基于多频特征学习的恶意代码变种分类

作     者：靳黎忠 薛慧琴 段明博 赵旭俊 高改梅 JIN Li-zhong;XUE Hui-qin;DUAN Ming-bo;ZHAO Xu-jun;GAO Gai-mei

作者机构：太原科技大学应用科学学院山西太原030024 太原科技大学计算机科学与技术学院山西太原030024 

基　　金：国防科技重点实验室基金项目(JSY6142219202114) 太原科技大学科研启动基金项目(20212033) 

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

年 卷 期：2024年第45卷第7期

页      码：1934-1940页

摘      要：针对恶意代码变种分类方法没有充分对原始输入进行分析的问题,提出一种更加高效的基于深度学习的办法,使用卷积神经网络对多频信息进行学习。对恶意代码转化而成的图像进行研究,利用小波变换进行多频和多层次的分析,抓住低频和高频特征;针对多频信息输入,设计一种多频特征学习模块,充分挖掘其中有用信息。实验结果表明,该方法在Malimg数据集上,相比其它两种恶意代码分类办法,分别取得了1.5%和0.8%的效果提升。

主 题 词：恶意代码分类 多频特征 深度学习 小波变换 灰度图像 卷积神经网络 恶意代码家族 

学科分类：0839[0839] 08[工学] 

D　O　I：10.16208/j.issn1000-7024.2024.07.003

馆 藏 号：203140342...