科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前采用深度学习的恶意代码检测方法存在计算资源消耗较大，难以部署到资源受限的边缘设备的问题，提出了一个对恶意代码可视化检测模型进行压缩的方法。将恶意软件转换成灰度图像后，输入卷积神经网络，对卷积神经网络的输入值和权重进行量化运算，构建恶意代码的分类模型HBF-VGG14-Net,通过量化后的VGG14模型进行训练及测试得到检测结果。实验结果表明，相比全精度VGG14模型，HBF-VGG14-Net在精度损失较小的情况下，能够实现模型压缩28倍。所提方法预处理操作简单，训练的模型占用内存较小，故HBF-VGG14-Net模型可用于边缘设备的恶意软件检测。
- 单位
