恶意软件家族分类问题,提出一种基于深度学习可视化的恶意软件家族分类方法。该方法采用恶意软件操作码特征图像生成的方式,将恶意软件操作码转化为可直视的灰度图像。使用递归神经网络处理操作码序列,不仅考虑了恶意软件的原始信息,还考虑了将原始代码与时序特征相关联的能力,增强分类特征的信息密度。利用SimHash将原始编码与递归神经网络的预测编码融合,生成特征图像。基于相同族的恶意代码图像比不同族的具有更明显相似性的现象,针对传统分类模型无法解决自动提取分类特征的问题,使用卷积神经网络对特征图像进行分类。实验部分使用10 868个样本(包含9个恶意家族)对深度学习可视化进行有效性验证,分类精度达到98.8%,且能够获得有效的、信息增强的分类特征。

关键词(KeyWords): 恶意软件家族;恶意代码可视化;递归神经网络(RNN);卷积神经网络(CNN);SimHash

Abstract:

Keywords:

基金项目(Foundation): 湖南省重点领域研发计划(2019GK2243)

作者(Author): 陈小寒;魏书宁;覃正泽;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享