基于1D CNN与XGBoost的恶意代码纹理检测

作     者：黄科 袁启平 董薇 孙沂昆 亢勇 王天翔 HUANG Ke;YUAN Qiping;DONG Wei;SUN Yikun;KANG Yong;WANG Tianxiang

作者机构：北京特种工程设计研究院北京100028 

出 版 物：《电视技术》 (Video Engineering)

年 卷 期：2021年第45卷第10期

页      码：129-135页

摘      要：恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要。近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别。针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验。实验结果表明,所提的方法分类预测精度达到了97%。

主 题 词：卷积神经网络(CNN) 恶意软件 深度学习 纹理检测 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16280/j.videoe.2021.10.036

馆 藏 号：203106378...