文献检索-宁波市创意产业特色资源库

限定检索结果

基于特征加权的深度学习Android恶意检测系统研究: 收藏
分享
引用; 《计算机工程》2020年第11期46卷 174-180页; 作者：葛文麒杨清廖俊国何羽轩湖南科技大学计算机科学与工程学院湖南湘潭411201 湖南科技大学潇湘学院计算机系湖南湘潭411201; 当前Android系统恶意应用程序数量增长迅猛,然而传统检测系统无法对其进行快速有效检测,移动终端安全性面临严重威胁。提出一种将特征加权与双向长短期记忆(Bi-LSTM)神经网络深度学习算法相结合的恶意检测系统。采用静态分析方法从恶意...; 当前Android系统恶意应用程序数量增长迅猛,然而传统检测系统无法对其进行快速有效检测,移动终端安全性面临严重威胁。提出一种将特征加权与双向长短期记忆(Bi-LSTM)神经网络深度学习算法相结合的恶意检测系统。采用静态分析方法从恶意与良性应用程序中提取不同类型行为特征,利用特征加权方法消除噪声与不相关因素后构建特征向量,使用Bi-LSTM深度学习算法优化行为特征参数,并设计恶意与良性应用程序分类模型,建立特征加权与深度学习算法相结合的恶意应用程序检测系统。实验结果表明,与支持向量机、RNN等传统检测系统相比,该系统对恶意应用程序具有较高的检测精度与准确率。; 来源：详细信息评论

限定检索结果