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 WU Lian;ZHAO Chen-jie;WEI Ping-ping;YU Guo-long;XU Yong

作者机构：贵州师范学院数学与大数据学院贵州贵阳550018 贵州大学计算机科学与技术学院贵州贵阳550025 哈尔滨工业大学(深圳)计算机科学与技术学院广东深圳518055 

基　　金：贵州省科学技术基金项目(黔科合基础-ZK一般334、黔科合基础1114号、黔科合基础1116号) 国家科技部和国家自然科学基金奖励补助基金项目(黔科合平台人才5790-09) 贵州省科技厅基础研究计划基金项目(黔科合基础-ZK一般309) 贵州省科技计划基金项目(黔科合基础1121) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第3期

页      码：632-638页

摘      要：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。

主 题 词：深度学习 轻量级 SqueezeNet模型 病毒检测 卷积神经网络 B2M算法 

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

D　O　I：10.16208/j.issn1000-7024.2022.03.005

馆 藏 号：203109000...