基于轻量级深度网络的计算机病毒检测方法

作者：吴恋; 赵晨洁^*; 韦萍萍; 于国龙; 徐勇

来源：计算机工程与设计, 2022, 43(03): 632-638.

DOI：10.16208/j.issn1000-7024.2022.03.005

• 深度学习
• 轻量级
• SqueezeNet模型
• 病毒检测
• 卷积神经网络
• B2M算法

为解决已有病毒检测机制无法很好地处理大量未知病毒及深度网络模型难以部署在嵌入式设备上应用的问题,提出一种基于轻量级深度网络的计算机病毒检测方法。采用B2M算法将病毒映射为灰度图像,提取灰度共生矩阵GLCM作为轻量级深度网络SqueezeNet的输入,将传统视觉特征与深度神经网络进行整合,实现病毒的高准确率判别。对SqueezeNet进行卷积结构和特征增强的改进,使之运行速度更快、资源消耗更低,检测精度更高。实验验证了该方法的有效性。

• 单位
  贵州大学; 哈尔滨工业大学（深圳）; 贵州师范学院