基于一维卷积神经网络的恶意代码家族多分类方法研究

作者：王栋; 杨珂; 玄佳兴; 韩雨桐; 廖会敏; 魏博垚

来源：计算机应用与软件, 2021, 38(12): 332-340.

DOI：10.3969/j.issn.1000-386x.2021.12.053

• 深度学习
• 恶意代码
• 灰度图
• 卷积神经网络
• 恶意样本图像缩放

为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型。该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR。实验结果表明,恶意代码特征的提取和处理提升了分类效果;对比经典的机器学习算法、二维卷积神经网络、其他基于深度学习的恶意代码分类模型,ID-CNN-IMIR分类准确率是最好的,达到98.94%。

• 单位
  中国科学院信息工程研究所; 首都师范大学; 国家电网有限公司