| 基于擠壓激勵網絡的惡意代碼家族檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>902 K | |
| 標簽： 惡意代碼 機器學習 卷積神經網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：惡意代碼已經成為威脅網絡安全的重要因素。基于機器學習的惡意代碼檢測方法已經取得較好的效果，但面對相似的惡意代碼家族，往往效果不佳。對此，提出了一種基于擠壓激勵網絡的檢測算法，由卷積神經網絡(Convolutional Neural Network，CNN)與擠壓和激勵(Squeeze-and-Excitation，SE)模塊構成。CNN先快速提取惡意代碼的圖像特征，SE模塊對多通道特征圖進行全局平均池化，將全局信息壓縮，然后通過全連接層自適應學習，并將每個通道特征圖賦予不同的權重來表示不同的重要程度，指導激勵或抑制特征信息。實驗結果表明，該方法相對于傳統機器學習方法有更好的檢測效果，與深度學習算法相比檢測效果也有一定的提升且參數量大大減少。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2