基于深度学习的恶意代码检测技术研究

作     者：蒲经纬 张辉 唐斌 

作者机构：中国人民警察大学河北065000 

基　　金：2022年公安部科技计划项目“数字图像盲取证技术研究”(2022JSYJC24) 

出 版 物：《网络安全技术与应用》 (Network Security Technology & Application)

年 卷 期：2024年第10期

页      码：39-43页

摘      要：近年来,恶意代码的爆炸性增长对计算机信息系统造成严重威胁,如何在初始阶段有效检测恶意代码成为了备受关注的话题。传统的恶意代码检测技术往往具有较高的误报率和漏报率,基于机器学习技术的恶意代码检测方法也存在提取特征较少、模型框架单一等问题。本文以大型开源数据集Ember为基础,设计了一种深度前馈神经网络模型。将原始数据集进行预处理,转化为二维特征向量;确定模型参数,纵向构建多层稠密结构网络;测试模型的检测效果,并将该模型与其他机器学习算法进行比较。结果表明,该深度前馈神经网络取得了较好的检测效果,基本满足了恶意代码检测要求。

主 题 词：恶意代码检测 静态分析 深度学习 前馈神经网络 PE文件 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 0839[0839] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1009-6833.2024.10.015

馆 藏 号：203143699...